인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
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 5%
오류 신고하기해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
초록·키워드
In the semiconductor industry, as processes continue to miniaturize, monitoring material quality has become increasingly critical. Traditional methods, which largely rely on statistical analysis and expert-driven heuristics, are time-consuming and costly. This study introduces an approach using a multimodal structure combined with autoencoders to incerease the efficiency of the monitoring process, leading to reductions in both time and cost. The proposed method uses both time series and image data, which are transformed from raw semiconductor process material data through the Markov transition field technique. By integrating masking into the input data, processed separately by distinct autoencoders, the system effectively extracts and concatenates features. These are subsequently passed through a self-attention layer and reconstructed by each decoder to train the model. Experimental results demonstrate that the proposed multimodal approach significantly enhances anomaly detection capabilities, outpeforming traditional methods. The findings suggest substantial improvements in the efficiency and accuracy of quality monitoring in semiconductor manufacturing processes.
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
UCI(KEPA) : I410-151-25-02-092746587
