Oversampling을 활용한 제품의 불량률 예측

Abstract

반도체는 수많은 공정을 통해 제작된다. 각 공정의 말미에는 이상 여부를 파악하기 위한 센서가 설치되어 있고 공정 과정에서 품질 측정값이 기록된다. 모든 공정을 통과 후 만들어진 완성품은 다시 한번 불량률 검사를 거치게 된다. 하지만 모든 완성품에 대해 불량률 검사를 하는 것은 비용 측면에서 비효율적이다. 이때 만약 공정과정에서 얻게 된 센서 데이터를 통해 불량률을 예측할 수 있다면 최종 단계에서 불량률 검사를 하는 비용을 줄일 수 있을 것이다. 하지만 반도체 공정의 특성상 수집되는 데이터는 심한 불균형성을 보인다. 따라서 이러한 데이터로 학습된 모델은 좋은 예측력을 가지지 못한다. 이번 연구에서는 이러한 데이터의 불균형성을 해소하는 방안을 제시하고, 이를 통해 예측력이 좋은 모델을 구축하는 방안에 대해 논의한다.

Semi-conductors are manufactured through a number of process es. At the end of each process, sensors are installed to identify abnormalities and quality measurements are recorded during eac h process. The final products after all the processes are tested for defects rate. However, conducting a defect rate test on all p roducts are costly inefficient. If the defect rate could be predicte d using sensor data, the cost of the testing the defect rate wou ld be reduced. However, due to the nature of the semi-conducto r process, collected data would have serious imbalance data pro blem. Therefore, models learned from these data do not have go od performance. In this study, we propose a way to alleviate th e imbalance data problem and model structure that has good performance