LCD 검사 공정에서 가상 계측을 위한 머신 러닝 기반 예측 모델

송세리; 박상철

doi:10.7315/CDE.2019.329

추천

검색

질문

자료유형: 학술저널

저자정보: 송세리 (에임 시스템) 박상철 (아주대학교)

저널정보: (사)한국CDE학회 한국CDE학회 논문집 한국CDE학회 논문집 제24권 제3호

발행연도: 2019.9

수록면: 329 - 338 (10page)

DOI: 10.7315/CDE.2019.329

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

This paper proposes a machine learning based prediction model construction methodology for the virtual metrology in LCD manufacturing processes. The proposed prediction model construction methodology consists of four major steps; 1) data preprocessing, 2) feature selection, 3) deep learning model design, and 4) model validation. To extraction effective predictor variables at the feature selection stage, this paper employs three techniques including relative weight method, random forest method, and genetic algorithm. The constructed prediction model has been applied to LCD manufacturing data, and shows reasonably acceptable prediction accuracy which is higher than 90%.

#Virtual Metrology #LCD #Machine Learning #Prediction Model

참고문헌 (16)

참고문헌 신청

Chang, Y.C. and Cheng, F.T., 2005, Application Development of Virtual Metrology in Semiconductor Industry, Proc. of the 31st Annual Conference of the IEEE Industrial Electronics Society, pp.124-129.

Chen, Y.T., Yang, H.C. and Cheng, F.T., 2006, Multivariate Simulation Assessment for Virtual Metrology, Proceedings of the 2006 IEEE International Conference on Robotics and Automation, pp.1048-1053.

Khan, A.A., Moyne, J.R. and Tilbury, D.M., 2008, Virtual Metrology and Feedback Control for Semiconductor Manufacturing Processes Using Recursive Partial Least Squares, Journal of Process Control, 18, pp.961-974.

Kim, B.K. and Yum, B.J., 2010, Development of Virtual Metrology Models in Semiconductor Manufacturing Using Genetic Algorithm and Kernel Partial Least Squares Regression, IE Interfaces, 23(3), pp.229-238.

Kang, P., Kim, D., Lee, H.J., Doh, S. and Cho, S., 2011, Virtual Metrology for Run-to-run Control in Semiconductor Manufacturing, Expert Systems with Applications, 38(3), pp.2508-2522.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

송세리

소속기관 아주대학교

주요연구분야 공학 > 기계공학 > 기계공학 일반

논문수 1 이용수 199

박상철

소속기관 한국자동차연구원

주요연구분야 공학 > 기계공학 > 기계공학 일반 TOP 5% 사회과학 > 경영학 TOP 10%

논문수 349 이용수 25,374

이 논문과 함께 이용한 논문

품질 특성치를 예측하기 위한 가상계측 모델

문병민 , 배석주 대한산업공학회 추계학술대회 논문집 2013 .11

자율주행 기술 동향 및 발전 방향: AI를 중심으로

김산민 , 김영석 , 전형석 외 2명 한국자동차공학회논문집 2022 .10

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2019-530-000948809

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (16)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)