پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,573 |
| تعداد مقالات | 71,037 |
| تعداد مشاهده مقاله | 125,524,649 |
| تعداد دریافت فایل اصل مقاله | 98,785,290 |
تشخیص الگوهای غیرطبیعی در فرآیند ساخت قطعات نیمه هادی با استفاده از شبکه های عصبی | ||
| نشریه دانشکده فنی | ||
| مقاله 2، دوره 34، شماره 2 - شماره پیاپی 1149، شهریور 1379 اصل مقاله (667.64 K) | ||
| نویسندگان | ||
| مرتضی فتحی پور؛ افشین نیکتاش؛ کارو لوکس* | ||
| چکیده | ||
| در فرآیندهای ساخت قطعات نیمه هادی اطلاع از وجود الگوهای غیرطبیعی بر روی نمودارهای کنترلی مربوط به فرایند و پیش بینی وقوع آنها امری مهم و شایان توجه است. در این نوشتار ، فرآیند ساخت گیت ترانزیستورهای MESFET در مدار مجتمع یک تقویت کننده مایکروویو GaAs به عنوان نمونه انتخاب شده است. سپس ضمن ارائه توضیحاتی پیرامون چگونگی بدست آوردن نمودارهای کنترلی و نیز نحوه استفاده از داده های مربوط به فرآیند، روش پیش بینی سری زمانی خروجی،برای پیش بینی الگوها به کار گرفته شده است. برخلاف روشهای مدلسازی براساس مدلهای تجهیزاتی،این روش میتواند تغییرات تدریجی در خروجی را پیش بینی نماید . مدلسازی سری زمانی خروجی،ابتدا با روش کلاسیک باکس-جنکینس انجام شده است و سپس با استفاده از شبکه های عصبی،مدل دیگری بدست آمده است. با مقایسه این دو مدل،محدوده کارایی هر یک از آنها مورد بحث و بررسی قرار گرفته است. سپس با کمک بهینه و استفاده از شبیه سازی،امکان پیش بینی الگوهای غیرطبیعی مختلف و تأثیر طول پیش بینی بررسی شده است. | ||
| کلیدواژه‌ها | ||
| پس انتشار خطای معکوس؛ تشخیص الگوهای غیرطبیعی؛ روش باکس جنکینس؛ روش سری زمانی؛ شبکه های عصبی؛ فرایند ساخت قطعات نیمه هادی؛ نمودار کنترلی شوارت | ||
| عنوان مقاله [English] | ||
| - | ||
| چکیده [English] | ||
| It is of prime importance to obtain information about irregular patterns on the output control chart of a semiconductor manufacturing process as well as to be able to predict the occurrance of such patterns. Here, processing of the gate in a 27MHz submicron GaAs MESFET of a monoJithic microwave integrated circuit is chosen as an example, the method 1for extracting control charts, use of process data is described and the time series and neural network methods are used to predict the patterns. Unlike equipmental based modeling this method can predict slow changes in the output. Time series modeling of the output: is done by classical Box-Jenkins. The ability to predict the irregular patterns as well as the effect of the forcasted length is investigated, using an optimum neural network model and a series of simulation. | ||
|
آمار تعداد مشاهده مقاله: 1,865 تعداد دریافت فایل اصل مقاله: 1,024 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب