최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기品質經營學會誌 = Journal of Korean society for quality management, v.47 no.4, 2019년, pp.725 - 737
고관주 (경기대학교 일반대학원 산업경영공학과) , 김나연 (경기대학교 일반대학원 산업경영공학과) , 김용수 (경기대학교 산업경영공학과)
Purpose: We used a data analysis method to improve semiconductor manufacturing yield. We defined and optimized important factors and applied our findings to a real-world process. The semiconductor industry is very cost-competitive; our findings are useful. Methods: We collected data on 15 independen...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
본문에서 변동요인을 고려하여 공정을 최적화를 위해 무엇을 하였는가? | 본 연구에서는 다양한 변동요인을 고려하여 공정을 최적화하기 위해 다음과 같이 진행하고자 한다. 첫째, 데이터마이닝 기법을 통해 라인 내에서 발생되는 여러 파라미터(parameter) 중 수율에 영향을 미치는 주요 인자를 도출하였다. 둘째, 도출된 인자를 대상으로 반응표면분석법을 적용하여 최적수준을 도출하고, 끝으로 이를 생산 공정에 적용하고자 하였다. | |
반도체 제조업에서 다양한 생산관련 지표 중 주로 활용되는 지표는 무엇인가? | 반도체 제조업에서 다양한 생산관련 지표 중, 생산주기(cycle time), 가동율(availability), 수율(yield)등이 주로 활용된다. 그 중 수율은 생산품 중 양품의 비율을 의미하는 것으로서, 반도체 제조업에서 회사 수익과 밀접한 관련이있는 중요한 요소이다. | |
반도체 생산의 수율 요인을 파악하기 힘든 이유는 무엇인가? | 이러한 수율을 향상시키거나 현재의 수율을 유지하기 위해서 반도체 제조업에서는 다양한 공정특성을 분석하고 모형화하고 있다. 그러나 반도체 생산의 경우 매우 많은 공정변수 및 장비변수에 영향을 받아, 수율의 요인을 파악하기 매우 어렵다. 따라서, 단순한 통계적 분석이나 경험적 기술로는 수율을 향상하는데 한계를 지니고 있으며, 다양한 변동 요인을 도출하여 공정 최적화를 이루어 내야 한다. |
Baek, D. H., and Han, C. H. 2003. "Application of Data mining for improving and predicting yield in wafer fabrication system." Journal of Korea Intelligent Information Systems Society 9(1):157-177.
Hsu, S-C., and Chien, C-F. 2007. "Hybrid data mining approach for pattern extraction from wafer bin map to improve yield in semiconductor manufacturing." International Journal of Production Economics 107(1):88-103.
Jung, H. C., Kang, C. W., Kang, H. W. 2009. "Dynamic Yield Improvement Model Using Neural Networks." Journal of the Society of Korea Industrial and Systems Engineering 32(2):132-139.
Jung, H. J., and Koo, B. C. 2007. "Optimization of Robust Design Model using Data Mining." Journal of the Society of Korea Industrial and Systems Engineering 30(2):99-105.
Lee, H. W., Nam, H. S. 2006. "A Quality Data Mining System in TFT-LCD Industry." Journal of the Korean Society for Quality Management 34(1):13-19.
Lee, W. S. 2004. "Multi-response Optimization by a Response Surface Approach for a Taguchi-Type Multi-charateristic Experiments." Journal of Applied Reliability 4(1):39-64.
Nam, Y. S., Jeong, Y. I., and Kim, H. S. 2017. "The Study of Shot Peening Process Optimization for Reliability Improvement of an Aircraft Structural Part." Journal of Applied Reliability 17(4):325-331.
Nkonyana, T., Sun, Y., Twala, B., and Dogo, E. 2019 "Performance Evaluation of Data Mining Techniques in Steel Manufacturing Industry." Procedia Manufacturing 35:623-628.
Park, C. H., Baek, J. J., Yun, S-P., Koh, K. J., and Kim, Y. S. 2018. "Optimization of Air Pollutant Emissions in the Cement Firing Process Using a Response Surface Method." Journal of Applied Reliability 18(4):356-369.
Yoon, D. H., Kim, S. M., and Kim, D. H. 2019. "Clustering of Time Series Data using Deep Learning." Journal of Applied Reliability 19(2):167-178.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.