데이터 클래스 불균형을 고려한 전이학습 기반의 반도체 웨이퍼 빈 맵 결함 패턴 분류

초록

웨이퍼(wafer)는 반도체 산업의 핵심 부품 중 하나이며 웨이퍼 검사의 결과물인 웨이퍼 빈 맵(wafer bin map) 은 반도체 공정 수율과 직결되는 중요한 도구이다. 웨이퍼 빈 맵에 나타난 결함 패턴을 발견하여 결함의 원인을 파악하고 빠른 조치를 취하면 수율을 향상시킬 수 있다. 그러나, 반도체 공정에서 하루에 생산되는 웨이퍼의 수는 수백에서수천 장으로 숙련된 기술자가 육안으로 웨이퍼 빈 맵을 확인하고 결함 패턴을 파악하는 데에는 한계가 존재한다. 본연구에서는 공개 데이터인 WM-811k를 이용하여 정상 패턴을 제외한 8가지의 결함 패턴에 대하여 데이터 증강 없이전이학습을 기반으로 분류를 진행하였다. 이미지 분류에 사용되는 일반 모델과 더불어 7가지 경량화 모델을 이용한 실험을 진행함으로써 고성능 하드웨어 없이 모바일 기기나 엣지 디바이스를 이용하여 웨이퍼 빈 맵 결함 패턴을 구분하는데인공지능이 활용될 수 있음을 확인하였다. 또한, 정확도와 F1-score를 비교하여 데이터의 불균형 정도를 판별하고 모델별로 확인한 패턴 분류 정확도를 이용하여 향후 연구의 방향을 제시한다.

키워드