지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2013.5
- 수록면
- 1,169 - 1,175 (7page)
이용수
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
반도체 산업에서 수율은 제품의 단가에 큰 영향을 미치는 중요한 이슈이다. 수율을 향상하기 위해선 다양한 노력이 필요한데 그 중 하나가 공정의 이상진단(Fault detection)이다. 공정이 완료될 때마다 가공 중에서 나온 설비변수의 데이터를 실시간으로 분석하여 공정의 이상을 발견하는 것은 조기에 제품의 품질을 보완할 수 있다는 점에서 중요하다. 그러나 공정 데이터는 실시간으로 수집되는 스트림 데이터(Stream data)이고 또한 이런 데이터가 수백 개의 설비에서 제품 가공 때마다 수집되므로 빅데이터(Big data)이기도 하다. 따라서 본 논문에서는 군집기반 k-nearest neighbor(kNN) 알고리즘을 제안하여 빠르고 정확한 공정이상 탐지와 데이터 저장의 효율화를 추구하고자 한다. 두 종류의 실험을 통해 제안한 알고리즘이 기존의 kNN보다 데이터 분포와 변수의 수에 상관없이 이상탐지 정확도가 높았음을 알았고 특히 데이터의 분포가 비정규분포일 때 상대적으로 성능이 더 뛰어났다.
목차
Abstract
1. 서론
2. 관련연구 및 동향
3. 제안모델
4. 실험 및 결과분석
5. 결론
참고문헌
참고문헌 (0)
참고문헌 신청이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2018-020-000841360