Core Concepts
본 연구는 반도체 스마트 제조에서 수율 향상을 위해 도메인 지식 기반 기능 추출, 모델 독립적 핵심 기능 선택, 이상치 탐지 및 결함 분류를 통합한 설명 가능한 자동 기계 학습(xAutoML) 기술을 제안한다.
Abstract
본 연구는 반도체 스마트 제조에서 수율 향상을 위한 설명 가능한 자동 기계 학습(xAutoML) 기술을 제안한다.
대규모 도메인 지식 기반 기능 추출:
반도체 제조 공정의 다양한 하위 공정과 통계 정보를 활용하여 60,000개 이상의 유용한 특징을 추출
결측값, 개념 drift 등 복잡한 특성을 고려하여 핵심 정보 확보
모델 독립적 핵심 기능 선택:
다양한 선택 알고리즘을 통합하여 모델 의존성을 제거하고 핵심 기능 39개 선별
순차적 제거 기법을 통해 중복 기능 제거 및 최적 기능 조합 도출
이상치 탐지 및 결함 분류:
12개 클러스터링 알고리즘을 활용하여 이상치 수준 자동 평가
클래스 불균형 문제를 해결하기 위해 초점 손실 함수 기반 최적 결함 분류 모델 구축
종합적으로 xAutoML은 도메인 특화 대응 기능, 적응형 최적화 능력, 내장된 설명 가능성을 갖추어 반도체 수율 향상, 결함 진단 등에 효과적인 솔루션을 제공한다.
Stats
반도체 제조 공정에서 60,000개 이상의 특징이 추출되었다.
최종적으로 39개의 핵심 특징이 선별되었다.
전체 1,567개 샘플 중 104개가 불량 샘플이며, 불량률은 약 6.6%이다.
제안된 xAutoML 모델의 최종 분류 정확도는 92.89%이다.
Quotes
"반도체 제조 공정은 일반적으로 매우 복잡하고 수많은 단계와 변수를 정밀하게 제어해야 하므로 많은 복잡한 특성과 배치 문제를 야기한다."
"새로운 세대의 인간 중심 스마트 제조를 위해서는 모델 출력을 지원하고 입력에서 출력으로의 매핑을 설명할 수 있는 신뢰할 수 있는 AutoML 시스템이 필요하다."