تشخیص الگوهای غیرطبیعی در فرآیند ساخت قطعات نیمه هادی با استفاده از شبکه های عصبی

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.