DEVOCEAN

AI 반도체 산업에서는 결함 탐지와 품질 관리가 제품의 신뢰성과 성능을 보장하는 데 필수적입니다.

이번 발표에서는 딥러닝을 활용해 반도체 제조에서 결함을 효과적으로 탐지하고, 공정과 장비, 측정 품질을 관리하는 방법을 제안합니다.

기존 방법은 노동 집약적이고 시간 소모가 크며, 사람의 실수에 취약합니다.

자사 연구 결과, 딥러닝 적용은 기존 방법에 비해 자동화로 인한 시간 제약과 사람의 실수에서 자유로우며,

특정 딥러닝 모델은 더 높은 정확도와 낮은 오탐률을 달성하고, 미세한 결함과 복잡한 패턴도 감지할 수 있음을 보여줍니다.

이러한 발전은 HBM 산업에서 제조 효율성과 제품 품질을 크게 향상시킬 것으로 기대됩니다.

이번 발표를 통해 결함 탐지 및 품질 관리에서 딥러닝의 성공적인 적용을 입증하며, 반도체 제조에서 추가 자동화 및 지능화를 위한 기초를 제공할 예정입니다.

황인태SK하이닉스

안녕하세요!

SK하이닉스 HBM Yellow 팀에서 Chemical Vapor Deposition(CVD), Physical Vapor Deposition(PVD), Dry Etch, 그리고 Descum 공정을 담당하고 있는 황인태 TL 입니다.

현재 담당 공정의 품질 안정화와 생산성 고도화를 위한 업무를 진행하고 있고 딥러닝을 활용하여 해당 업무들의 완성도를 높이기 위한 연구를 진행하고 있습니다.

이번 발표에서는 저희 조직에서 진행한 여러 딥러닝 현업 적용 연구에 대한 결과를 공유 드립니다.

윤성현SK하이닉스

HBM 공정 생산에 필수적인 Metrology & Inspection 솔루션에 대한 개발과 AI 융합 기술 연구를 관리하고 있는 SK하이닉스 윤성현 TL 입니다.

AI를 전공하였고, 반도체 산업과 AI 반도체 생산에 적용 가능한 다양한 연구 성과를 확보하였습니다.

특히, 세계 최초로 HBM KGSD 특화 검사 솔루션을 개발한 경험이 있습니다.

현재 HBM 메모리의 품질 경쟁력을 확보하기 위해 가장 중요한 솔루션은 검사 기술의 진보와 AI 기술의 융합입니다.

이번 발표에서는 다방면의 연구 및 적용 사례를 살펴보겠습니다.

#HBM #Deep Learning #Metrology & Inspection Solution #Quality Management