基于深度神经网络的晶圆良率预测方法研究
晶圆良率的准确预测对晶圆加工过程的质量控制和优化决策具有重要意义.针对晶圆加工过程中质量监控数据的大数据特性,提出了一种基于深度置信网络的晶圆良率预测模型.首先设计具有多层隐藏层结构的网络模型,建立质量监控数据与晶圆良率数据之间的复杂关联关系,其次利用结合预训练与BP算法的深度学习算法训练神经元参数,实现对晶圆良率数据的准确预测.基于某晶圆制造企业的实际生产数据,对比了深度置信网络与卷积神经网络、自动编码器等方法对晶圆良率的预测准确率,结果表明深度置信网络获得了更高的晶圆良率预测准确率,证明了所提预测方法的有效性.
晶圆制造企业 生产车间 良率预测 深度神经网络
吕佑龙 倪申祥 张洁 秦威
上海交通大学机械与动力工程学院,上海200240
国内会议
广东佛山
中文
1-14
2016-09-26（万方平台首次上网日期，不代表论文的发表时间）