1 |
1
통계적 공정 관리 시스템에서의 가상 계측 결과의 신뢰도 추정 방법에 있어서,공정 설비의 공정 설비 데이터와 계측 설비의 계측 데이터를 이용하여 가상 계측 모델을 구축하는 단계;상기 가상 계측 모델 구축에 사용된 공정 설비 데이터를 정상적인 데이터로 가정하여 이상치 탐지(novelty detection) 모델을 구축하는 단계;새로운 웨이퍼가 상기 가상 계측 모델에 투입되면, 상기 웨이퍼의 공정 설비 데이터를 상기 이상치 탐지 모델에 투입하여 상기 가상 계측 모델 구축 시의 공정 설비 데이터들과의 유사도를 측정하는 단계;상기 웨이퍼의 공정 설비 데이터가 상기 가상 계측 모델 구축 시의 공정 설비 데이터들과 유사하면, 상기 웨이퍼에 대한 가상 계측 결과에 대한 신뢰도가 높은 것으로 추정하는 단계; 및상기 웨이퍼의 공정 설비 데이터가 상기 가상 계측 모델 구축 시의 공정 설비 데이터들과 유사하지 않으면, 상기 웨이퍼에 대한 가상 계측 결과에 대한 신뢰도가 낮은 것으로 추정하는 단계를 포함하는 가상 계측 결과의 신뢰도 추정 방법
|
2 |
2
제1항에 있어서,상기 웨이퍼에 대한 가상 계측 결과에 대한 신뢰도가 낮은 것으로 추정하는 경우, 상기 유사도가 낮게 추정된 원인이 되는 설비 변수를 탐지하는 단계; 및탐지된 설비 변수의 영향력을 추정하는 단계를 더 포함하는 것을 특징으로 하는 가상 계측 결과의 신뢰도 추정 방법
|
3 |
3
제2항에 있어서,상기 영향력 추정 결과를 공정 제어에 활용하는 단계를 더 포함하는 것을 특징으로 하는 가상 계측 결과의 신뢰도 추정 방법
|
4 |
4
제2항에 있어서,상기 설비 변수를 탐지하는 단계에서, 상기 이상치 탐지 모델의 이상치 탐지 알고리즘을 이용하여 상기 유사도가 낮게 추정된 원인이 되는 설비 변수를 탐지하는 것을 특징으로 하는 가상 계측 결과의 신뢰도 추정 방법
|
5 |
5
제1항에 있어서,상기 가상 계측 모델을 구축하는 단계에서,다중 선형 회귀 분석(Multiple linear regression)을 예측 알고리즘으로 사용하여 가상 계측 모델을 구축하는 것을 특징으로 하는 가상 계측 결과의 신뢰도 추정 방법
|
6 |
6
제1항에 있어서,상기 가상 계측 모델을 구축하는 단계에서,k-인접 이웃 회귀 분석(k-Nearest Neighbor Regression) 기법을 예측 알고리즘으로 사용하여 가상 계측 모델을 구축하는 것을 특징으로 하는 가상 계측 결과의 신뢰도 추정 방법
|
7 |
7
제1항에 있어서,상기 가상 계측 모델을 구축하는 단계에서,인공신경망(Artificial Neural Networks) 기법을 예측 알고리즘으로 사용하여 가상 계측 모델을 구축하는 것을 특징으로 하는 가상 계측 결과의 신뢰도 추정 방법
|
8 |
8
제1항에 있어서,상기 가상 계측 모델을 구축하는 단계에서,지지벡터회귀(Support Vector Regression) 기법을 예측 알고리즘으로 사용하여 가상 계측 모델을 구축하는 것을 특징으로 하는 가상 계측 결과의 신뢰도 추정 방법
|
9 |
9
제1항에 있어서,가우시안 분포 추정(Gaussian density estimator)을 이용하여 가상 계측 결과에 대한 신뢰도를 추정하는 것을 특징으로 하는 가상 계측 결과의 신뢰도 추정 방법
|
10 |
10
제1항에 있어서,K-평균 군집화(K-means clustering)를 이용하여 가상 계측 결과에 대한 신뢰도를 추정하는 것을 특징으로 하는 가상 계측 결과의 신뢰도 추정 방법
|
11 |
11
제1항에 있어서,MoG(Mixture of Gaussian) 기법을 이용하여 가상 계측 결과에 대한 신뢰도를 추정하는 것을 특징으로 하는 가상 계측 결과의 신뢰도 추정 방법
|
12 |
12
제1항에 있어서,k-NN(k-Nearest Neighbor) 기법을 이용하여 가상 계측 결과에 대한 신뢰도를 추정하는 것을 특징으로 하는 가상 계측 결과의 신뢰도 추정 방법
|
13 |
13
제1항에 있어서,SVDD(Support Vector Data Description)를 이용하여 가상 계측 결과에 대한 신뢰도를 추정하는 것을 특징으로 하는 가상 계측 결과의 신뢰도 추정 방법
|