論文の概要: Soft Sensing Regression Model: from Sensor to Wafer Metrology Forecasting

• arxiv url: http://arxiv.org/abs/2301.08974v1
• Date: Sat, 21 Jan 2023 16:54:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-24 15:31:28.174500
• Title: Soft Sensing Regression Model: from Sensor to Wafer Metrology Forecasting
• Title（参考訳）: ソフトセンシング回帰モデル:センサからウェーハ計測予測へ
• Authors: Angzhi Fan, Yu Huang, Fei Xu and Sthitie Bom
• Abstract要約: 本研究は,入射検査測定の予測にセンサデータを用いるソフトセンシング回帰の課題に焦点を当てた。 我々はLSTMベースの回帰器を提案し、モデルトレーニングのための2つの損失関数を設計した。 実験により, 複雑な製造工程における各種検査の精度と早期予測が得られた。
• 参考スコア（独自算出の注目度）: 2.8992789044888436
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The semiconductor industry is one of the most technology-evolving and capital-intensive market sectors. Effective inspection and metrology are necessary to improve product yield, increase product quality and reduce costs. In recent years, many semiconductor manufacturing equipments are equipped with sensors to facilitate real-time monitoring of the production process. These production-state and equipment-state sensor data provide an opportunity to practice machine-learning technologies in various domains, such as anomaly/fault detection, maintenance scheduling, quality prediction, etc. In this work, we focus on the task of soft sensing regression, which uses sensor data to predict impending inspection measurements that used to be measured in wafer inspection and metrology systems. We proposed an LSTM-based regressor and designed two loss functions for model training. Although engineers may look at our prediction errors in a subjective manner, a new piece-wise evaluation metric was proposed for assessing model accuracy in a mathematical way. The experimental results demonstrated that the proposed model can achieve accurate and early prediction of various types of inspections in complicated manufacturing processes.
• Abstract（参考訳）: 半導体産業は、技術革新的で資本集約的な市場セクターの1つである。 効果的な検査と計測は、製品収率の向上、製品品質の向上、コスト削減のために必要である。 近年、多くの半導体製造装置に、製造工程のリアルタイム監視を容易にするセンサーが搭載されている。 これらの生産状態および機器状態センサデータは、異常/デフォルト検出、メンテナンススケジューリング、品質予測など、さまざまなドメインで機械学習技術を実践する機会を提供する。 本研究では,センサデータを用いて,ウェハ検査や気象システムで計測された入射検査の測定値を予測するソフトセンシング回帰の課題に着目した。 我々はLSTMベースの回帰器を提案し、モデルトレーニングのための2つの損失関数を設計した。 工学者は予測誤差を主観的に見ることができるが、モデル精度を数学的に評価する新しい区分評価指標が提案されている。 実験の結果, 複雑な製造工程において, 各種検査の精度と早期予測が可能となった。

