Iterative Cluster Harvesting for Wafer Map Defect Patterns

要約

特定の欠陥パターンの外観は大きく異なるため、ウェーハマップ欠陥パターンの教師なしクラスタリングは困難です。
これには、ウェーハ上の欠陥領域の形状、位置、密度、回転の変更が含まれます。
ウェーハマップの困難な欠陥パターンでもうまくクラスタリングできるハーベスティングアプローチを紹介します。
私たちのアプローチでは、特徴抽出、次元削減、クラスタリングというよく知られた 3 段階の手順を利用します。
私たちのアプローチの新規性は、シルエット スコアに従って反復ごとに 1 つのクラスターをフィルタリングしながら、次元削減とクラスター化を反復的に繰り返すことにあります。
この方法は、一般にクラスタリングのパフォーマンスの向上につながり、特に困難な欠陥パターンに役立ちます。
計算量が少ないため、大規模なデータセットを迅速に評価でき、手動のラベル付け作業をサポートするために使用できます。
文献からの関連アプローチに対してベンチマークを行い、現実世界の産業データセットで改善された結果を示します。

要約(オリジナル)

Unsupervised clustering of wafer map defect patterns is challenging because the appearance of certain defect patterns varies significantly. This includes changing shape, location, density, and rotation of the defect area on the wafer. We present a harvesting approach, which can cluster even challenging defect patterns of wafer maps well. Our approach makes use of a well-known, three-step procedure: feature extraction, dimension reduction, and clustering. The novelty in our approach lies in repeating dimensionality reduction and clustering iteratively while filtering out one cluster per iteration according to its silhouette score. This method leads to an improvement of clustering performance in general and is especially useful for difficult defect patterns. The low computational effort allows for a quick assessment of large datasets and can be used to support manual labeling efforts. We benchmark against related approaches from the literature and show improved results on a real-world industrial dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google