인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
학술저널
DBpia Top 10%
오류 신고하기해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
피인용 0
초록·키워드
Semiconductor manufacturing processes are a fundamental component of modern industry and technology. Anomalies in this process degrade product quality and reliability, necessitating swift responses. To address this, various studies have been conducted on anomaly detection and efficient management using artificial intelligence algorithms. However, there are limitations that fail to consider the characteristics of actual process data, such as irregular patterns, numerous missing values, and varying data lengths. In this study, we propose to overcome these limitations by using image data with scatter plots applied to actual process data, employing a siamese network-based anomaly classification model based on the similarity with normal segments. Additionally, we apply gradient-weighted class activation map (Grad-CAM) to the siamese network model for identifying the main causes of abnormal segments. The validity and applicability of the proposed method have been demonstrated using data obtained from actual semiconductor manufacturing processes. The proposed method shows superiority in all comparative models. Furthermore, it has been confirmed that the main cause of the abnormal segment aligns with the abnormal judgment criteria for a specific segment of the field engineer.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
