System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 异常检测方法及电子装置制造方法及图纸_技高网

异常检测方法及电子装置制造方法及图纸

技术编号:41175929 阅读:2 留言:0更新日期:2024-05-07 22:12
提供了一种能够最小化计算资源消耗和时间消耗的异常检测方法。该异常检测方法包括:使用被分类成多个第一子集的多个训练数据来学习包括编码器和解码器的第一分类器;通过利用所学习的第一分类器的编码器计算多个训练数据,从多个训练数据中提取特征;通过基于所提取的特征对多个训练数据进行聚类,将多个训练数据重构为多个第二子集;使用第二子集来学习与多个第二子集对应的多个第二分类器;以及使用多个第二分类器来检测输入数据中的任何异常。

【技术实现步骤摘要】

本公开涉及异常检测方法、电子装置、非暂时性计算机可读存储介质和计算机程序。


技术介绍

1、半导体制造工艺可以在半导体制造设备中一个接一个地执行,并且可以分为前处理和后处理。半导体制造设备可以安装在被称为“fab”的空间中。

2、前处理是指通过在晶片上形成电路图案来形成芯片的处理。前处理可以包括在晶片上形成薄膜的沉积工艺,使用光掩模将光刻胶转移到薄膜上的光刻工艺,使用化学物质或反应气体选择性地去除任何不必要的部分以在晶片上形成期望的电路图案的蚀刻工艺,去除光刻胶中的未被蚀刻的部分的灰化工艺,将离子注入到与电路图案连接的部分以赋予电子器件特性的离子注入工艺,以及从晶片上方去除任何污染物的清洁工艺。

3、后处理是指评价通过前处理获得的产品的性能的处理。后处理可以包括检查晶片上的芯片是否正常工作并检测良好及不良产品的初步检查工艺,通过切割、裸片接合、引线接合、模制和标记来切割和分离芯片的封装工艺,以及通过电性能测试和老化(burn)测试最终检查产品的特性和可靠性的最终检查工艺。

4、在半导体制造工艺期间使用各种设施,并且正在进行各种诊断模型的开发以诊断每个设施的正常或异常情况。

5、如果针对每个设施的配方创建诊断模型并使用,则需要创建与存在的配方一样多的诊断模型,并且需要大量的计算资源和时间来进行人工智能学习。此外,在批量生产期间,每当配方改变时,需要调用它们各自的诊断模型,并且在操作和管理方面存在困难,诸如重新确定诊断模型并将它们分配到各种设施。此外,由于在积累足够量的用于学习的数据之前,可能无法适当地确定数据不充分的配方或新配方,因此不能从这些配方中适当地检测到缺陷。


技术实现思路

1、本公开的方面提供了一种能够最小化计算资源和时间的消耗的异常检测方法。

2、本公开的方面还提供了用于执行异常检测方法的电子装置,非暂时性计算机可读存储介质及计算机程序。

3、然而,本公开的方面不限于本文所述的那些。通过参考以下给出的本公开的详细描述,本公开的上述和其它方面对于本公开所属领域的普通技术人员将变得更加显而易见。

4、根据本公开的一方面,异常检测方法包括:使用被分类成多个第一子集的多个训练数据来学习包括编码器和解码器的第一分类器;通过利用所学习的第一分类器中的编码器对多个训练数据进行计算,从多个训练数据中提取特征;通过基于所提取的特征对多个训练数据进行聚类,将多个训练数据重构为多个第二子集;使用第二子集来学习与多个第二子集对应的多个第二分类器;以及使用多个第二分类器来检测输入数据中的任何异常。

5、根据本公开的另一方面,一种异常检测方法包括:使用包括多个训练数据子集的训练数据集来学习包括编码器和解码器的分类器;通过利用所学习的分类器中的编码器对训练数据集的每个训练数据进行计算,提取训练数据集的每个训练数据的特征;通过基于所提取的特征在特征空间中的位置对所提取的特征进行聚类并基于聚类后的特征对训练数据集的每个训练数据进行聚类,重构训练数据子集;通过使用经重构的训练数据子集对所学习的分类器进行重新学习,创建多个重新学习的分类器;以及使用多个重新学习的分类器来检测输入数据中的任何异常。

6、根据本公开的另一方面,一种电子装置包括:处理器;以及连接到所述处理器的存储器。存储器存储能够由处理器执行的指令,并且该指令由处理器执行以执行异常检测方法。

7、根据本公开的另一方面,计算机程序用于执行以下步骤:使用被分类成多个第一子集的多个训练数据来学习包括编码器和解码器的第一分类器;通过利用所学习的第一分类器中的编码器对多个训练数据进行计算,从多个训练数据中提取特征;通过基于所提取的特征对多个训练数据进行聚类,将多个训练数据重构为多个第二子集;使用第二子集来学习与多个第二子集对应的多个第二分类器;以及使用多个第二分类器来检测输入数据中的任何异常。

8、应当注意,本公开的效果不限于上述那些,并且本公开的其它效果将从以下描述中显而易见。

本文档来自技高网...

【技术保护点】

1.一种异常检测方法,包括:

2.根据权利要求1所述的异常检测方法,其中,

3.根据权利要求2所述的异常检测方法,其中,

4.根据权利要求1所述的异常检测方法,其中,

5.根据权利要求4所述的异常检测方法,其中,

6.根据权利要求4所述的异常检测方法,其中,

7.根据权利要求1所述的异常检测方法,其中,

8.根据权利要求1所述的异常检测方法,其中,所述第二分类器的数量小于所述第一子集的数量。

9.根据权利要求1所述的异常检测方法,其中,所述第一分类器或所述多个第二分类器被配置为自动编码器。

10.一种异常检测方法,包括:

11.一种电子装置,包括:

【技术特征摘要】

1.一种异常检测方法,包括:

2.根据权利要求1所述的异常检测方法,其中,

3.根据权利要求2所述的异常检测方法,其中,

4.根据权利要求1所述的异常检测方法,其中,

5.根据权利要求4所述的异常检测方法,其中,

6.根据权利要求4所述的异常检测方法,其中,

7.根...

【专利技术属性】
技术研发人员:全董玹
申请(专利权)人:细美事有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1