Observational and Experimental Insights into Machine Learning-Based Defect Classification in Wafers

要約

この調査報告書は、半導体製造におけるウェーハ欠陥を特定するために機械学習 (ML) 分類技術を利用した方法論の包括的なレビューを提供します。
ウェーハの欠陥特定における ML の有効性を実証する研究は増えているにもかかわらず、この主題に関する包括的なレビューが著しく欠如しています。
この調査は、入手可能な文献を統合し、ウェーハ欠陥検出の分野におけるさまざまな ML 分類アルゴリズムの利点、限界、および潜在的なアプリケーションの詳細な分析を提供することによって、この空白を埋めることを試みています。
私たちが提示する方法論の革新的な分類法は、アルゴリズムをより洗練されたカテゴリと技術に詳細に分類するものです。
この分類法は 3 層構造に従っており、広範な方法論のカテゴリから始まり、特定の技術で終わります。
これは、研究者がさまざまなアルゴリズムとその技術の間の複雑な関係を理解するのに役立ちます。
私たちは、厳密な観察と実験による評価を採用して、これらのさまざまな技術をランク付けします。
観察評価では、4 つの基準に基づいて技術を評価します。
実験による評価では、同じ手法、サブカテゴリ、およびカテゴリを使用してアルゴリズムがランク付けされます。
また、この論文は、ウェーハ欠陥識別のための ML 分類技術の将来の見通しを明らかにし、この分野における潜在的な進歩とさらなる研究の機会を強調しています。

要約(オリジナル)

This survey paper offers a comprehensive review of methodologies utilizing machine learning (ML) classification techniques for identifying wafer defects in semiconductor manufacturing. Despite the growing body of research demonstrating the effectiveness of ML in wafer defect identification, there is a noticeable absence of comprehensive reviews on this subject. This survey attempts to fill this void by amalgamating available literature and providing an in-depth analysis of the advantages, limitations, and potential applications of various ML classification algorithms in the realm of wafer defect detection. An innovative taxonomy of methodologies that we present provides a detailed classification of algorithms into more refined categories and techniques. This taxonomy follows a three-tier structure, starting from broad methodology categories and ending with specific techniques. It aids researchers in comprehending the complex relationships between different algorithms and their techniques. We employ a rigorous Observational and experimental evaluation to rank these varying techniques. For the Observational evaluation, we assess techniques based on a set of four criteria. The experimental evaluation ranks the algorithms employing the same techniques, sub-categories, and categories. Also the paper illuminates the future prospects of ML classification techniques for wafer defect identification, underscoring potential advancements and opportunities for further research in this field

arxiv情報

提供元, 利用サービス

arxiv.jp, Google