Prediction of the number of defects in image sensors by vm using equipment QC data

Toshiya Okazaki, Kosuke Okusa, Kyo Yoshida

    研究成果: 書籍/レポート タイプへの寄稿会議への寄与

    抄録

    This paper describes methods and evaluation results of predicting the number of defects in image sensors. We used regression tree and stepwise AIC for variable selection and generalized linear model for regression, instead of partial least squares (PLS) regression. The results showed improvement in prediction performance in comparison with the conventional method. By this, we could predict other countable values such as defects or dust particles.

    本文言語英語
    ホスト出版物のタイトル2018 International Symposium on Semiconductor Manufacturing, ISSM 2018 - Proceedings
    出版社Institute of Electrical and Electronics Engineers Inc.
    ISBN(電子版)9781538662687
    DOI
    出版ステータス出版済み - 2月 22 2019
    イベント2018 International Symposium on Semiconductor Manufacturing, ISSM 2018 - Tokyo, 日本
    継続期間: 12月 10 201812月 11 2018

    出版物シリーズ

    名前IEEE International Symposium on Semiconductor Manufacturing Conference Proceedings
    2018-December
    ISSN(印刷版)1523-553X

    会議

    会議2018 International Symposium on Semiconductor Manufacturing, ISSM 2018
    国/地域日本
    CityTokyo
    Period12/10/1812/11/18

    !!!All Science Journal Classification (ASJC) codes

    • 電子材料、光学材料、および磁性材料
    • 工学(全般)
    • 産業および生産工学
    • 電子工学および電気工学

    フィンガープリント

    「Prediction of the number of defects in image sensors by vm using equipment QC data」の研究トピックを掘り下げます。これらがまとまってユニークなフィンガープリントを構成します。

    引用スタイル