최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기산업공학 = IE Interfaces, v.22 no.3, 2009년, pp.252 - 262
안대웅 ((주)하이닉스반도체) , 고효헌 (고려대학교정보경영공학부) , 김지현 (광운대학교경영대학) , 백준걸 (고려대학교정보경영공학부) , 김성식 (고려대학교정보경영공학부)
It is crucial to prevent low yields in the semiconductor industry. Since many factors affect variation in yield and they are deeply related, preventing low yield is difficult. There have been substantial researches in the field of yield prediction. Many researchers had used the statistical methods. ...
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
반도체 산업의 경쟁력 유지를 위해 무엇을 수행하는가? | 반도체 산업의 경쟁력을 유지하기 위해 생산주기, 재작업율, 공정변동, 공정재고, 수율 등 공정 및 품질 성능지표들의 관리를 수행하고 있다. 특히 반도체 산업의 성능 지표들 중 투입 수에 대한 양품 비율을 의미하는 수율이 기업 경쟁력의 핵심 평가지표로 사용되고 있다. | |
반도체 기업에서 어떤 지표가 기업 경쟁력의 핵심 평가지표로 사용되는가? | 반도체 산업의 경쟁력을 유지하기 위해 생산주기, 재작업율, 공정변동, 공정재고, 수율 등 공정 및 품질 성능지표들의 관리를 수행하고 있다. 특히 반도체 산업의 성능 지표들 중 투입 수에 대한 양품 비율을 의미하는 수율이 기업 경쟁력의 핵심 평가지표로 사용되고 있다. 신제품의 경우 신속한 양산 목표수율의 확보는 시장 선점과 원가 절감을 통한 가격 경쟁력 확보에 필수적인 성공요건이다. | |
반도체 산업에서 정확한 수율관리가 필수인 이유는? | 특히 반도체 산업의 성능 지표들 중 투입 수에 대한 양품 비율을 의미하는 수율이 기업 경쟁력의 핵심 평가지표로 사용되고 있다. 신제품의 경우 신속한 양산 목표수율의 확보는 시장 선점과 원가 절감을 통한 가격 경쟁력 확보에 필수적인 성공요건이다. 따라서 반도체 산업에서 경쟁력 창출을 넘어 기업의 생존을 위해서라도 정확한 수율관리는 필수적이다(Kim et al. |
Baek, D. H., Nam, J. G. (2002), Improved Semiconductor Yield System using Datamining, Spring Seminnual Conference of Korean Operations Research And Management Society, 298-305
Ciciani, B. and Jazeolla,G. (1991),AMarkovChain-BasedYield Formula forVLSI Fault-Tolerant Chips, IEEETransactionsonComputer-AidedDesign, 10(2), 252-259
Crosier, R. B. (1988), Multivariate Generalizations of Cumulative Sum Qualitycontrol Schemes,Technometrics, 30, 539-549
Hearst, M. A., Dumais, S. T., Osman, E., Platt, J., and Scholkopf, B. (1998), Support vector machines, IEEE Intelligent System, 13(4), 18-28
Joachims, T. (1998), Text catergorization with support vectormachines,Proceedings of theEuropeanConferenceonMachineLearning, 10th European Conference onMachine Learning, 137-142
Kang, B. S., Lee, J.H., Shin, C.K., Yu, S. J., and Park, S. C. (1998),Hybridmachine learning system for integrated yield management in semiconductor manufacturing, Expert SystemswithApplications, 15, 123-132
Kim, T. S., Bae, G. J. (1995), Research of TEST Trend forHigh densitymemory product,The Instituteof Electronics Engineers ofKorea
KinamKimet al. (1998), DRAMTechnology Perspective for Gigabit Era, IEEE Trans. ElectronDevices, 45(3), 598-608
Meyer,D., Leisch, F., andHornik, K. (2003), The support vectormachine under test,Neurocomputing, 55, 169-186
Odom, M. and Sharda, R. (1990), A neural network model for bankruptcy prediction, Proceedings of the International Joint Conference on Neural networks, II-163-II-168
Osuna, E., Freund, R., andGirosi, F. (1997), Training support vectormachines : an application to face detection, Proceedings of Computer Vision and Pattern Recognition, 130-136
Pieter Pete B. (2000), 2000 begins with a revised industry roadmap, Solid State Technology, 31-44
Tam, K. and Kiang, M. (1992), Managerial applications of neural networks, Management Science, 38(7), 926-947
Uzsoy, R., Lee, C., and Martin-Vega, L. A. (1992), A Review of Production Planning and Scheduling models in the semiconductor industry PART I:Systemcharacteristics, Performance Evaluation and Production Planning, IIE Transactions, 24(4), 47-60
Vapnik, V. (1995), TheNature of Statical Learning Theory,Springer,New York
Weiss, S. and Kulikowski, C. (1991), Computer Systems That Learn, Morgan Kaufmann Publishers, Inc
※ AI-Helper는 부적절한 답변을 할 수 있습니다.