AI በሴሚኮንዳክተር ፋብ ምርት ማመቻቸት

ምርት በሚሰራ ቫፈር ላይ የቺፕስ (የሞተ) ክፍልፋይ ነው። ጨርቆች በዘፈቀደ ቅንጣቶች ፣ ስልታዊ የሂደት ችግሮች እና በመሣሪያዎች ውስጥ ቀስ በቀስ መንሳፈፍ ምርትን ያጣሉ ። ቫፈር በፋብሪካ ውስጥ ሳምንታትን ሊያሳልፍ ስለሚችል፣ የችግር ቀናትን ዘግይቶ መያዝ ብዙ ነገሮችን ያበላሻል። AI በሶስት ዋና ዋና ዘርፎች ይረዳል. በመጀመሪያ ጉድለትን መለየት እና መለየት ነው. የኦፕቲካል እና የኤሌክትሮን-ጨረር ፍተሻ መሳሪያዎች ያልተለመዱ ነገሮችን በ wafers ላይ ያገኛሉ እና አውቶማቲክ ጉድለት ምደባ ሞዴሎች በአይነት ይሰይሟቸዋል። በተናጥል የኤሌትሪክ ፍተሻ የትኛዎቹ ሞት እንዳልተሳካ የሚያሳዩ የዋፈር ካርታዎችን ይፈጥራል። የቦታው ንድፍ ፍንጭ ነው፡ የጠርዙ ቀለበት እንደ ማሳከክ ሂደት በዋፈር ጠርዝ ላይ ችግር እንዳለ ይጠቁማል፣ ጭረት ግን ጉዳትን መቆጣጠርን ይጠቁማል። ከእውነተኛ ፋብ ዋፈር ካርታዎች የተቀዳው የህዝብ የWM-811K መረጃ ስብስብ እነዚህን ቅጦች በመመደብ ላይ በምርምር ላይ በስፋት ጥቅም ላይ ይውላል። ሁለተኛው ምናባዊ ሜትሮሎጂ ነው። በእያንዳንዱ ደረጃ ላይ እያንዳንዱን ቫፈር መለካት ቀርፋፋ እና ውድ ነው፣ ስለዚህ የፋብስ ናሙና። ቨርቹዋል ሜትሮሎጂ እንደ ግፊት፣ የሙቀት መጠን፣ የጋዝ ፍሰት እና የ RF ሃይል ካሉ የዳሳሽ መረጃ መሳሪያዎች የመለኪያ ውጤቶችን ይተነብያል፣ ለእያንዳንዱ ዋፈር ግምት ይሰጣል። ሦስተኛው የሂደት ቁጥጥር ነው. የስህተት ማወቂያ እና ምደባ ስርዓቶች የመሳሪያውን ዳሳሽ ዱካዎች ለተዛባ ባህሪ ይመለከታሉ፣ እና አሂድ-ለማሄድ ተቆጣጣሪዎች ዒላማ ላይ ውጤቶችን ለመያዝ በሎቶች መካከል የምግብ አዘገጃጀት ቅንብሮችን ያስተካክላሉ። የማሽን መማር ባህላዊ የስታቲስቲክስ ሂደት ቁጥጥር የሚያመልጣቸውን መደበኛ ያልሆኑ ግንኙነቶችን በመቅረጽ ሁለቱንም ማሻሻል ይችላል። በርካታ የተሳሳቱ አመለካከቶች የተለመዱ ናቸው። ፋብሶች ለእያንዳንዱ ጉድለት አይነት ትልቅ ምልክት የተደረገባቸው የውሂብ ስብስቦች የላቸውም፡ ብርቅዬ ጉድለቶች ለጥቂት ጊዜ ብቻ ሊታዩ ይችላሉ፣ ክፍሎች በጣም ሚዛናዊ ያልሆኑ ናቸው፣ እና መለያዎች በባለሙያ መሐንዲሶች ላይ የተመሰረቱ ናቸው። መሳሪያዎች ጥገና ሲደረግላቸው ወይም የምግብ አዘገጃጀቶች ሲቀየሩ ሞዴሎችም ጠፍተዋል። እና ትንበያ ብቻውን በቂ አይደለም; መሐንዲሶች ሂደቱን ከመቀየርዎ በፊት አሳማኝ የሆነ አካላዊ ምክንያት ያስፈልጋቸዋል። ይህ ርዕስ የቺፕ አቀማመጥ ንድፍ ሳይሆን ማምረትን ይመለከታል።