Servicios Personalizados
Articulo
Indicadores
Links relacionados
- Citado por Google
- Similares en Google
Compartir
South African Journal of Industrial Engineering
versión On-line ISSN 2224-7890
versión impresa ISSN 1012-277X
Resumen
WANG, C.C. y WU, B.D.. Classification and prediction of wafer probe yield in DRAM manufacturing using Mahalanobis-Taguchi system and neural network. S. Afr. J. Ind. Eng. [online]. 2019, vol.30, n.1, pp.248-256. ISSN 2224-7890. http://dx.doi.org/10.7166/30-1-1627.
Flinteropbrengs is 'n sleutel indikator vir halfgeleiervervaardiging. Die toename in flintergrootte maak dit moontlik om die kompleksiteit en presisie van flintervervaardiging te verbeter. Wanneer monitering gebruik word om die opbrengsskatting te verbeter word dit 'n gehalte kwessie. Die meeste navorsing gebruik die aantal defekte, die flinteroppervlakte, en vasgestelde statistiese verdelings om die opbrengs te skat. Sulke metodes faal egter om 'n hoë-opbrengs model te bewerkstellig as gevolg van die lukrake en stelselwye verspreiding van defekte. Hierdie studie gebruik die Mahalanobis-Taguchi stelsel om die sleutel veranderlikes van die flinter aanvaardingstoets te bepaal en skep dan n klassifikasie model van die opbrengsgehalte. n Veralgemeende regressie neurale netwerk is gebruik om 'n skatting van die opbrengs te maak van gekose gemeenskaplike veranderlikes. 'n Gevallestudie van 'n Taiwannese vervaardiger van dinamies ewetoeganklike geheue word as voorbeeld gebruik. Die benadering kan twee-en-tagtig van die sleutel en noemenswaardige veranderlikes van die aanvaringstoets identifiseer met n klassifikasiepresisie van meer as negentig persent. Die R2-koëffisiënt van die neurale netwerk is 0.73. Die resultaat kan die opbrengs verhoog en die gehaltekoste van dinamies ewetoeganklike geheue vervaardiging verminder.