• Journal of Internet of Things and Convergence
• /
• v.10 no.6
• /
• pp.15-21
• /
• 2024

In response to the recent government's AI and semiconductor talent training policy, this study proposes a method of effectively classifying semiconductor chips and detecting defects in RGBA color space using AI deep learning technology. Quality assurance and defect detection of semiconductor chips are essential to ensure the reliability and performance of electronic devices. However, traditional inspection methods mainly include visual inspection, mechanical measurement, and electrical testing, which are time-consuming, expensive for state-of-the-art equipment, and inefficient for many production environments due to inspection. To solve this problem, image analysis techniques based on deep learning are attracting attention in automated inspection systems. Through this experiment, it was confirmed that the deep learning model using RGBA color space shows excellent performance in defect detection and classification of semiconductor chips. In particular, RGBA color space including alpha channel provides more accurate and precise results for defect detection than conventional RGB color space models with less learning. The results of this experiment suggest that the RGBA color space can play an important role in the deep learning-based defect detection system, and further experiments in various datasets and conditions will expand the scope of the method's use in the future. Such a model is highly likely to contribute to the automation and quality improvement of the semiconductor manufacturing process. This study aims to improve the accuracy and efficiency of the semiconductor chip inspection process by utilizing the advantages of RGBA color space.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2002.05a
• /
• pp.293-300
• /
• 2002

반도체 공정은 웨이퍼가 투입되어 완제품이 생산되기까지 수백개의 제고공정을 수개월에 걸쳐 진행해야 하는 매우 복잡하고 긴 공정으로 구성되어 있다. 대부분의 공정들은 먼저가 철저히 통제되는 클린 룸에서 진행되지만 아주 미세한 먼지 하나도 반도체 칩의 성능과 수율 을 저하시키는 요인이 된다. 반도체 칩의 불량은 특정 생산장비에서의 이물질 발생, 생산장비의 잘 못된 파라미터 값 설정 등 다양한 요인에 의해 발생될 수 있으며 불량의 원인을 요인별로 파악하여 신속하게 대처하는 것이 수율 개선의 핵심이 된다. 이를 위해 SPC 시스템, MES 그리고 6-시그마 등의 활용을 통한 다양한 수율개선 노력이 있었으나 공정의 복잡성과 대용량의 수집 데이터로 인해 기존의 통계적 방법이나 엔지니어의 경험적 분석방법으로는 미처 파악하지 못 하는 수율 저하 요인이 상당 수 존재한다. 본 논문은 군집화/분류, 순차패턴 등의 데이터마이닝 기법과 다차원분석(OLAP)도구를 활용하여 수율저하의 원인이 되는 문제공정, 문제장비, 그리고 잘못된 파리미터 값 설정 등을 신속하고 정화하게 파악하여 수율 개선을 지원하는 방법을 소개하며, 반도체Fabrication공정을 대상으로 실제 구현된 수율개선 시스템(Y-PLUS)을 설명한다.

• Proceedings of the KAIS Fall Conference
• /
• 2011.12b
• /
• pp.660-663
• /
• 2011

우주방사선이나 과도펄스(Transient Radiation) 형태의 감마 방사선이 반도체에 조사되면 소자 내부에서 짧은 시간에 다량의 전하가 생성된다. 이 전하들과 증폭된 과전류는 소자의 고장(Upset, Latchup)과 오동작을 유발시키게 되고 나아가 전자부품이 소진(Burnout)되는 직접적인 원인이 된다. 본 연구에서는 이러한 핵폭 방출 과도방사선에 대한 전자부품/장비의 내방사선관련 기초연구로 군전자부품의 감마-과도방사선에 대한 피해분석 시험을 수행하고 나아가 과도방사선 방호기술 체계구축의 필요성에 대해 논하였다. 과도펄스 방사선시험은 군용으로 분류된 반도체 칩을 대상으로 포항 전자빔가속기를 사용하였다. 핵폭발 방출 과도방사선을 모사하기 위해 감마선 변환장치를 MCNP 설계를 통해 제작하고 단일모드의 마이크로초 단위 감마펄스 방사선을 방출시켜 시험대상 칩을 부착한 시험보드에 조사하는 과정으로 실험을 진행하였다. 온라인 고속 측정장치를 통한 전자소자의 과도방사선시험에서 다양한 피해현상을 측정할 수 있었고, 열상카메라 촬영을 통하여 과열상태를 관측함으로써 피해현상의 검증과 더불어 소진현상으로의 전개 가능성을 확인하였다.

