데이터 마이닝 도구의 혼합적용 방법간 수율 예측 성능 비교 연구

• 영문명: A Comparative Study on the Yield Prediction Performance in the Hybrid Application Methods of Data Mining Tools
• 발행기관: 한국산업경영학회
• 저자명: 이장희(Jang Hee Lee)
• 간행물 정보: 『경영연구』 第23卷 第1號, 283~310쪽, 전체 28쪽
• 주제분류: 경제경영 > 경영학
• 파일형태: PDF
• 발행일자: 2008.02.28

국문 초록

  반도체 및 LCD(liquid-crystal display) 제조시스템에서의 수율(yield)은 많은 요인(factor)들이 비선형적으로 상호 작용하면서 영향을 주기 때문에 예측과 통제가 어렵다. 이러한 수율을 효과적으로 예측하고 관리하기 위해서는 복잡한 관계를 가지는 다수 요인을 효과적으로 분석할 수 있는 지능적인 분석도구의 활용이 필수적이다. 본 연구는 C4.5/5.0과 같은 Inductive learning, BPN(Back-Propagation Network), SOM(Self-Organizing Map), CBR(Case-Based Reasoning)과 같은 데이터 마이닝 도구들의 혼합적용(hybrid application)을 통해 반도체 수율같은 복잡한 특성치를 보다 정확히 예측할 수 있는 방법을 제시하였다. 본 연구에서는 기존에 제시된 혼합적용 방법인 BPN-〉CBR 혼합적용 방법을 수율 예측 상황으로 구체화하고 아울러 수율 예측에 활용 가능한 Inductive learning-〉SOM-〉Inductive learning의 새로운 혼합적용 방법을 제안하였다. 본 연구에서 제시한 혼합적용 방법을 국내 반도체 제조기업의 수율 및 공정변수 데이터에 적용하여 수율 예측 성능을 평가하였다. 성능 평가결과, CBR 및 Inductive learning의 개별 적용보다는 BPN-〉CBR 및 Inductive learning-〉SOM-〉Inductive learning의 혼합적용 방법의 수율 예측 정확도가 높았고 특별히 BPN-〉CBR 혼합적용 방법의 수율 예측 정확도가 가장 높았다. 본 연구는 반도체 및 LCD 제조공정 단계에서 사전에 수율을 예측하여 저수율(low-yield) 발생을 예방할 수 있는 효과적인 방법을 제시하였다는 점에서 의의가 있고 후속 연구로 실무 현장에서 요구하는 90% 이상의 예측 정확도를 가지는 방안을 제시하고자 한다.

영문 초록

  The complex system such as yield in the semiconductor/liquid-crystal display manufacturing company has many input factors with nonlinear relationships and consequently is hard to be predicted and controlled. Data mining tools such as C4.5/5.0, back-propagation neural network (BPN), case-based reasoning (CBR) and self-organizing map (SOM) can be used for analyzing large amount of data such as yield and process parameters data. This study considers the hybrid application methods of those mining tools for improving yield prediction accuracy and compares their performance in the prediction accuracy. In this study, we present two hybrid application methods, BPN-〉CBR hybrid application and inductive learning-〉 SOM-〉inductive learning hybrid application method. We compare the prediction performance of those hybrid application methods through their applications to real yield and process parameters data of a semiconductor company. The comparison result shows that the BPN-〉CBR hybrid application method predicts yield-level with relatively high accuracy.

목차

〈요약〉
Ⅰ. 서론
Ⅱ. 데이터 마이닝 도구의 혼합적용
Ⅲ. 수율 예측을 위한 데이터 마이닝 도구의 혼합 적용 방법
Ⅳ. 수율 예측 성능 실험
Ⅴ. 결론
참고문헌
〈Abstract〉

키워드

데이터 마이닝 도구 혼합적용 수율 예측 오차 Data Mining Tools Hybrid Application Yield Prediction Accuracy