関連論文リスト

• A Predictive Model Based on Transformer with Statistical Feature Embedding in Manufacturing Sensor Dataset [2.07180164747172]
  本研究では,統計的特徴埋め込みとウィンドウ位置符号化を利用したトランスフォーマーに基づく新しい予測モデルを提案する。 モデルの性能は, 断層検出と仮想気象学の2つの問題で評価され, ベースラインモデルよりも優れた結果を示した。 結果は、様々な製造業におけるモデルの適用性を支持し、プロセス管理と収量を高める可能性を示している。
  論文  参考訳（メタデータ） (2024-07-09T08:59:27Z)
• A Cost-Sensitive Transformer Model for Prognostics Under Highly Imbalanced Industrial Data [1.6492989697868894]
  本稿では,体系的なワークフローの一部として開発された新しいコスト感応型トランスフォーマーモデルを提案する。 その結果,最先端手法と比較して性能が大幅に向上した。 本研究は, 産業環境における故障予測の独特な課題に対処する上での本手法の可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2024-01-16T15:09:53Z)
• Deep Learning based pipeline for anomaly detection and quality enhancement in industrial binder jetting processes [68.8204255655161]
  異常検出は、通常の値空間とは異なる異常状態、インスタンス、あるいはデータポイントを検出する方法を記述する。 本稿では,産業生産における人工知能へのデータ中心のアプローチに寄与する。
  論文  参考訳（メタデータ） (2022-09-21T08:14:34Z)
• Anomaly Detection and Inter-Sensor Transfer Learning on Smart Manufacturing Datasets [6.114996271792091]
  スマートマニュファクチャリングシステムの目標は、運用コストを削減し、ダウンタイムをなくすために、失敗を迅速に検出(または予測)することである。 これはしばしば、システムから取得したセンサーの日程内で異常を検出することに起因する。 スマートマニュファクチャリングアプリケーションドメインは、ある種の健全な技術的課題を提起します。 予測的障害分類が達成できることを示し、予測的メンテナンスの道を開く。
  論文  参考訳（メタデータ） (2022-06-13T17:51:24Z)
• Visual-tactile sensing for Real-time liquid Volume Estimation in Grasping [58.50342759993186]
  変形性容器内の液体をリアルタイムに推定するためのビジュオ触覚モデルを提案する。 我々は、RGBカメラからの生の視覚入力と、特定の触覚センサーからの触覚手がかりの2つの感覚モードを融合する。 ロボットシステムは、推定モデルに基づいて、リアルタイムで適切に制御され、調整される。
  論文  参考訳（メタデータ） (2022-02-23T13:38:31Z)
• Machine Learning-Based Soft Sensors for Vacuum Distillation Unit [5.728037880354686]
  製品の品質は、プロセスの製品が仕様の範囲内かどうかを知らせる重要な特性である。 この問題に対処する戦略の1つはソフトセンサーである。 ソフトセンサー(Soft Sensor)は、頻繁な測定特性の予測と予測に使用できるモデルの集合である。
  論文  参考訳（メタデータ） (2021-11-19T15:30:43Z)
• Transformers for prompt-level EMA non-response prediction [62.41658786277712]
  エコロジー・モメンタリー・アセスメント(Ecological Momentary Assessments、EMA)は、認知状態、影響、行動、環境要因を測定するための重要な心理的データ源である。 参加者がEMAプロンプトに反応しない非応答は、内因性問題である。 非応答を正確に予測できる能力は、EMAのデリバリを改善し、コンプライアンスの介入を開発するために利用することができる。
  論文  参考訳（メタデータ） (2021-11-01T18:38:47Z)
• Anomaly Detection through Transfer Learning in Agriculture and Manufacturing IoT Systems [4.193524211159057]
  本稿では, 農作物に設置したセンサから, 7種類のセンサからのデータと, 振動センサを用いた先進的な製造試験からのデータを分析する。 これら2つのアプリケーション領域において、予測的障害分類がいかに達成され、予測的メンテナンスの道が開かれたかを示す。
  論文  参考訳（メタデータ） (2021-02-11T02:37:27Z)
• Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
  オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。 このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。 その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
  論文  参考訳（メタデータ） (2021-02-02T15:44:39Z)
• Predictive Maintenance for Edge-Based Sensor Networks: A Deep Reinforcement Learning Approach [68.40429597811071]
  未計画の設備停止のリスクは、収益発生資産の予測保守によって最小化することができる。 機器に基づくセンサネットワークのコンテキストから予測機器のメンテナンスを行うために,モデルフリーのDeep Reinforcement Learningアルゴリズムを提案する。 従来のブラックボックス回帰モデルとは異なり、提案アルゴリズムは最適なメンテナンスポリシーを自己学習し、各機器に対して実行可能なレコメンデーションを提供する。
  論文  参考訳（メタデータ） (2020-07-07T10:00:32Z)
• Predictive modeling approaches in laser-based material processing [59.04160452043105]
  本研究の目的は,レーザー加工が材料構造に及ぼす影響を自動予測することである。 その焦点は、統計的および機械学習の代表的なアルゴリズムのパフォーマンスに焦点を当てている。 結果は、材料設計、テスト、生産コストを削減するための体系的な方法論の基礎を設定することができる。
  論文  参考訳（メタデータ） (2020-06-13T17:28:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。