公开(公告)号：CN113269266B

公开(公告)日：2023-09-19

申请号：CN202110637674.2

申请日：2021-06-08

Applicant: 清华大学

Inventor： 张林鍹 ,  郑敬浩 ,  刘重党 ,  蒋正宜 ,  张健翔

IPC: G06F18/2433 ,  G06F18/214 ,  G06N3/042 ,  G06N3/096

Abstract: 本申请提出了一种多故障模式下基于知识蒸馏的晶圆制造过程故障检测方法，涉及晶圆制造过程故障检测技术领域，其中，该方法包括：获取历史故障数据，并根据历史故障数据中故障的出现频次，确定常见故障类型和罕见故障类型；基于常见故障类型的监测数据，使用域自适应神经网络减小不同机台间的数据分布差异，以构建常见故障检测模型；构建罕见故障检测模型，获取常见故障检测模型在罕见故障数据训练集上的输出软标签，使用知识蒸馏方式，借助输出的软标签和数据真实标签优化罕见故障检测模型。本发明实现通过知识蒸馏方法，跨故障模式进行知识提取与传递，提升模型在罕见故障下的综合性能，实现对故障的及时检测，从而提高产品良率与生产线效率。

公开(公告)号：CN112581719B

公开(公告)日：2021-09-03

申请号：CN202011226178.X

申请日：2020-11-05

Applicant: 清华大学 ,  北京新芯智能科技有限责任公司

Inventor： 张林宣 ,  唐亮 ,  刘重党 ,  杨洋 ,  郑敬浩

IPC: G08B21/00 ,  G06N3/08 ,  G06N3/04

Abstract: 本申请提出一种基于时序生成对抗网络的半导体封装过程预警方法和装置，涉及数据处理技术领域，其中，方法包括：获取监测数据，并对监测数据进行预处理，获取训练数据；从训练数据中获取正常样本集合，计算正常样本集合的密度函数，根据密度函数估计异常阈值；获取已训练的生成器网络，利用已训练好的生成器网络生成预定数量的异常样本；将预定数量的异常样和训练数据混合后输入神经网络训练，以使在半导体封装过程中，将关键工艺参数输入已训练的神经网络获取异常预测值，以及根据异常预测值和异常阈值进行预警处理。由此，通过生成异常样本混合到训练数据进行训练，并确定异常阈值实现提前对生产异常进行预警，提高产品良率与生产线效率。

公开(公告)号：CN113269266A

公开(公告)日：2021-08-17

申请号：CN202110637674.2

申请日：2021-06-08

Applicant: 清华大学

Inventor： 张林鍹 ,  郑敬浩 ,  刘重党 ,  蒋正宜 ,  张健翔

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请提出了一种多故障模式下基于知识蒸馏的晶圆制造过程故障检测方法，涉及晶圆制造过程故障检测技术领域，其中，该方法包括：获取历史故障数据，并根据历史故障数据中故障的出现频次，确定常见故障类型和罕见故障类型；基于常见故障类型的监测数据，使用域自适应神经网络减小不同机台间的数据分布差异，以构建常见故障检测模型；构建罕见故障检测模型，获取常见故障检测模型在罕见故障数据训练集上的输出软标签，使用知识蒸馏方式，借助输出的软标签和数据真实标签优化罕见故障检测模型。本发明实现通过知识蒸馏方法，跨故障模式进行知识提取与传递，提升模型在罕见故障下的综合性能，实现对故障的及时检测，从而提高产品良率与生产线效率。

公开(公告)号：CN108961460A

公开(公告)日：2018-12-07

申请号：CN201810789980.6

申请日：2018-07-18

Applicant: 清华大学

Inventor： 张林鍹 ,  刘重党 ,  廖源

IPC: G07C3/00 ,  G06F17/50 ,  G06Q10/00 ,  G06Q50/04

Abstract: 本发明公开了一种基于稀疏ESGP与多目标优化的故障预测方法及装置，其中，方法包括：采集待测设备的运行数据，并根据运行数据提取待测设备的趋势特征；引入稀疏高斯过程以改进回声状态高斯过程的高斯过程，进而引入多目标遗传算法对回声状态高斯过程的模型进行参数优化，同时将剩余使用寿命的点预测与区间预测效果作为多目标优化的目标；该方法通过多目标优化对复杂的模型参数进行自动寻优，更高效地选择出较优的ESGP预测模型，再根据趋势特征通过优化后的模型对待测设备的剩余使用寿命进行最终预测，以获取较优的预测结果，从而可以有效减少设备的停机时间与维护成本，提高设备运行效率与安全性，具有工业应用价值。