Add to ORKG학위논문(석사) -- 서울대학교대학원 : 데이터사이언스대학원 데이터사이언스학과, 2022. 8. 김용대.반도체 제조는 수백 가지의 복잡한 과정을 거치며, 낮은 수율을 개선하는 것이 중요한 과제라고 할 수 있다. 또한 반도체 제조 공정에서 생산되는 제품의 수율은 제조 장비에 의해 큰 영향을 받기 때문에, 장비 조합을 통해 수율을 예측할 수 있다면 개선이 필요한 웨이퍼를 사전에 발견하여 수율을 개선하는 데 도움을 줄 것이다. 그리고 반도체 공정의 복잡한 특성을 고려하면 딥러닝과 같이 예측 성능이 좋은 모델을 사용하여 장비 조합을 찾을 수 있을 것이다. 하지만 딥러닝 모델을 그대로 사용한다면 모든 변수의 조합을 탐색해야 하는 계산적으로 매우 어려운 문제가 발생하며, 모델의 복잡성 때문에 탐지된 저수율 제품의 문제가 무엇인지 그리고 어떠한 방향으로 개선해야 하는지 분석할 때 큰 도움이 되지 않는다. 따라서 본 연구에서는 복잡한 예측 모델을 다차 교호작용을 포함하는 ANOVA 모델로 근사시켜 간단하게 해석할 수 있도록 하는 방법론인 metaANOVA를 적용하여 예측 모형을 해석하는 방안을 제시한다. 특히, wafer test 수율을 기준으로 고수율 군과 저수율 군을 분류하고 각 수율 군을 대표하는 장비 조합을 탐색하여, 각 수율 군에 포함되기 위해 가져야 할 특징을 파악하는 데 도움을 주고자 한다.Semiconductor manufacturing goes through hundreds of complex processes, and...