臺灣人文及社會科學引文索引資料庫系統

:::

詳目顯示

回上一頁
第 1 筆 / 總合 1 筆   第一頁 上一頁 下一頁 最後一頁
/1頁
題名：半導體製程資料特徵萃取與資料挖礦之研究
書刊名：資訊管理學報
作者：簡禎富／李培瑞／彭誠湧
作者(外文)：Chien, C.-F.／Lee, P.-R.／Peng, C.-Y.
出版日期：2003
卷期：10:1
頁次：頁63-84
主題關鍵詞：資料挖礦；決策樹；自我組織映射成圖網路；半導體製程；決策分析；Data mining；Decision tree；SOM；Semiconductor manufacturing；Decision analysis
原始連結：連回原系統網址new window
相關次數：
  • 被引用次數被引用次數:期刊(10) 博士論文(0) 專書(1) 專書論文(0)
  • 排除自我引用排除自我引用:5
  • 共同引用共同引用:16
  • 點閱點閱:119
在半導體製造程序中，許多資料會以自動或半自動方式記錄下來。包括產品的基本資料、過站時間與機台紀錄、機台設定參數、測試資料等。由於資料維度與數量龐大且混雜的雜訊等問題，傳統統計分析方法有其限制；而工程師亦往往無法從收集的龐大資料中，迅速有效地察覺可能導致製程異常的原因。本研究目的係分析半導體多維度資料，並以具體實證研究說明，色含製程監控與事故診斷兩大部分：第一部份針對半導體製程晶圓允收測試參數資料的多維度資料，透過人工類神經網路之自我組織映射成圖網路演算法先將資料分群，以發現隱藏於資料中的樣型與良率間的關連性，再以決策樹將類別之特徵以樹狀結構呈現，透過參數表現特徵提供給工程師監控製程變化的決策依據，以改善製程提昇良率。第二部分則針對半導體製程製造測試中的電性功能針測的多維度資料，以良率為目標變數，透過人工類神經網路之自我組織映射成圖、網路演算法先將資料分群，以發現隱藏於資料中的樣型，將相同特徵者歸為一類，再由定義之分類作為目標以決策樹將其各分群之特徵以樹狀結構呈現其分類規則。透過綜合資訊的比較縮小診斷範圍，提供給工程師作為事故診斷的決策依據，以快速排除事故提昇良率。
Owing the rise of e-commerce and information technology, a large amount of data has been automatically or semi- automatically collected in modem industry. Decision makers may potentially use the information buried in the raw data to assist their decisions through data mining for possibly identifying the specific patterns of the data. This study proposes data mining procedures for analyzing semiconductor manufacturing data for manufacturing process monitoring and defect diagnosis. In particular, SOM is applied for clustering and decision tree is applied for feature extraction to analyze multi-dimensional semiconductor manufacturing data. We used real data from a fab to conduct two case studies for validation and found that this approach can effectively limit the scope for defect diagnosis and summarize the findings in specific decision rules. We conclude this study with discussions on the results and future research.
期刊論文
1.Kiviluptp, K.(1998)。Predicting Bankruptcies with the Self Organizing Map。Neurocomputing，21(1-3)，191-201。  new window
2.簡禎富、林鼎浩、彭誠湧、徐紹鐘(20010700)。建構半導體晶圓允收測試資料挖礦架構及其實證研究。工業工程學刊，18(4)，37-47。new window  延伸查詢new window
3.Fayyad, U. M.、Piatetsky-Shapiro, G.、Smyth, Padhraic、The, K. D. D.(1996)。Process for Extracting Useful Knowledge from Volumes of Data。Communications of the ACM，39(11)，27-33。  new window
4.Brachman, R. J.、Khabaza, T.、Kloesgen, W.、Piatetsky-Shapiro, Gregory、Simoudis, E.(1996)。Mining Business Databases。Communications of the ACM，39(11)，42-48。  new window
5.Irani, K. B.、Cheng, Jie、Fayyad, U. M.、Qian, Zhaogang(1993)。Applying Machine Learning to Semiconductor Manufacturing。IEEE Expert，8(1)，41-47。  new window
6.Kittler, R.、Wang, W.(1999)。資料分析漸露頭角。中文半導體技術雜誌，79-85。  延伸查詢new window
7.Kohonen, T.、Oja, E.、Simula, O.、Visa, A.、Kangas, J.(1996)。Engineering Applications of the Self-organizing Map。Proceedings of the IEEE，84(10)，1358-1384。  new window
