http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
권상희,김병환,박병찬,우봉주 한국표면공학회 2009 한국표면공학회 학술발표회 초록집 Vol.2009 No.10
본 연구에서는 신경망과 웨이브릿을 결합하여 플라즈마 챔버의 누출을 감시하기 위한 시계열 모델을 개발하였다. 플라즈마 데이터는 광반사분광기 (Optical Emission Spectroscopy-OES)를 이용하여 측정하였으며, 이를 시계열 신경망을 이용하여 모델링하였다. 이산치 웨이브릿 (Discrete Wavelet Transformation)은 OES 센서정보의 전 처리를 위해 이용되었다. 개발된 웨이브릿 신경망 모델은 47개의 데이터 sets을 이용하여 평가하였으며, 누출상태를 효과적으로 탐지할 수 있었다.
조현주,원준연,정영규,우봉주,윤준호,황보창권,Cho, Hyun-Ju,Won, Jun-Yeon,Jeong, Young-Gyu,Woo, Bong-Ju,Yoon, Jun-Ho,Hwangbo, Chang-Kwon 한국광학회 2016 한국광학회지 Vol.27 No.4
The thickness of each layer in a multilayered system is determined by a Fourier-transform method using spectroscopic reflectance measurements. To verify this method, we first generate theoretical reflectance spectra for three layers, and these are fast-Fourier-transformed using our own Matlab program. Each peak of the Fourier-transformed delta function denotes the optical thickness of each layer, and these are transformed to physical thicknesses. The relative thickness error of the theoretical model is less than 1.0% while a layer's optical thickness is greater than 730 nm. A PI-(thin $SiO_2$)-PImultilayeredstructure produced by the bar-coating method was analyzed, and the thickness errors compared to SEM measurements. Even though this Fourier-transform method requires knowing the film order and the refractive index of each layer prior to analysis, it is a fast and nondestructive method for the analysis of multilayered structures. 분광광도계로 측정된 반사율 데이터를 활용하여 다층박막 각 층의 두께를 푸리에 변환 방법으로 결정하였다. 이를 위하여 이론적인 3층 다층박막 반사율 데이터를 생성하고 자체 작성한 Matlab 프로그램으로 델타함수의 피크 발생위치로부터 각 층의 두께를 결정하였으며, 박막의 광학적 두께가 730 nm 이상이 되는 경우 결정된 두께 오차는 1.0% 이하임을 알 수 있었다. 이 방법을 사용하여 바 코팅 방법으로 제작된 PI-(얇은 $SiO_2$)-PI 다층박막의 두께를 결정하고 그 결과를 SEM 측정결과와 비교하였다. 본 두께측정 방법은 각 층의 굴절률과 박막의 순서를 미리 인지하고 있어야 하는 단점이 있으나, 비파괴적인 방법으로 빠르게 다층 박막의 두께 분포를 결정할 수 있는 방법임을 확인하였다.
광반사분광기와 시계열 신경망 모델을 이용한 웨이퍼 간 플라즈마 챔버 누출 감시
김병환(Byungwhan Kim),권민지(Minji Kwon),김대현(Daehyun Kim),정재훈(Jaehoon Jung),우봉주(Bongju Woo) 대한전기학회 2010 정보 및 제어 심포지엄 논문집 Vol.2010 No.4
신경망과 CUSUM 제어차트를 이용하여 챔버 누출을 감시하는 기법을 보고한다. 챔버 누출 데이터는 광반사분광기를 이용하여 수집하였다. 학습된 모델의 예측성능은 0.48%로 매우 정확하였다. 모델의 감시 성능은 24개의 정상과 4개의 비정상 데이터로 평가하였다. 비정상 데이터에 대한 모델의 예측에러는 정상에 비해 확연히 구분될 정도로 큰 값이었으며, 또한 해당되는 CUSUM 고장 믿음치도 큰 값이어서 챔버 누출을 정확하게 탐지할 수 있었다.