• 한국지능시스템학회논문지
• /
• 제22권6호
• /
• pp.694-699
• /
• 2012

반도체 검사 공정에 적용하기 위한 대시야 백색광간섭계(WSI ; White Light Scanning Interferometer)를 사용한 반도체 검사 결과를 본 논문에서 제시한다. 각 서브스트레이트에 있는 동일한 여러 범프에 대한 3D 데이터 반복성 측정 실험 결과를 제시한다. 각 서브스트레이트의 모든 범프에 대한 3D 데이터 반복성 측정 실험 결과를 제시한다. 반도체 검사 공정에서 3D 데이터 검사를 고속으로 달성하기 위해 대시야 백색광간섭계를 사용한 반도체 검사는 매우 중요한 의미를 갖는다. 인라인 고속 3D 데이터 검사기 개발에 본 논문이 크게 기여할 수 있다.

• 반도체디스플레이기술학회지
• /
• 제18권4호
• /
• pp.92-95
• /
• 2019

Automation control and the data for control of industrial equipment for the diagnosis and prediction is a key to success in the 4th industrial revolution. It increases process efficiency and productivity through data collection, realtime monitoring, and the data analysis. However, university and research environment are still suffering from logging the data in manual way, and we occasionally loss the equipment data logging due to the lack of automatic data logging system. State variable presents the current condition of the equipment operation which is closely related to process result, and it is valuable to monitor and analyze the data for the equipment health monitoring. In this paper, we demonstrate the collection of equipment state variable data via programmable logic controller (PLC) and the visualization of the collected data over the Web access supervisory control and data acquisition (SCADA). Test vehicle for the implementation of the suggested SCADA system is a relay switched physical vapor deposition system in the university environment.

• 산업공학
• /
• 제22권2호
• /
• pp.126-134
• /
• 2009

As product quality and yield are essential factors in semiconductor manufacturing, monitoring the main manufacturing steps is a critical task. For the purpose, FDC(Fault detection and classification) is used for diagnosing fault states in the processes by monitoring data stream collected by equipment sensors. This paper proposes an FDC model based on decision tree which provides if-then classification rules for causal analysis of the processing results. Unlike previous decision tree approaches, we reflect the structural aspect of the data stream to FDC. For this, we segment the data stream into multiple subregions, define structural features for each subregion, and select the features which have high relevance to results of the process and low redundancy to other features. As the result, we can construct simple, but highly accurate FDC model. Experiments using the data stream collected from etching process show that the proposed method is able to classify normal/abnormal states with high accuracy.

• 반도체디스플레이기술학회지
• /
• 제22권4호
• /
• pp.113-118
• /
• 2023

Maintenance of semiconductor equipment processes is crucial for the continuous growth of the semiconductor market. The process must always be upheld in optimal condition to ensure a smooth supply of numerous parts. Additionally, it is imperative to monitor the status of the robots that play a central role in the process. Just as many senses of organs judge a person's body condition, robots also have numerous sensors that play a role, and like human joints, they can detect the condition first in the joints, which are the driving parts of the robot. Therefore, a normal state test bed and an abnormal state test bed using an aging reducer were constructed by simulating the joint, which is the driving part of the robot. Various sensors such as vibration, torque, encoder, and temperature were attached to accurately diagnose the robot's failure, and the test bed was built with an integrated system to collect and control data simultaneously in real-time. After configuring the user screen and building a database based on the collected data, the characteristic values of normal and abnormal data were analyzed, and machine learning was performed using the KNN (K-Nearest Neighbors) machine learning algorithm. This approach yielded an impressive 94% accuracy in failure diagnosis, underscoring the reliability of both the test bed and the data it produced.

• JSTS:Journal of Semiconductor Technology and Science
• /
• 제2권3호
• /
• pp.185-196
• /
• 2002

MRAM(magnetic random access memory) is a promising candidate for a universal memory with non-volatile, fast operation speed and low power consumption. The simplest architecture of MRAM cell is a combination of MTJ(magnetic tunnel junction) as a data storage part and MOS transistor as a data selection part. This article will review the general development status of MRAM and discuss the issues. The key issues of MRAM technology as a future memory candidate are resistance control and low current operation for small enough device size. Switching issues are controllable with a choice of appropriate shape and fine patterning process. The control of fabrication is rather important to realize an actual memory device for MRAM technology.

• 반도체디스플레이기술학회지
• /
• 제22권1호
• /
• pp.124-128
• /
• 2023

반도체 양산을 진행하며 얻어지는 여러 공정 데이터들로 사용 전압을 예측하여 에너지 효율적인 제품을 위한 목적으로 연구를 시작했다. 각각의 feature들 단독으로 전압을 예측하기 어려웠던 문제를 머신 러닝을 통해, 특히 Ensemble model을 이용함으로써 단일 모델보다 정확한 예측을 할 수 있었다. 더욱 중요한 시사점으로는 feature importance 분석을 통해 모델 예측에 영향이 큰 feature와 작은 feature에 대한 분석이다. 영향도가 높은 feature를 통해 비슷한 계열의 측정값을 늘리고, 낮은 feature 들의 문제점을 개선함으로써 차세대 제품에서 더욱 정확도 높은 모델을 위한 발판을 마련할 수 있었다.

