• 목록

최근, 반도체 제품의 다양화와 웨이퍼 상에 집적되는 칩의 증가로 인해 반도체 공정이 복잡해짐에 따라, 기존의 단순 웨이퍼 불량 분류 시스템만으로는 동일한 클래스 내에서도 다양한 형태의 불량을 효과적으로 분석하거나, 그 원인이 되는 공정을 정확히 파악하는 데 한계가 존재한다. 본 연구에서는 동일한 클래스 내에서도 다양한 형태의 불량을 효과적으로 분석하기 위해 이미지 캡셔닝 기법을 도입하여, 웨이퍼 빈 맵(WBM) 불량 패턴을 분류하고, 불량 형상에 대한 캡션을 자동 생성하는 시스템을 제안한다, 모델은 CNN(Convolutional Neural Network) 인코더와 어텐션 모듈을 통해 특징 맵을 추출하고, 이를 LSTM(Long Short-term Memory) 모델에 전달하여 WBM 이미지별 캡션을 생성하도록 설계하였다. 본 연구에서 제안하는 모델은 단순히 WBM 불량 패턴 클래스의 분류에서 그치지 않고, 클래스 내에서도 세부적인 레이블 정보 없이 불량 패턴에 대한 세부적인 묘사를 포함하는 캡션을 생성할 수 있다.