효율적인 불량 탐지를 위한 특징 추출 방법

Abstract

반도체 제조 공정은 매우 정교한 과정으로 이루어져 있으며, 이 과정에서 불량이 발생하면 비용 등에 많은 영향을 준다. 반도체 제조 공정은 복잡하고 방대하며, 수집되는 데이터 역시 매우 많기 때문에 데이터를 분석하고 분류하는데 많은 자원이 필요하다. 본 논문에서는 불량 발생에 영향을 주는 변수를 찾는 기법인 progressive PCA(principal component analysis)를 도입한다. 더 나아가 PCA 모델을 세울 때의 오차를 줄이도록 SPE(squared prediction error)를 최소화하는 목적식을 세우고, 유전 알고리즘을 이용하여 학습시킨다. 즉 지도 학습과 비지도 학습을 결합하여, 분류 성능을 고려한 새로운 특징 추출 방법을 제안한다. 사례 연구로서 반도체 제조 공정에서의 불량 탐지 데이터를 사용하여 시뮬레이션을 수행하고 불량 발생에 영향을 준 변수를 찾아낸다. 제시한 기법을 통해 불량의 원인이 되는 변수를 효율적으로 찾고 데이터 분석에 도움을 줄 것으로 예상한다.