Data mining per dati asimmetrici impostati sotto la maledizione della dimensionalità
Trova in grandi e rumorosi data set il più influente produrre predittori in un semiconduttore Fab
Introduzione:
La produzione di semiconduttori è uno dei processi di produzione tecnologicamente più complicati. A causa dell'elevato numero di fasi del processo e dell'elevato numero di sensori, questo settore si trova ad affrontare un enorme flusso di dati. Oltre all'elevato numero di dati di produzione, lo squilibrio delle parti passate e in errore rende difficile l'analisi di questo set di dati.
Con un numero così elevato di dati, la tecnica standard di una variabile al momento poteva fallire a causa dell'influenza di un gran numero di variabili di produzione.
I dati di per sé non sono utili. Per essere utile deve essere convertito in informazioni utilizzabili per aumentare la resa e migliorare la qualità del prodotto.
Arriva il Machine Learning (ML).
Al fine di evitare il problema del sovradimensionamento del modello, è necessaria anche la riduzione della dimensionalità del campione. In altre parole, per aumentare il rapporto segnale-rumore dei dati disponibili, è necessario ridurre il numero di funzione prima di applicare qualsiasi modello ML. Una volta che i modelli interessanti sono stati estratti dal database, saranno convalidati dall'esperienza dell'ingegnere.
L'intero processo è stato realizzato utilizzando le funzionalità JSL JMP13
