반도체 공정 제어 분야에서, 과거 장비 유지보수 이미지로부터 문제를 신속하고 정확하게 식별하는 것은 적절한 시정 조치를 위해 매우 중요하다. 그러나 이 영역에서 이미지 분류를 수행하기 위한 합성곱 신경망(Convolutional Neural Networks, CNNs)의 적용은 반도체 제조 공정의 고도로 전문화되고 복잡한 특성으로 인해 라벨이 부착된 데이터가 부족하다는 점에서 저해를 받는다. 본 논문은 최소 라벨링의 어려움을 완화하기 위해 신뢰도 기반 자동 라벨러(confidence-based auto-labeler)를 구현하는 새로운 접근법을 제안한다. 도메인 특화 지식과 최소 13장의 라벨링된 이미지만을 활용하여, 충분히 크고 신뢰할 수 있는 라벨 데이터셋을 성공적으로 생성하였다. 해당 데이터셋은 CNN 기반 모델을 학습하기 위한 토대로 활용되었으며, 반도체 공정 제어에서 의사결정 효율을 유의미하게 향상시킬 가능성을 입증한다. 우리의 방법론은 라벨링 병목을 해결할 뿐만 아니라, 반도체 제조 및 유지보수 관행의 견고성을 강화하기 위해 기계학습과 AI를 활용하는 선례를 제시한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.