講演抄録/キーワード |
講演名 |
2017-10-26 09:30
[招待講演]ビックデータの活用によるメモリ製造革新 ~ 半導体製造の歩留解析支援システム ~ ○赤堀浩史(東芝メモリ)・中田康太・折原良平・水岡良彰・高木健太郎(東芝)・門多健一・西村孝治・田中祐加子・江口英孝(東芝メモリ) SDM2017-55 エレソ技報アーカイブへのリンク:SDM2017-55 |
抄録 |
(和) |
半導体製造における歩留解析では,製品の品質検査結果と各工程の処理装置履歴から不良の原因装置を特定し,対策に繋げることで生産性を向上している.半導体の製造プロセスから得られるデータは大量かつ複雑であるため,人手による歩留解析では作業に時間がかかることが問題となっている.我々は機械学習・データマイニングの手法を用いて不良の発生状況の可視化と不良原因装置の推定を網羅的に行う歩留解析支援システム「歩留新聞」を開発した.歩留新聞はウェハ上の特徴的な不良傾向を自動で分類し,それぞれの原因装置候補を抽出する.新しい不良傾向と原因装置候補を技術者に提示することで,不良1件当たりの解析時間を平均6時間から2時間に短縮した. |
(英) |
In this work, we focus on yield analysis task where engineers identify the cause of failure from wafer failure map patterns and manufacturing histories. We organize yield analysis task into 3 stages, failure map pattern monitoring, failure cause identification and failure recurrence monitoring, and incorporate machine learning and data mining technologies into each stage to support engineers' work. The important point is that big data analysis enables comprehensive and long-term monitoring automation. Machine learning and data mining techniques are integrated into a real automated monitoring system with interfaces familiar to engineers to attain large yield enhancement. |
キーワード |
(和) |
ビッグデータ / 半導体 / 歩留解析 / 機械学習 / データマイニング / / / |
(英) |
Big-Data / Semiconductor / Yield Analysis / Machine Learning / Data Mining / / / |
文献情報 |
信学技報, vol. 117, no. 260, SDM2017-55, pp. 31-33, 2017年10月. |
資料番号 |
SDM2017-55 |
発行日 |
2017-10-18 (SDM) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
SDM2017-55 エレソ技報アーカイブへのリンク:SDM2017-55 |