本研究では、ウェーハマップの欠陥パターンを効率的に分類するための反復クラスタリング手法を提案している。この手法は、特徴抽出、次元削減、クラスタリングの3ステップを繰り返し実行する。
各反復では、シルエット係数が最も高いクラスタを抽出し、残りのデータセットに対して次の反復を行う。これにより、データセット内の分散を徐々に捉えていくことができ、特に外観が大きく変化する欠陥パターンに対しても良好なクラスタリング性能を発揮する。
提案手法は、事前ラベル付けが不要で柔軟性が高く、大規模なデータセットに対しても高速な処理が可能である。実際の産業用データセットを用いた評価では、従来手法と比較して優れたクラスタリング性能を示した。特に、外観が大きく変化する欠陥パターンに対して有効であることが確認された。
翻譯成其他語言
從原文內容
arxiv.org
深入探究