PulseAugur
中
实时 06:55:23
English(EN) Dynamic Multi-Criteria Bottleneck Severity Index (DMBSI) for Semiconductor Wafer Manufacturing: A Genetically Optimised Framework for Reentrant Production Systems

新AI框架精准定位半导体制造瓶颈

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新的数据驱动方法，称为动态多准则瓶颈严重性指数 (DMBSI)，用于实时识别半导体晶圆制造中最严重的瓶颈。该框架分析与周期时间、工艺参数和返工影响相关的多个信号，以创建瓶颈严重性的统一度量。在希捷科技 (Seagate Technology) 的制造执行系统日志上进行测试，经过遗传优化的 DMBSI 比现有方法提高了 8.1%，与观察到的周期时间贡献的皮尔逊相关系数为 0.80。DMBSI 还揭示了生产过程中瓶颈位置的时间变化，并表明减少首要瓶颈的等待时间可以显著缩短平均周期时间。 AI

影响 这种新方法有望在半导体制造等复杂制造过程中实现显著的效率提升。

排序理由 详细介绍工业流程优化新方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新AI框架精准定位半导体制造瓶颈

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Mohammad Sharifur Rahman, Karl McCreadie, Saugat Bhattacharyya, M M Manjurul Islam, Cormac McAteer, Bryan John Baker, Nuala Parker, Girijesh Prasad ·

    用于半导体晶圆制造的动态多准则瓶颈严重性指数 (DMBSI)：面向重入式生产系统的遗传优化框架

    arXiv:2607.24819v1 Announce Type: cross Abstract: Wafer fabrication exhibits unique characteristics, including reentrant process flows, variable bottlenecks, and highly variable process conditions. In order to identify the most severe bottleneck at each moment in time for semicon…

相关实体

相关话题