• Journal of Intelligence and Information Systems
• /
• v.9 no.1
• /
• pp.157-177
• /
• 2003

This paper presents a comprehensive and successful application of data mining methodologies to improve and predict wafer yield in a semiconductor wafer fabrication system. As the wafer fabrication process is getting more complex and the volume of technological data gathered continues to be vast, it is difficult to analyze the cause of yield deterioration effectively by means of statistical or heuristic approaches. To begin with this paper applies a clustering method to automatically identify AUF (Area Uniform Failure) phenomenon from data instead of naked eye that bad chips occurs in a specific area of wafer. Next, sequential pattern analysis and classification methods are applied to and out machines and parameters that are cause of low yield, respectively. Furthermore, radial bases function method is used to predict yield of wafers that are in process. Finally, this paper demonstrates an information system, Y2R-PLUS (Yield Rapid Ramp-up, Prediction, analysis & Up Support), that is developed in order to analyze and predict wafer yield in a korea semiconductor manufacturer.

• Journal of the Korea Society of Computer and Information
• /
• v.10 no.4 s.36
• /
• pp.203-211
• /
• 2005

In this paper, we propose a new automatic fingerprint identification system that identifies individuals in large databases. The algorithm consists of three steps; preprocessing, classification, and matching, in the classification. we present a new classification technique based on the statistical approach for directional image distribution. In matching, we also describe improved minutiae candidate pair extraction algorithm that is faster and more accurate than existing algorithm. In matching stage, we extract fingerprint minutiaes from its thinned image for accuracy, and introduce matching process using minutiae linking information. Introduction of linking information into the minutiae matching process is a simple but accurate way, which solves the problem of reference minutiae pair selection in comparison stage of two fingerprints quickly. This algorithm is invariant to translation and rotation of fingerprint. The proposed system was tested on 1000 fingerprint images from the semiconductor chip style scanner. Experimental results reveal false acceptance rate is decreased and genuine acceptance rate is increased than existing method.

• Proceedings of the Materials Research Society of Korea Conference
• /
• 2012.05a
• /
• pp.87.2-87.2
• /
• 2012

고출력 반도체 레이저 다이오드는 발진 파장 및 광 출력에 따라 다양한 분야에 응용되고 있으며, 특히 발진파장이 808 nm 및 1470 nm 인 고출력 레이저 다이오드의 경우 재료가공, 펌핑용 광원 (DPSSL, 광섬유 레이저), 의료, 피부미용 (점 제거), 레이저 다이오드 디스플레이 등 가장 다양한 응용분야를 가진 광원 중의 하나라고 할 수 있다. 일례로 재료가공의 경우, 레이저 용접, 레이저 인쇄, 하드디스크의 레이저 텍스쳐링 등 그 응용분야는 무수히 많으며, 최근에는 미래 성장동력 사업의 하나로 중요한 이슈가 되는 태양전지에서 에지 분리 (edge isolation), ID 마킹, 레이저 솔더링 등에서 필수불가결한 광원으로 각광받고 있다. 808 nm 대역 In(Ga)AlAs quantum dots laser diode (QDLD) 성장을 위하여 In(Ga)AlAs QD active 와 In(Ga)AlAs QD LD 성장으로 크게 분류하여 여러 가지 test 실험을 수행하였다. 우선 In(Ga)AlAs QD LD 성장에 앞서 high power LD에 적용 가능한 GaAs/AlGaAs quantum well의 성장 및 전기 측정을 수행하여 그 가능성을 보았다. In(Ga)AlAs QD active layer의 효과적인 실험 조건 조절을 위해 QD layer는 sequential mithod (ex. n x (InGaAlAs t sec + InAs t sec + As 10 sec)를 사용하였다. In(Ga)AlAs QD active layer는 성장 온도, 각 sequence 별 시간, 각 source 양, barrier 두께 조절 및 타입변형, Arsenic flux 등의 조건을 조절하여 실험하였다. 또한 위에서 선택된 몇 가지 active layer 를 이용하여 In(Ga)AlAs QD LD 성장 조건 변화를 시도하였다.