최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기산업공학 = IE Interfaces, v.25 no.2, 2012년, pp.170 - 177
조민영 (고려대학교 산업경영공학과) , 백준걸 (고려대학교 산업경영공학과)
Process control is essential to operate the semiconductor process efficiently. This paper consider fault classification of semiconductor based cyclic signal for process control. In general, process signal usually take the different pattern depending on some different cause of fault. If faults can be...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
반도체 산업의 중요성이 증대되는 이유는? | 컴퓨터를 비롯한 각종 디지털 정보기기들의 수요가 증가함에 따라 반도체 산업의 중요성은 증대되고 있다. 기계의 휴대성 증대 및 많은 데이터 처리를 위한 고집적(high integrated) 반도체 제품의 생산은 반도체 산업의 당면과제로 고집적 반도체 생산을 위해 초미세 공정의 안정적인 운영은 필수적이다. | |
컴퓨터 기술의 발전은 무엇을 가능하게 하였는가? | 컴퓨터 기술의 발전은 공정의 완료로 발생하는 결과물을 바탕으로 공정 상태를 진단하는 대신 공정과 동시에 발생하는 주기 신호를 바탕으로 공정 상태를 진단하는 것을 가능하게 하였다. 주기신호 데이터란 하나의 주기를 기준으로 특정패턴을 반복하는 공정 데이터이다. | |
통계 공정 제어 기법은 어떻게 구성되는가? | 공정을 관리하기 위한 방법으로는 공정에서 발생하는 자료를 통계적으로 관리하는 통계 공정 제어(Statistical Process Control, SPC) 기법이 대표적이다. 이는 생산된 제품의 관측치의 평균이 정규분포를 근사적으로 따른다는 가정 하에 구축되는 Shewart 관리도, 공정 자료의 자기상관성이 존재할 때 이용하는 CUSUM 관리도(CUmulative SUM) 및 EWMA(Exponentially Weighted Moving Average) 등으로 구성된다. 이러한 다양한 SPC 관리도들을 이용하여 공정의 모니터링을 통해 이상을 감지하여 제품의 품질을 향상시킨다(Montgomery, 1996; Chiang et al. |
Ahn, H. C. and Kim, K. J. (2009), Corporate Bond Rating Using Various Multiclass Support Vector Machines, Asia pacific journal of information systems, 19(2), 157-178.
Angiulli, F. and Pizzuti, C. (2005), Outlier mining in large high-dimensional data sets, IEEE Transactions on Knowledge and Data Engineering, 17(2), 203-215.
Breunig, M. M., Kriegel, H. P., Ng, R. T., and Sander, J. (2000) LOF : identifying density-based local outliers, in Proceedings of the ACM SIGMOD 2000 International Conference on Management of Data, 93-104.
Chiang, L. H., Russell, E. L., and Braatz, R. D. (2001), Fault detection and diagnosis in industrial systems, Springer-Verlag.
Goodlin, B. E., Boning, D. S., Sawin, H. H., and Wise, B. M. (2003), Simultaneous Fault Detection and Classification for Semiconductor Manufacturing Tools, Journal of Electrochemical Society, 150(12), 778-784.
Han, A. H., Park, C. S., Kim, S. S., and Baek J. G. (2010), A Method to Adjust Cyclic Signal Length Using Time Invariant Feature Point Extraction and Matching (TIFEM), Journal of the Korea Society for Simulation, 19(4), 111-1222.
Han, H. Y. (2009), Theory of pattern recognition, Hanbit media, 247-250.
Harmeling, S., Dornhege, G., Tax, D., Meinecke, F., and Muller, K.-R. (2006), From outliers to prototypes: ordering data, Neurocomputing, 69(13-15), 1608-1618.
Hsu, C.-W. and Lin, C.-J. (2002), A comparison of methods for multi-class support vector machines, IEEE Transactions on Neural Networks, 13, 415-425.
Kang, S. P. and Cho, S. J. (2008), Locally Linear Reconstruction for Novelty detection, IE/MS.
Kang, P. and Cho, S. (2009), A hybrid novelty score and its use in keystroke dynamics-based user authentication, Pattern Recognition, 42, 3115-3127.
Knorr, E. M., Ng, R. T., and Tucakov, V. (2000), Distance-based outliers: Algorithms and applications, The VLDB Journal, 8(3/4), 237-253.
Kymal, C. and Patiyasevi, P. (2006), Semiconductor Quality Initiatives : How to maintain quality in this fast-changing industry, Quality Digest, 26(4), 43-48.
Lee, J. H., Kim, J. H., Hwang, J. B., Kim, S. S. (2007), A Study on Fault Detection of Cycle-based Signals using Wavelet Transform, Journal of the Korea Society for Simulation, 16(4), 13-22.
Montgomery, D. C. (1996), Introduction to statistical quality control, 3th edition, Johan Wiley and Sons, Inc.
Park, J. H., Kwon, I. H., Kim, S. S., and Baek, J. G. (2011), Spline regression based feature extraction for semiconductor process fault detection using support vector machine, Expert Systems with Applications, 38(5), 5711-5718.
Park, S. H., Kim, J. S., Kim, S. S., Park, C. S., and Baek, J. G. (2010), A Fault Detection of Cyclic Signals Using Support Vector Machine-Regression, KSQM, 354-362.
Scholkopf, B., Platt, J. C., Shawe-Taylor, J., Smola, A. J., and Williamson, R. C. (2001), Estimating the support of a high-dimensional distribution, Neural Computation, 13(7), 1443-1471.
Sukchotrat, T., Kim, S. B., and Tstmg, F. (2010), One-Class Classification-based Control Charts for Multivariate Process Monitoring, lIE Transactions, 42, 107-120.
Tax, D. M. J. (2001), One-class classification: concept - learning in the absence of counter-examples, PhD thesis, Delf University of Technology, The Netherlands.
Wang, Q., Lopes, L. S., and Tax, D. M. (2004), Visual Object Recognition Through One-Class Learning, Lecture notes in computer science, 3211, 463-470.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.