建立模型根据文本数据预测晶圆缺陷大家好，
有一位客户问我，当晶圆数据为文本形式时，是否可以建立一个预测模型来预测晶圆边缘的缺陷？目标是使用此模型优化参数设置，以最大限度地减少这些边缘缺陷。
我想知道是否有人曾经遇到过这种情况，因为我想这可能是一个常见问题。我在这里附上了一个文本数据晶圆图的示例。
任何帮助或建议都将不胜感激！提前谢谢
回复：建立一个模型来根据文本数据预测晶圆缺陷@Chris_Kirchberg和我一直在尝试使用来自 Kaggle/GitHub 的数据（ @russ_wolfinger的 Torch Storybook 中的第 9 项）来实现这一点。在这种情况下，地图看起来相似，但都是 Pandas 数据框中的单个值。这个想法很简单，将字符值转换为数值矩阵，然后使用 JSL 将矩阵转换为图像。我已经调整了代码以处理单个文件并生成带有图像的窗口。我怀疑你会想要处理一堆单独的文件并执行一些操作，例如将图像存储到 JMP 数据表列中。希望代码可以轻松适应这一点。我根据你帖子中的文件做了一些假设（例如，要删除的页眉和页脚行，点 (.) 代表晶圆外的区域，X 代表缺陷等）。另一个潜在问题可能是用作 EOL 序列的内容。我在 Mac 上执行了此操作，因此只有换行符 (\!n)。您可能需要在 Windows 上使用不同的序列。脚本顶部有一个缩放常数，用于放大或缩小图像（在末尾的 Scale JSL 函数中使用）。我对代码进行了相当广泛的注释，但如果您（或任何其他人）有疑问，请告诉我。
回复：建立一个模型来根据文本数据预测晶圆缺陷@Owen_Jonathan ，
想提一下@Chunwei_Ma目前正在研究 Torch 插件的图像分割，它将为这类图像中的各个像素提供预测，这可能正是客户对边缘缺陷所需要的。
如果问题可以表述为预测整个地图的一个或多个数字或类别（例如边缘缺陷的总数），那么 Torch 可以立即做到这一点，就像 Torch Storybook 中的例子一样。
为了创建输入图像，我喜欢@DonMcCormack和@Chris_Kirchberg的方法。作为一种可能的替代方案，以下方法可能有效：
- 使用 TX Nelson 的脚本将字符串拆分成每个字符的单独列，然后通过 Cols > Standardize Attributes 将它们重新编码为 0、1、2。
- 创建一个数字行指示器，并在创建后删除公式。
- 堆叠数据并解析 Label 列以创建数字 Col 变量
- 在图形生成器中绘制行与列图并按数据着色（三个不同级别）
- 图形生成器红色三角形 > 保存至数据表以获取单个图像单元。
看起来这可以在同一个表中的多个地图上工作，方法是使用另一个变量指示每个地图，然后在 Graph Builder 中将其设为 Wrap。然后，包含所有地图的最终图片列就可以在 Torch 中进行图像分类或分割（即将推出）。
回复：建立一个模型来根据文本数据预测晶圆缺陷@russ_wolfinger @DonMcCormack
感谢你们两位的快速回复！很高兴在这里看到专业的角度。
我会测试这两种方法。如果有任何问题，我会及时向你们通报。
回复：建立一个模型来根据文本数据预测晶圆缺陷围绕这个随机问题 - 生成数据的设备有多旧？
我想知道是否有办法将其从工厂数据库中提取出来，以便以更简单的格式进入 JMP。例如，如果您可以将数据作为“Die X、Di Y、P/F、WaferID”的列，那么您可以使用图形生成器生成图像，然后让图形生成器将它们直接发送到 JMP 数据表。然后它们将以 Torch 的正确格式显示，而无需处理一堆文本文件。
回复：建立一个模型来根据文本数据预测晶圆缺陷是的，这确实引发了一些关于数据质量的内部讨论。这似乎是客户目前面临的内部问题。
