선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- [1] 이러한 COF 기술은 ACF(Anisotropic Conductive Film) 이방성 도전필름을 이용한 접합방식에 대하여 지속적으로 연구가 이루어지고 있다.[4] 본 논문에서는 이러한 ACF를 이용한 Flip-Chip 공정에서 제품에 영향을 미치는 공정 조건을 알아본 후 이러한 공정 조건에서 전기적 특성인 FPCB의 저항을 최적화하기 위한 방법에 대한 연구를 수행하고자 한다. 특히, 이러한 Flip-Chip 공정에서 FPCB의 저항을 최적화함과 동시에 추후 다른 Flip-Chip 공정 조건에서의 FPCB의 저항의 결과를 예측하고자 한다.
- 본 논문에서는 ACF를 이용한 Flip-Chip 본딩 공정에서의 공정 조건을 고려하여 이를 최적화한 후 이를 실시간 공정 모니터링 시스템에 적용하여 예측을 수행하기 위한 모듈을 적용하고 개발하였다. 이러한 공정 예측을 위하여 데이터웨어하우스를 기반으로 한 역전파 알고리즘을 이용하여 Flexible PCB의 저항 값을 예측하기 학습을 수행하였으며, 이를 이용하여 추후 실시간적으로 원하는 데이터를 기반으로 예측이 가능한 모듈을 개발하고 이를 시스템 내에 구축하였다.
- 본 논문에서는 이러한 기반 기술적 환경 변화에 대응하기 위하여 ACF를 이용한 Flip-Chip 본딩 공정에서의 공정조건 최적화를 유연하게 할 수 있으며, 결과 예측이 가능한 신경망 알고리즘을 이용하였으며, 실험 데이터를 기준으로 학습을 수행하였으며 이에 대한 연구를 수행하였다.
- 특히, 신경 회로망내의 연결가중치 조절방법은 신경회로망의 학습방법을 결정한다고 볼 수 있으며, 그 예로는 Hebbian Learning Rule, Delta Rule, Generalized Delta Rule 및 Kohonen Learning Rule 등이 있다. 본 논문에서는 일반적으로 사용되는 역전파 알고리즘을 기반으로 공정 예측을 위한 학습을 수행하였다. 신경망은 주로 에러율(error rate)에 대한 예측(forecasting)에 주로 사용된다.
- 본 학습의 목표로는 전기적특성인 Flexible PCB의 저항 값 6군데를 동시에 최소로 만족하기 위한 학습이 수행되었다.
- 특히, 이러한 Flip-Chip 공정에서 FPCB의 저항을 최적화함과 동시에 추후 다른 Flip-Chip 공정 조건에서의 FPCB의 저항의 결과를 예측하고자 한다. 이를 위한 방법으로 신경망 알고리즘을 이용한 패턴학습을 수행하고 이러한 결과를 공정 분석 시스템에 연동하고자 하였다.
- [4] 본 논문에서는 이러한 ACF를 이용한 Flip-Chip 공정에서 제품에 영향을 미치는 공정 조건을 알아본 후 이러한 공정 조건에서 전기적 특성인 FPCB의 저항을 최적화하기 위한 방법에 대한 연구를 수행하고자 한다. 특히, 이러한 Flip-Chip 공정에서 FPCB의 저항을 최적화함과 동시에 추후 다른 Flip-Chip 공정 조건에서의 FPCB의 저항의 결과를 예측하고자 한다. 이를 위한 방법으로 신경망 알고리즘을 이용한 패턴학습을 수행하고 이러한 결과를 공정 분석 시스템에 연동하고자 하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.