• 반도체디스플레이기술학회지
• /
• 제19권4호
• /
• pp.121-125
• /
• 2020

With miniaturization of semiconductor, the manufacturing process become more complex, and undetected small changes in the state of the equipment have unexpectedly changed the process results. Fault detection classification (FDC) system that conducts more active data analysis is feasible to achieve more precise manufacturing process control with advanced machine learning method. However, applying machine learning, especially in supervised learning criteria, requires an arduous data labeling process for the construction of machine learning data. In this paper, we propose a semi-supervised learning to minimize the data labeling work for the data preprocessing. We employed equipment status variable identification (SVID) data and optical emission spectroscopy data (OES) in silicon etch with SF6/O2/Ar gas mixture, and the result shows as high as 95.2% of labeling accuracy with the suggested semi-supervised learning algorithm.

• 한국진공학회지
• /
• 제20권6호
• /
• pp.422-429
• /
• 2011

식각공정에 주로 사용되는 $Cl_2$/Ar, $CF_4$, $CF_4/O_2$, $CF_4/H_2$, $C_2F_6$, $C_4F_8$, 그리고 $SF_6$ 가스 방전에서 이온, 중성종 및 활성종 밀도의 전자밀도와 온도에 대한 의존성을 수치해석적으로 분석하였다. 이온, 중성종 및 활성종 밀도에 대한 공간평균 유체방정식을 정상상태로 가정하여 상대적으로 측정이 용이한 전자밀도와 온도에 대한 식으로 표현하였고, 이 식을 수치해석적인 방법으로 풀었다. 계산에 사용된 반응계수들은 여러 문헌에서 수집되거나 산란단면적으로부터 계산되었고, 같은 반응에 대해 다른 값을 보일 경우, 계산 결과를 실험 결과와 비교하여 높은 일치도를 보이는 값이 선택되었다.