생성적 적대 신경망을 이용한 반도체 제조공정 데이터의 결측치 추정 및 공정 이상 진단 프레임웍

초록

많은 현대 제조 공정에서 선진화된 센서를 활용한 공정 이상 유무 진단 프레임웍이 활용되고 있다. 이때, 일부장비의 설비 보존, 정비, 고장 등으로 인하여 측정되는 센서 데이터의 결측치가 존재하게 되는 이슈가 발생한다. 또한, 제조 공정의 고도화는 불합격 표본 데이터의 부족을 초래하여, 학습 데이터의 불균형을 초래하게 된다. 이러한 문제점을 개선하기 위하여 본 연구에서는 데이터의 분포에 기반 한 샘플링을 통하여 결측치를 추정하고, 이를 다시 생성적 적대 신경망을 이용하여 보정하는 프레임웍을 제안한다. 또한, 제안된 생성적 적대 신경망을통하여 불균형한 표본 데이터를 생성데이터로 보완하여 균형된 데이터의 학습이 이루어지게 한다. 이를 위하여실제 반도체 제조공정 데이터를 통해 제안된 프레임웍을 테스트하고, 기존 연구들과의 비교를 통하여 그 우수성을증명한다.

키워드