大数据驱动的晶圆工期预测参数过滤方法
晶圆的工期预测对于保证订单交付的准时性和平顺性,具有重要的意义.针对晶圆工期预测中候选参数多、数据体量大且作用机理复杂的特点,本文提出数据驱动的晶圆工期预测参数过滤方法.通过分析数据间的关联关系,筛选得到预测模型的输入变量,从而提升晶圆工期的预测精度.首先构建工期预测的数据模型,确定候选输入变量集.然后,基于互信息设计输入变量的入选测度与筛选算法.基于实际的晶圆工期数据,本方法从1202个候选变量中过滤得到78个关键变量,并采用神经网络模型进行工期预测.在大数据集下的数值实验表明,本方法在预测精度和稳定性上都优于采用全局变量的多元线性回归与神经网络方法.
晶圆 工期预测 参数过滤 大数据
汪俊亮 张洁
上海交通大学机械与动力工程学院 上海 200240
国内会议
第五届全国智能制造学术会议(NCIM2016)暨智能制造专业委员会2016年度工作会议
广州
中文
1-7
2016-12-08（万方平台首次上网日期，不代表论文的发表时间）