신경망을 이용한 반도체 테스트 핀 불량 검출 (Detection of Semiconductor Test Pins Defects using Neural Networks)

서지정보

· 발행기관 : 대한전자공학회
· 수록지 정보 : 전자공학회논문지 / 61권 / 2호 / 43 ~ 46페이지
· 저자명 : 김영주, 진천덕

초록

사람의 머리카락보다 얇은 반도체 테스트 핀으로 반도체 단자에 접촉하여 반도체의 전기적 선능 측정을 반복한다. 테스트 핀과 반도체 사이의 완전한 접촉을 위하여 핀에는 스프링이 있어서 스프링을 중심으로 양쪽의 구조가 눌렸다 펴지기를 반복한다. 만약 불량 테스트 핀이 발생하면 완전한 접촉이 되지 않아 반도체 성능 측정에 오류가 발생한다. 본 논문은 합성곱 신경망 (CNN) 기법 및 다층 퍼셉트론 신경망 (MLP)을 이용하여 양호한 핀과 불량한 핀을 학습하여 사람의 눈을 이용하지 않고 불량 핀을 검출한다. 따라서 수작업으로 불량 핀을 검출하지 않고, 제안하는 두 모델을 이용하여 기계가 자동으로 약 97%의 정확도로 불량 핀을 검출할 수 있다.

영어초록

Semiconductor test pins, which are thinner than human hair, repeatedly make contact with semiconductor terminals to measure the electrical performance of the semiconductors. To ensure complete contact between the test pins and the semiconductor, the pin is equipped with a spring, allowing the structure on both sides of the spring to be compressed and then released repeatedly. If a defective test pin occurs, it results in incomplete contact, leading to errors in measuring semiconductor performance. This paper utilizes Convolutional Neural Networks (CNN) and Multilayer Perceptron Neural Networks (MLP) techniques to train and detect good and defective pins, thereby detecting defective pins without the use of human vision. Therefore, instead of manually detecting defective pins, the proposed models enable machines to automatically detect defective pins with about 97% accuracy.

참고자료

· 없음