文献

J-GLOBAL ID：202002262035655913   整理番号：20A2551381

混合型欠陥パターンによるウエハビンマップ分類のための半教師付きマルチラベル学習【JST・京大機械翻訳】

Semi-Supervised Multi-Label Learning for Classification of Wafer Bin Maps With Mixed-Type Defect Patterns

著者 (2件)： Lee Hyuck (Department of Industrial and Systems Engineering, Korea Advanced Institute of Science and Technology, Daejeon, South Korea) ,  Kim Heeyoung (Department of Industrial and Systems Engineering, Korea Advanced Institute of Science and Technology, Daejeon, South Korea)
資料名： IEEE Transactions on Semiconductor Manufacturing  (IEEE Transactions on Semiconductor Manufacturing)
巻： 33  号： 4  ページ： 653-662  発行年： 2020年 
JST資料番号： T0521A  ISSN： 0894-6507  CODEN： ITSMED  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ウエハ作製後,ウエハ上の個々のチップを多重電気試験を用いて欠陥に対してチェックした。試験結果は,ウエハビンマップ(WBM)と呼ばれる空間マップを形成するすべての個々のチップのバイナリ値によって表現できる。WBMsにおける異なる欠陥パターンは,プロセス故障の異なる原因に関係する。したがって,プロセス故障の根原因を同定し,問題を修正するために,それらの欠陥パターンに従ってWBMsを分類することが重要である。最近,ウエハサイズの増加とともに,半導体製造プロセスはより複雑になり,WBMsにおける混合型欠陥パターンを有する確率が増加した。混合型欠陥パターンの分類に関する以前の研究は,ラベル付きWBMデータが主に使用されているが,非標識データの多くは,実際に利用できることが多い。より良い分類性能を達成するために,ラベル付きおよびラベルなしデータの両方を利用するために,本研究は,半教師つき深層畳込み生成モデルの使用を提案した。特に,マルチラベル分類の問題として混合型欠陥パターンを分類する問題を定式化し,異なる単一パターンに対して,複数の潜在クラス変数を採用した。生成モデルの固有の利点として,提案モデルを用いて新しいWBMデータを生成した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  *学習 ,  故障 ,  多重化 ,  電気試験 ,  深層 ,  定式化 ,  半導体プロセス
準シソーラス用語： 生成モデル ,  バイナリー ,  マルチラベル分類 , 【Automatic Indexing@JST】

分類 (1件)： 固体デバイス計測・試験・信頼性  (NC03040G)

タイトルに関連する用語 (6件)： 欠陥 ,  分類 ,  教師 ,  マルチ ,  ラベル ,  学習