文献

J-GLOBAL ID：202102222631118755   整理番号：21A0011440

CAEとXceptionを用いた不均衡ウエハ画像データのための欠陥検出モデル【JST・京大機械翻訳】

A Defect Detection Model for Imbalanced Wafer Image Data Using CAE and Xception

著者 (4件)： Cha Jaegyeong (Sungkyunkwan University,Department of Smart Factory Convergence,Suwon,Gyeonggi-do,Republic of Korea,16419) ,  Oh Seokju (Sungkyunkwan University,Department of Smart Factory Convergence,Suwon,Gyeonggi-do,Republic of Korea,16419) ,  Kim Donghyun (Sungkyunkwan University,Department of Smart Factory Convergence,Suwon,Gyeonggi-do,Republic of Korea,16419) ,  Jeong Jongpil (Sungkyunkwan University,Department of Smart Factory Convergence,Suwon,Gyeonggi-do,Republic of Korea,16419)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IDSTA  ページ： 28-33  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 現代社会における技術開発は,消費者が新しい需要を創造する原因となっている。そして,消費者の需要は製品品質の改善につながる。特に,モバイル時代に入ると,半導体技術の開発は電子製品にとって必須である。エレクトロニクスでは,半導体は様々な精密部品として使用され,製品の性能を制御する。したがって,半導体の収量の向上は半導体企業にとって最も面倒な仕事である。半導体製造産業では,半導体ウエハ欠陥が大きな損失を引き起こす主要な問題である。多くのプロセスを含む半導体製造において,ウエハ欠陥は様々な変化を引き起こし,大きな損失をもたらす。欠陥を正確に同定し,分類することは,半導体製造産業に大きな利益をもたらす。ウエハ欠陥検査は専門家により受動的に行われている。このような受動的および人的資源は,機械学習を通して防止できる。本論文では,ウエハ欠陥検出と分類を進めるために,X知覚を用いた深層学習ベースモデルを提案した。開始は合計36の畳み込み層を持ち,主に3つの流れから成る。さらに,データセットの不均衡問題を解決するために,データ増強を畳込み自動符号器を用いて実行した。提案方法を通して,データ不均衡の問題を解決する間,ウエハ欠陥の検出と分類を改善することができた。Copyright 2021 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 ,  半導体 ,  消費者 ,  人的資源 ,  欠陥検査 ,  *故障検出 ,  符号器 ,  電子技術 ,  半導体工業 ,  製品品質 ,  携帯電話 ,  機械学習
準シソーラス用語： 画像データ ,  半導体製造 ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： CAE ,  均衡 ,  ウエハ ,  欠陥検出 ,  モデル