본문 바로가기

딥러닝 모델을 이용한 반도체 웨이퍼 가공 불량 타입 분류

  • 장은아
  • 인천대학교
  • 작품구분일반형
  • 공개여부공개
  • 카테고리기타
  • 등록일2021-06-18
  • 팀원(공동개발자)김민교,김예나,김형주
  • 출품 경진대회2021년-1학기 산학 캡스톤디자인 경진대회(학생팀 & 멘토 모집)

상세설명

1. 수행배경

  • COVID 19로 인한 반도체 제조기업이 영향을 받아 차량용 반도체 공급부족 이슈 발생 전세계적으로 확대

2. 수행기간

  • 2021.03.16~ 2021.06.07

3. 개발작품 설명

  • 반도체 웨이퍼 데이터 WM-811k wafer map 을 가지고 SVM, CNN, Random Forest 모델 개발
  • SVM: 라돈변환을 사용해 가장 두드러진 영역 식별 노이즈 필터링 이용, region-labeling algorithm 사용, 정확도 82%
  • CNN: 차원확장을 위해 2d convolutional auto-encoder 사용 , 데이터 불균형 문제 해결위한 데이터확대 (convolution auto-encoder 사용), encoder model, decoder model 제작 및 노이즈 추가해 데이터 불균형 문제 해소, 모델검증 위한 k-fold cross validation model 이용 (k=3, score = 97%), CNN 학습 결과 정확도 99%
  • Random Forest : theano library, keras 사용, decision tree 노드 수에 따른 비교, 약 89% 의 정확도로 예측 , confusion matrix로 모델 확인

4. 활용방안

  • 불량 유형 파악을 통한 수율 증가 
  • 기존 불량품 분류 방식의 개선
  • 불량의 원인이 되는 위치 추출 파악 용이 
  • 다양한 분야 적용을 통한 실용성 확보

소개 영상

소개 슬라이드

기타자료

댓글