半導(dǎo)體制造是最復(fù)雜和技術(shù)最先進的制造工藝之一,該過程通常由數(shù)百個步驟組成,其典型的制造步驟是用硅材料合成硅片,在新合成的硅片上制造集成電路,將集成電路放入封裝中,以便生產(chǎn)出可用的產(chǎn)品。在半導(dǎo)體生產(chǎn)過程中有效預(yù)測和檢測產(chǎn)品的故障和缺陷是十分必要的,這不僅可以防止突然的設(shè)備損壞,而且有助于提高生產(chǎn)率、降低成本和修理時間。近幾年來,所有的制造設(shè)備都配備了設(shè)備/生產(chǎn)傳感器。雖然生產(chǎn)實時監(jiān)測是可能的,但產(chǎn)生的數(shù)據(jù)量巨大,難以依靠人工來實現(xiàn)實時檢測生產(chǎn)故障。在這種情況下大數(shù)據(jù)和機器學(xué)習(xí)技術(shù)為實現(xiàn)故障和缺陷的自動實時智能檢測提供了可能。機器學(xué)習(xí)近年來在生產(chǎn)制造業(yè)中得到了廣泛的應(yīng)用,智能制造已逐漸成為研究熱點。本文介紹了智能制造和半導(dǎo)體生產(chǎn)故障檢測的背景,介紹了基于人工智能、機器學(xué)習(xí)、大數(shù)據(jù)技術(shù)的智能算法在智能制造領(lǐng)域應(yīng)用的國內(nèi)外研究現(xiàn)狀,以及本文的主要工作和論文組織結(jié)構(gòu)。對可用于半導(dǎo)體生產(chǎn)缺陷檢測的智能算法的相關(guān)概念和基礎(chǔ)進行簡介和分析。給出了基于貝葉斯網(wǎng)絡(luò)的半導(dǎo)體生產(chǎn)故障檢測方法。使用貝葉斯網(wǎng)絡(luò)作為故障預(yù)測模型,將生產(chǎn)過程中的各參數(shù)和故障預(yù)測情況作為貝葉斯網(wǎng)的結(jié)點,通過統(tǒng)計方法和生產(chǎn)過程中積累的訓(xùn)... 

【文章來源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【部分圖文】：

用于故障檢測的貝葉斯網(wǎng)模型結(jié)構(gòu)

得出??Ｐ（Ｙ［＋ｌ＼Ｘｘ，．．．，Ｘｎ�。悖悖伲校椋�，）Ｐ｛Ｙｔ＋ｘ?ｍｆｌＰｉＸ，＼ＹＪｒ＋ｌ）?（３Ｊ）??ｒｔ?／＝ｉ??其中公式（７）中的每個概率項是貝葉斯網(wǎng)絡(luò)中每個變量的條件概率分布。??此外，我們可以通過計算傳感器值與正常平均值的差異來指定哪個傳感器導(dǎo)??致了缺陷：??ａｒｇｍａｘ?｜?（３?８）??３．?６多步驟故障預(yù)測??假定半導(dǎo)體制造工藝包括ｍ個步驟，我們將每個步驟對應(yīng)的貝葉斯網(wǎng)絡(luò)進??行組合，并創(chuàng)建一個相對較大的貝葉斯網(wǎng)絡(luò)，如圖２所示。??

６?１００％?８５％?３６％?６１％?１００％??７?１００％?１００％?９３％?９７％?１００％??８?１００％?９２％?８６％?９７％?１００％??９?１００％?９２％?８６％?１００％?１００％???１０?１００％?９２％?１００％?８２％?７０％??＇?平均精度?９２．９％?９０．８％?８２．１％?９２．６％?９１．９％?一??在表３．２中，每一列列表示生產(chǎn)過程中的步驟■＝例如，“步驟１”列中的值??顯示的預(yù)測精度，是指給定步驟１中的狀態(tài)值，貝葉斯網(wǎng)絡(luò)預(yù)測的步驟２中發(fā)生??故障的準確度。每一行表示１０次交叉驗證的每個測試以及每個步驟的平均精度。??上述結(jié)果表明了本文模型的有效性。??３．?８進一步討論??為進一步簡化模型，提高計算效率，我們還設(shè)計了如下模型。??

【參考文獻】：
期刊論文
[1]基于遺傳算法的Bayesian網(wǎng)結(jié)構(gòu)增量學(xué)習(xí)的研究[J]. 王飛,劉大有,王淞昕.  計算機研究與發(fā)展. 2005(09)
[2]Bayesian網(wǎng)中概率參數(shù)學(xué)習(xí)方法[J]. 薛萬欣,劉大有,張弘.  電子學(xué)報. 2003(11)
[3]基于遺傳算法的Bayesian網(wǎng)結(jié)構(gòu)學(xué)習(xí)研究[J]. 劉大有,王飛,盧奕南,薛萬欣,王松昕.  計算機研究與發(fā)展. 2001(08)

碩士論文
[1]基于數(shù)字圖像處理的水晶晶片缺陷檢測[D]. 孫彥春.南京理工大學(xué) 2009



本文編號：3577239