面向半导体制造智能工业的稀有类别预测模型
人工智能
2024-06-10 v1 机器学习
摘要
工业的演进使得物理系统与数字系统得以集成，促进了制造过程大量数据的收集。这种集成为提高工艺质量和管理设备健康提供了可靠的解决方案。然而，从实际制造过程中收集的数据通常表现出具有挑战性的特性，例如严重的类别不平衡、高缺失率以及噪声特征，这些特性阻碍了有效的机器学习实施。在本研究中，针对从智能半导体制造过程中收集的原位数据，开发了一种稀有类别预测方法。主要目标是构建一个能够解决噪声和类别不平衡问题、增强类别分离的模型。与现有文献相比，所开发的方法展示了有前景的结果，这将允许预测新的观测值，从而为未来的维护计划和生产质量提供见解。该模型使用各种性能指标进行了评估，ROC曲线显示AUC为0.95，精确率为0.66，召回率为0.96。
引用
@article{arxiv.2406.04533,
title = {Rare Class Prediction Model for Smart Industry in Semiconductor Manufacturing},
author = {Abdelrahman Farrag and Mohammed-Khalil Ghali and Yu Jin},
journal= {arXiv preprint arXiv:2406.04533},
year = {2024}
}