Grad-CAM 알고리즘을 통한 반도체 웨이퍼 불량 분석 및 원인 분석

• Technical Approach for Computing Trend Information & Convergence System Lab(TACTICS Lab)
• 홍용민, 이현정, 김유림, 손준영, 한상혁, 성시열, 김예린, *강성우

Project

• Grad-CAM 알고리즘을 통해 반도체 웨이퍼의 불량 패턴의 원인이 되는 주요 위치를 파악하여 주요 픽셀들만 남기고, 나머지 픽셀들을 제거하는 새로운 반도체 웨이퍼 빈 맵 디노이징 기법
• Grad-CAM : 설명 가능한 인공지능인 XAI 기법 중 하나로 AI의 이미지 분류 과정에서 가중치를 주어 근거가 되는 픽셀을 선정하고, 이를 히트맵으로 표현할 수 있게 해주는 알고리즘

Data

• Kaggle에서 제공하는 실제 제조 현장 46,393개의 lots에서 수집된 811,457개의 반도체 웨이퍼 맵 이미지 데이터셋(WM-811K) 활용 Link

Data Preprocessing

• Labeling이 없는 데이터 삭제
• Grad-CAM 알고리즘을 통해 주요 불량 위치를 파악할 의미가 없는 Failure Type 제거 -> Random, Near-full, None

Model Training

• VGGNet ResNet EfficientNet 모델을 통해 5 epoch로 훈련 수행
• 모델 학습 결과

Grad-CAM

• AI의 Image Classification을 수행하는 데에 있어 높은 가중치를 주어 분류한 픽셀들을 선정하는 과정
• 반도체 웨이퍼 맵 불량 패턴을 Classification하는 과정에서 근거가 되는 픽셀들을 확인
• 특정 불량이 빈번하게 나타나는 위치를 파악

Denoising

• Denoising : 이미지 데이터 내에 존재하는 Noise를 제거하는 작업으로, 이미지 기반 인공지능 학습에 있어 중요한 전처리 기법
• 이미지 내에 존재하는 불량 패턴을 강조할 수 있으며 이를 통해 새로운 불량 패턴 정의가 가능하고, 보다 높은 학습 효율
• 기존 Image Denoising

• 개선 Image Denoising

코드 정리 및 향후 업로드