• 한국인터넷방송통신학회논문지
• /
• 제24권4호
• /
• pp.57-64
• /
• 2024

스마트 팩토리의 도입은 제조업 분야에서 객관적이고 효율적인 라인 관리로의 전환을 가져왔다. 그러나 대부분의 회사가 매초 수집되는 수많은 센서 데이터를 효과적으로 사용하지 못하고 있다. 본 연구에서는 이러한 데이터를 활용해 제품 품질을 예측하고 효율적인 생산 공정의 관리를 목표로 한다. 보안 문제로 구체적인 센서 데이터 확인이 불가하여, "SAMSUNG SDS Brightics AI" 사이트의 반도체 공정 관련 학습용 데이터를 확보하여 연구를 진행한다. 머신러닝 모델에서 데이터의 전처리 과정은 성능을 결정짓는 중요한 요소이다. 따라서, 결측값 제거, 이상치 제거, 스케일링, 특성 제거의 전처리 과정을 통해 최적의 센서 데이터를 확보하였다. 또한, 학습 데이터셋이 불균형 데이터를 이루고 있어 오버샘플링 기법을 통해 동일한 비율을 맞추어 모델 평가 전 데이터를 준비하였다. 머신러닝에서 제공되는 다양한 모델 평가로 구한 SVM(rbf) 모델로 높은 성능(Accuracy : 97.07%, GM : 96.61%)을 확인했다. 또한, 동일한 데이터로 학습 시 "SAMSUNG SDS Brightics AI"에서 구현하였던 MLP 모델보다 더 높은 성능을 보인다. 본 연구는 센서 데이터를 활용한 양품/불량품 예측 외에도 부품 주기, 공정 조건 예측 등 다양한 주제에 적용 가능하다.

• 대한산업공학회지
• /
• 제41권6호
• /
• pp.579-587
• /
• 2015

Semiconductor manufacturing industry is a high density integration industry because it generates a vest number of data that takes about 300~400 processes that is supervised by numerous production parameters. It is asked of engineers to understand the correlation between different stages of the manufacturing process which is crucial in reducing production costs. With complex manufacturing processes, and defect processing time being the main cause. In the past, it was possible to grasp the corelation among manufacturing process stages through the engineer's domain knowledge. However, It is impossible to understand the corelation among manufacturing processes nowadays due to high density integration in current semiconductor manufacturing. in this paper we propose a canonical correlation analysis (CCA) using both wafer test voltage variables and fail bit counts variables. using the method we suggested, we can increase the semiconductor yield which is the result of the package test.

• Journal of Korean Vacuum Science & Technology
• /
• 제3권1호
• /
• pp.1-9
• /
• 1999

This paper presents a newly enhanced damage model in Monte Carlo (MC) simulation for the accurate prediction of 3-Dimensional (3D) as-implanted impurity and point defect profiles induced by ion implantation in (100) crystal silicon. An empirical electronic energy loss model for B, BF2, As, P and Si self implant over the wide energy range has been proposed for the ULSI device technology and development. Our model shows very good agreement with the SIMS data over the wide energy range. In the damage accumulation, we considered the self-annealing effects by introducing our proposed non-linear recomvination probability function of each point defect for the computational efficiency. For the damage profiles, we compared the published RBS/channeling data with our results of phosphorus implants. Our damage model shows very reasonable agreement with the experiments for phosphorus implants.

• 한국ITS학회 논문지
• /
• 제15권5호
• /
• pp.125-133
• /
• 2016

최근 하드웨어와 소프웨어의 발전으로 데이터의 처리 용량과 처리 속도도 급속하게 증가하고 있다. 이로 인한 데이터 사용량은 기하급수적으로 증가하고 있으며, 이미 컴퓨터가 처리해야하는 자료는 초당 5천 트랜잭션을 넘었다. 이처럼 빅데이터가 중요한 이유는 실시간 때문이며, 이는 어떠한 상황에서도 모든 데이터를 분석하여 정확한 데이터를 적시에 얻을 수 있기 때문이다. 또한, 빅데이터를 활용한 스마트 공장을 만들면 개발 및 생산비용, 품질관리 비용 감소효과가 있을 것으로 예상하고 많은 연구가 수행되고 있다. 본 논문에서는 많은 데이터들이 발생하는 반도체 공정에서 고속의 빅데이터 처리를 위한 인-메모리 데이터 그리드를 이용한 시스템을 구현하였으며, 실험을 통해 향상된 성능을 입증하였다. 구현한 시스템은 반도체 뿐 만 아니라 빅데이터를 사용하는 모든 부분에서 응용 가능 할 것으로 판단된다.