반도체 장비 센서데이터와 딥러닝을 활용한 불량예측모델에 관한 연구 (A Study on the Failure Prediction Model Using Sensor Data in Semiconductor Equipment and Deep Learning)

서지정보

· 발행기관 : 한국IT정책경영학회
· 수록지 정보 : 한국IT정책경영학회 논문지 / 13권 / 2호 / 2375 ~ 2379페이지
· 저자명 : 하승재, 김도연, 구교연, 신용태

초록

본 연구는 반도체 제조 공정중 설비에서 발생하는 센서데이터를 딥러닝을 활용하여 제품 품질을 AI기반으로 예측하는 모델을 제안한다. 반도체 공장에서는 FDC((Fault Detection and Classification)라는 불량을 예측하는 시스템이 있지만, 수많은 알람 빈도와 복잡도가 높은 자동화 시스템으로 인해 공정 관리자가 센서기준을 설정 및 관리하는데 한계가 있다. 이를 해결하기 위해 설비 센서데이터를 딥러닝을 활용하여 센서 데이터를 학습시켜 센서기준정보를 자동으로 제공하는 것을 제안한다. 1개공정의 동일 설비의 동일 레시피에 대한 1년간의 설비 센서 데이터를 사용한 판정결과로는 Accuracy, Precision, Recall, F1-score를 제공하였고, 기존 FDC시스템보다 성능이 우수함을 확인하였다.

영어초록

This study proposes a model that predicts product quality based on AI by using deep learning from sensor data generated in facilities during the semiconductor manufacturing process. In semiconductor factories, there is a system for predicting defects called FDC (Fault Detection and Classification), but there is a limitation in setting and managing sensor standards for process managers due to the large number of alarm frequencies and high complexity automation systems. It is proposed to automatically provide sensor reference information by learning sensor data using deep learning of sensor data. The judgment result using the facility sensor data for one year for the same recipe of the same facility in one process is Accuracy, Precision, Recall, and F1-score were provided, and it was confirmed that the performance is superior to the existing FDC system.

참고자료

· 없음