| 1 |
1
반도체 제조 공정에서 특징 선택 기법에 따른 멀티 분류기를 활용한 불량 패턴 예측 장치에 있어서,제조되는 반도체로부터 데이터 셋을 수집하는 데이터 수집부;상기 데이터 셋으로부터 복수 개의 특징들을 선택하는 복수 개의 특징 선택부들; 상기 특징들에 기반하여, 상기 반도체에 대한 불량 여부를 예측하는 복수 개의 분류기들; 및상기 분류기들로부터 출력되는 예측 결과들을 결합하여, 상기 반도체의 불량 여부를 판정하는 판정부를 포함하고, 상기 특징 선택부들은, 복수 개의 특징 선택 방법들을 각각 이용하여, 불량 패턴과 관련된 특징들을 각각 선택하고, 상기 분류기들은,상기 특징 선택부들에 각각 대응하여 생성되며, 상기 특징 선택 방법들을 기반으로, 상기 반도체에 대한 불량 여부를 각각 예측하고, 상기 특징 선택 방법들은,Correlation-based Feature Selection(CFS), Combination Features(CF), 및Symmetrical Uncertainty(SU) 또는 Information Gain(IG) 중 적어도 어느 하나를 포함하고,상기 특징들을 각각 선택하기 위해, 상기 특징 선택부들 중 어느 하나는 상기 CF를 이용하고, 상기 특징 선택부들 중 다른 하나는 상기 CFS를 이용하고, 상기 특징 선택부들 중 또 다른 하나는 상기 SU 또는 상기 IG 중 어느 하나를 이용하고, 상기 특징들은,상기 데이터 셋에 대하여, 불필요한 데이터를 제거하기 위한 데이터 클리닝이 수행된 후에, 상기 데이터 셋으로부터 선택되고, 상기 특징들 각각의 데이터 크기를 일반화하기 위해, 스케일링되고,상기 분류기들 중 어느 하나로부터 출력되는 예측 결과는,상기 반도체가 정량일 확률을 나타내는 m1(Pass) 및 상기 반도체가 불량일 확률을 나타내는 m1(Fail)을 포함하고, 상기 분류기들 중 다른 하나로부터 출력되는 예측 결과는,상기 반도체가 정량일 확률을 나타내는 m2(Pass) 및 상기 반도체가 불량일 확률을 나타내는 m2(Fail)을 포함하고, 상기 분류기들 중 또 다른 하나로부터 출력되는 예측 결과는,상기 반도체가 정량일 확률을 나타내는 m3(Pass) 및 상기 반도체가 불량일 확률을 나타내는 m3(Fail)을 포함하고, 상기 판정부는,하기 수학식과 같이 상기 분류기들로부터 출력되는 예측 결과들을 상기 반도체가 정량일 확률을 나타내는 m4(Pass)와 상기 반도체가 불량일 확률을 나타내는 m4(Fail)로 결합하고, 상기 m4(Pass)가 상기 m4(Fail) 보다 높으면, 상기 반도체가 정량인 것으로 판정하고, 상기 m4(Fail)가 상기 m4(Pass) 보다 높으면, 상기 반도체가 불량인 것으로 판정하는 장치
|
| 2 |
2
삭제
|
| 3 |
3
삭제
|
| 4 |
4
제 1 항에 있어서, 상기 판정부는,Dempster-shafer에 기반하여, 상기 분류기들로부터 출력되는 예측 결과들을 결합하는 장치
|
| 5 |
5
반도체 제조 공정에서 특징 선택 기법에 따른 멀티 분류기를 활용한 불량 패턴 예측 방법에 있어서,데이터 수집부가 제조되는 반도체로부터 데이터 셋을 수집하는 단계;복수 개의 특징 선택부들이 복수 개의 특징 선택 방법들을 각각 이용하여, 상기 데이터 셋으로부터 복수 개의 특징들을 각각 선택하는 단계;복수 개의 분류기들이 상기 특징들을 기반으로, 상기 반도체에 대한 불량 여부를 예측하는 단계; 및판정부가 상기 분류기들로부터 출력되는 예측 결과들을 결합하여, 상기 반도체의 불량 여부를 판정하는 단계를 포함하고,상기 분류기들은,상기 특징 선택부들에 각각 대응하여 생성되며, 상기 특징 선택 방법들을 기반으로, 상기 반도체에 대한 불량 여부를 각각 예측하고,상기 특징 선택 방법들은,Correlation-based Feature Selection(CFS), Combination Features(CF), 및 Symmetrical Uncertainty(SU) 또는 Information Gain(IG) 중 적어도 어느 하나를 포함하고,상기 특징들을 각각 선택하기 위해, 상기 특징 선택부들 중 어느 하나는 상기 CF를 이용하고, 상기 특징 선택부들 중 다른 하나는 상기 CFS를 이용하고, 상기 특징 선택부들 중 또 다른 하나는 상기 SU 또는 상기 IG 중 어느 하나를 이용하고,상기 특징들은,상기 데이터 셋에 대하여, 불필요한 데이터를 제거하기 위한 데이터 클리닝이 수행된 후에, 상기 데이터 셋으로부터 선택되고, 상기 특징들 각각의 데이터 크기를 일반화하기 위해, 스케일링되고,상기 분류기들 중 어느 하나로부터 출력되는 예측 결과는,상기 반도체가 정량일 확률을 나타내는 m1(Pass) 및 상기 반도체가 불량일 확률을 나타내는 m1(Fail)을 포함하고, 상기 분류기들 중 다른 하나로부터 출력되는 예측 결과는,상기 반도체가 정량일 확률을 나타내는 m2(Pass) 및 상기 반도체가 불량일 확률을 나타내는 m2(Fail)을 포함하고, 상기 분류기들 중 또 다른 하나로부터 출력되는 예측 결과는,상기 반도체가 정량일 확률을 나타내는 m3(Pass) 및 상기 반도체가 불량일 확률을 나타내는 m3(Fail)을 포함하고, 상기 반도체의 불량 여부를 판정하는 단계는,하기 수학식과 같이 상기 분류기들로부터 출력되는 예측 결과들을 상기 반도체가 정량일 확률을 나타내는 m4(Pass)와 상기 반도체가 불량일 확률을 나타내는 m4(Fail)로 결합하는 단계; 상기 m4(Pass)가 상기 m4(Fail) 보다 높으면, 상기 반도체가 정량인 것으로 판정하는 단계; 및상기 m4(Fail)가 상기 m4(Pass) 보다 높으면, 상기 반도체가 불량인 것으로 판정하는 단계를 포함하는 방법
|
