在近年來半導體產業已經成為國內資本與技術相當密集的工業，其中以晶圓製造過程最為精密且複雜，往往包含了數百道製造程序，構成了相當高的生產成本，因此製造過程中良率的維持與提升便成了企業重要的議題。晶圓圖是提供追溯產品發生異常原因的重要線索，藉由晶圓圖的分析得以找出可能發生問題的機台或者是製程步驟，目前國內晶圓廠對於晶圓圖的圖像辨識大多是以人工目視的方式來進行，但由於晶圓圖分佈的情況雜亂，並且可能因為員工的身體狀況、經驗和主觀因素而不能達到快速、精準與客觀的要求，因此建立一個能偵測異常圖樣並做出合理的分類的系統，是一項十分重要的工作。因此，本研究提出一套結合二階段空間圖樣分析、小波轉換和類神經網路之方法發展出一套自動化晶圓圖故障辨識系統，針對中心群聚、邊緣失效故障、區域性故障、環狀故障4種主要故障之圖樣類型進行辨識，其目的為建構晶圓辨識之自動化系統，以提升半導體良率。本研究以實際晶圓廠之晶圓圖相關資料，以建立系統驗證所提出之方法進行分析，而實證分析結果顯示，系統可以成功的區分出隨機性故障圖樣，並且消除系統性故障圖樣上的雜訊，再以小波轉換後的小波係數建立類神經網路，辨識的測試樣本數量為17筆，共有16筆樣本辨識正確，辨識率達94.12%。

李偉傑，「半導體之工程資料與診斷系統」，碩士論文，國立清華大學工業工程與工程管理學系研究所，1996。
林寅智，「以工程資料為基礎之半導體故障分析系統」，碩士論文，國立清華大學工業工程與工程管理學系研究所，1998。
林景堂，「晶圓圖像辨識」，碩士論文，國立台灣大學資訊工程學系研究所，1998。
林鼎浩，「建構半導體製程資料挖礦架構及其實証研究」，碩士論文，國立清華大學工業工程與工程管理學系研究所，2000。
林穎駿，「應用小波轉換與類神經網路於電力品質事故之監測與辨識」，碩士論文，私立中原大學電機工程研究所，2002。
莊達人，VLSI製造技術，高立書局，1997。
陳建佑，「用小波特徵與類神經網路映射設計超光譜影像分割法」，碩士論文，國立台灣大學電機工程學研究所，2002。
葉怡成，應用類神經網路，儒林圖書，2002。
廖紹綱，「數位影像處理活動Matlab」，全華科技圖書，1999。
劉巧雯，「利用資料挖礦方法建立半導體晶圓圖之分群分類系統」，碩士論文，國立清華大學工業工程與工程管理學系研究所，2001。
劉淑範，「以工程資料為基礎之晶圓良率特徵值模式架構與診斷分析」，博士論文，國立清華大學工業工程與工程管理學系研究所，2004。
鄭美滿，「實驗性比壓器局部放電圖譜之辨識」，碩士論文，國立台灣科技大學電機工程系，2005。
繆紹綱，數位影像處理-運用MATLAB，東華書局，2005。
魏連均，「應用類神經網路建構晶圓圖故障圖樣辨識模式」，碩士論文，國立清華大學工業工程與工程管理學系研究所，2006。
Chen, F. L. and Lin, S. C., “LOGIC Product Yield Analysis by Wafer Bin Map Pattern Recognition Supervised Neural Network,” IEEE Transactions on Semiconductor Manufacturing, pp. 501-504, Oct. 2003.
Chien, C. F., Lin, T. H. and Liu, Q. W., “Developing A Data Mining Method for Wafer Binmap Clustering and An Empirical Study in A Semiconductor Manufacturing FAB,” Journal of the Chinese Institute of Industrial Engineers, Vol. 19, No. 2, 2002.
Cox, I. and Reynolds, A., “Manufacturing Digital’s Alpha AXP: Rapid Applications Development to Assure Critical Success Through Quality,” SAS Softwave Solutions for The Semiconductor Industry, pp. 32-37, 1996.
Cunningham, S. P., and MacKinnon, S., “Statistical methods for visual defect metrology,” IEEE Transactions on Semiconductor Manufacturing, Vol. 11, No. 1, pp. 48-53, 1998.
Diggle, P. J., “Some Graphical Methods in the Analysis of Spatial Point Patterns,” Interpreting Multivariate Data, pp. 55-73, 1981.
Friedman, D. J., Hansen, M. H., Nair, V. N. And James, D. A., “Model-Free Estimation of Defect Clustering in Integrated Circuit Fabrication,” IEEE Transactions on Semiconductor Manufacturing, Vol. 10, No.3, pp. 344-359, August 1997.
Kaempf, U., “The Binominal Test: A Simple Tools to Identify Process Problems,” IEEE Transactions on Semiconductor Manufacturing, Vol. 8, No. 2, pp. 160-166, 1995.
Liu, S. F., Chen, F. L. and Lu, W. B., “Wafer Bin Map Recognition Using a Neural Netwrok Approach,” Intrenational Journal of Production Research., Vol. 40, No. 10, pp. 2207-2223, 2002.
Mirza, A. I., O’ Donoghue, G., Drake, A. W. and Graves, S. C., “Spatial Yield Modeling for Semiconductor Wafers,” IEEE/SEMI Advanced Semiconductor Manufacturing Conference, pp. 276-281, 1995.
Nag, P. K., Maly, W and Jocobs, H. J., “Simulation of Yield/Cost Learning Curves with Y4,” IEEE Transactions on Semiconductor Manufacturing, Vol. 10, No. 2, pp. 256-266, 1997.
Stapper, C. H. “On Murphy’s Yield Integral,” I IEEE Transactions on Semiconductor Manufacturing, Vol. 4, No. 4, pp. 294-297, 1991.
S. G. Mallat, “Wavelet for a Vision,” Proceeding of IEEE on Image Analysis and Interpretation, Vol. 84, No. 4, pp. 604-614, 1996.
Taam, W. and Hamada, M., “Defecting Spatial Effects from Factorial Experiments: An Application from Integrated-circuit Manufacturing,” Technometrics, Vol. 35, No.2, 1993.
Yeh Zong-Xing, “Hyperspectral Data Identification Using Wavelet Decomposition and RCE Neural Network,” 2000.
Yim, C., W.N. Klarquist, and A. C. Bovik, “Multiresolution Feature Extraction Based on Multifrequency decomposition,” IEEE International Conference on System, Man, and Cybernetics, Vol. 3, pp. 2384-2389, 1994.