WaferDefectClasscification

산업공학종합설계 프로젝트

• 프로젝트 선정 이유 : 2022 차량용 반도체 수급 문제와 이에 따른 반도체 수율 이슈 해결을 위한 불량 이슈 해결

• 데이터 전처리 - 데이터 구성 파악(시각화)
• 웨이퍼 맵 : 2Dim array 형태로 0,1,2로 구성
• Die-Size, Lot-name – Wafer 25EA 당, 1 Lot
• waferindex – Wafer 별 ID
• trainTestLabel – Train/Test 구분
• failureType – Defect 유형(Traget Data)

• 불량 유형의 시각화

• Auto-Encoder : Image Data를 더욱 선명하게 하기 위해서 만든 전처리 -> 데이터 품질 향상

• Edge case의 Net-Die가 가장 높았고, 데이터 불균형으로 인해 데이터 증강으로 이를 해소(Data 증감 기법)

• 2D CNN(Keras)을 활용한 분류 모델 개발

• BAD Class는 edge case 2가지를 의미
• 증강 갯수에 따른 예측 정확도 93% 달성

Back-End Dev

Skill

• Flask로 API를 생성 및 Ngrok 배포
• 개당 웨이퍼의 불량을 선별할 수 있는 AI 모델을 통해 검출