1. 수행배경

• COVID 19로 인한 반도체 제조기업이 영향을 받아 차량용 반도체 공급부족 이슈 발생 전세계적으로 확대

2. 수행기간

• 2021.03.16~ 2021.06.07

3. 개발작품 설명

• 반도체 웨이퍼 데이터 WM-811k wafer map 을 가지고 SVM, CNN, Random Forest 모델 개발
• SVM: 라돈변환을 사용해 가장 두드러진 영역 식별 노이즈 필터링 이용, region-labeling algorithm 사용, 정확도 82%
• CNN: 차원확장을 위해 2d convolutional auto-encoder 사용 , 데이터 불균형 문제 해결위한 데이터확대 (convolution auto-encoder 사용), encoder model, decoder model 제작 및 노이즈 추가해 데이터 불균형 문제 해소, 모델검증 위한 k-fold cross validation model 이용 (k=3, score = 97%), CNN 학습 결과 정확도 99%
• Random Forest : theano library, keras 사용, decision tree 노드 수에 따른 비교, 약 89% 의 정확도로 예측 , confusion matrix로 모델 확인

4. 활용방안

• 불량 유형 파악을 통한 수율 증가 
• 기존 불량품 분류 방식의 개선
• 불량의 원인이 되는 위치 추출 파악 용이 
• 다양한 분야 적용을 통한 실용성 확보