8.Lampinen, J.、Oja, E.(1995)。Distortion tolerant pattern recognition based on self-organizing feature extraction。IEEE Transaction on Neural Networks，6，539-547。  new window
9.Milne, R.、Drummond, M.、Renoux, P.(1998)。Predicting paper making defects on-line using data mining。Knowledge-Based Systems，11，331-338。  new window
10.彭誠湧、簡禎富(2003)。Data Value Development to Enhance Competitive Advantage: A Retrospective Study of EDA Systems for Semiconductor Fabrication。International Journal of Services Technology and Management，4(4-6)，365-383。  new window
11.Quinlan, J. R.(1986)。Introduction to decision trees。Machine Learning，1(1)，81-106。  new window
會議論文
1.Gardner, M.、Bieker, J.(2000)。Data mining solves tough semiconductor manufacturing problems376-383。  new window
2.Fayyad, Usama(1997)。Data Mining and Knowledge Discovery in Databases: Implications for Scientific Databases。沒有紀錄。2-11。  new window
3.Bursteinas, B.、Long, J. A.(2000)。Transforming Supervised Classifiers for Feature Extraction。沒有紀錄。274-280。  new window
4.Cai, Yudong(1994)。The application of the artificial neural network in the grading of beer quality。沒有紀錄。516-520。  new window
5.Kessler, W.、Ende, D.、Kessler, R. W.、Rosenstiel, W.(1993)。Identification of car body steel by an optical on line system and Kohonen's self-organizing map。沒有紀錄。64-75。  new window
6.Kleissner, C.(1998)。Data Mining for the Enterprise。沒有紀錄。295-304。  new window
學位論文
1.薛如珊(2001)。使用自組織映射網路進行資料群集和資訊樣型採擷的資料探勘法，沒有紀錄。  延伸查詢new window
圖書
1.Kasslin, M.、Kangas, J.、Simula, O.(1992)。Process state monitoring using self-organizing maps。Artificial Neural Network (2)。Amsterdam, Netherlands：North-Holland。  new window
2.蘇木春、張孝德(1999)。機器學習：類神經網路、模糊系統以及基因演算法則。機器學習：類神經網路、模糊系統以及基因演算法則。臺北：全華科技。  延伸查詢new window
3.Kohonen, T.(1997)。Self-Organizing Map。Berlin：Springer-Verlag。  new window
4.Breiman, L.、Friedman, J. H.、Olshen, R. A.、Stone, C. J.(1984)。Classification and Regression Trees。Chapman & Hall/CRC。  new window
5.Pyle, D.(1999)。Data Preparation for Data Mining。Morgan Kaufmann Publishers。  new window
6.Quinlan, J. Rose(1993)。C4.5: Programs for Machine Learning。Morgan Kaufmann Publishers。  new window
7.Berry, Michael J. A.、Linoff, Gordon S.(1997)。Data Mining Techniques for Marketing, Sales and Customer Support。John Wiley & Sons, Inc.。  new window
8.(1998)。Visual Exploration in Finance with Self-Organizing Maps。Visual Exploration in Finance with Self-Organizing Maps。London, UK。  new window
9.Gurney, K.(1998)。An introduction to neural networks。An introduction to neural networks。London, UK。  new window
其他
1.SAS軟體股份有限公司(1999)。Enterprise Miner V2.0資料挖礦軟體，沒有紀錄。  延伸查詢new window
 
 
 
 
第一頁 上一頁 下一頁 最後一頁 top
:::
無相關著作
 
QR Code
QRCODE

臺灣人文及社會科學引文索引資料庫

目前上線人數：565（臺灣：555，外國：10） ／ 本年度總使用人次：1972506 ／ 訪客人次（自102年09月）：67779332
國家圖書館著作權聲明 Copyright © 2013 All rights reserved.
本館地址: 100201臺北市中山南路20號． 本館地圖及交通資訊．
總機：(02)23619132．最佳瀏覽解析度為1024x768以上