半导体AI制造分析系统设计
📚 共计 30 章节
01
半导体制造概述
半导体产业现状、摩尔定律的挑战、AI在半导体制造中的角色与价值。
产业
摩尔定律
AI价值
02
半导体工艺流程
晶圆制备、光刻、刻蚀、沉积、离子注入、化学机械抛光等核心工艺介绍。
晶圆
光刻
CMP
03
制造数据采集
传感器数据、设备日志、工艺参数、良率数据、缺陷检测数据的采集方法与标准。
传感器
设备日志
良率
04
数据预处理技术
缺失值处理、异常值检测、数据标准化、特征工程在半导体数据中的应用。
缺失值
异常检测
特征工程
05
半导体数据仓库设计
数据湖与数据仓库架构、时序数据库选型、数据建模方法论。
数据湖
时序DB
建模
06
机器学习基础回顾
监督学习、无监督学习、半监督学习在制造场景的适用性分析。
监督
无监督
半监督
07
深度学习基础
CNN、RNN、LSTM、Transformer在半导体时序与图像数据上的应用基础。
CNN
LSTM
Transformer
08
缺陷检测与分类
基于计算机视觉的晶圆缺陷检测、AOI系统与AI结合方案。
视觉
AOI
缺陷分类
09
良率预测模型
基于历史数据的良率预测、回归模型与分类模型的选择策略。
良率
回归
分类
10
设备故障预测与健康管理
PHM框架、剩余寿命预测、异常检测算法在设备维护中的应用。
PHM
RUL
异常检测
11
工艺参数优化
贝叶斯优化、强化学习在工艺参数调优中的实践。
贝叶斯优化
强化学习
12
虚拟计量技术
基于传感器数据的虚拟计量模型、软传感器设计与部署。
虚拟计量
软传感器
13
根因分析系统
基于因果推断的缺陷根因分析、关联规则挖掘与知识图谱构建。
因果推断
知识图谱
14
实时监控与告警系统
流处理架构、实时异常检测、告警阈值动态调整策略。
流处理
实时告警
15
数字孪生与仿真
半导体制造数字孪生架构、工艺仿真与AI融合方案。
数字孪生
工艺仿真
16
制造执行系统集成
MES与AI分析平台的接口设计、数据流打通与业务闭环。
MES
接口
数据流
17
边缘计算与云端协同
边缘AI推理、模型压缩、云端训练与边缘部署的协同架构。
边缘AI
模型压缩
云边协同
18
模型可解释性
SHAP、LIME、注意力机制在半导体制造模型解释中的应用。
SHAP
LIME
注意力
19
数据安全与隐私
半导体制造数据分级、联邦学习在跨厂协作中的应用。
数据分级
联邦学习
20
模型生命周期管理
MLOps在半导体场景的实践、模型版本控制、A/B测试与回滚策略。
MLOps
版本控制
A/B测试
21
系统架构设计
微服务架构、事件驱动架构、API网关设计在AI分析系统中的落地。
微服务
事件驱动
API网关
22
高性能计算与GPU加速
CUDA编程基础、分布式训练、推理加速技术在半导体场景的应用。
CUDA
分布式
推理加速
23
多模态数据融合
图像、时序、文本、结构化数据的融合策略与模型设计。
多模态
融合
结构化
24
小样本学习与迁移学习
半导体制造中数据稀缺问题的解决方案、预训练模型微调策略。
小样本
迁移学习
微调
25
强化学习在调度优化中的应用
光刻机调度、物料搬运系统优化、产能最大化策略。
调度
强化学习
产能
26
知识图谱与专家系统
半导体工艺知识图谱构建、基于规则的专家系统与AI混合决策。
知识图谱
专家系统
混合决策
27
系统测试与验证
AI模型的离线测试、在线A/B测试、系统压力测试与稳定性验证。
离线测试
A/B测试
压力测试
28
项目实战：晶圆良率预测系统
从0到1：需求分析、数据准备、模型训练、系统部署全流程。
实战
良率预测
全流程
29
项目实战：设备故障预警系统
传感器数据接入、模型训练、告警推送与可视化。
故障预警
传感器
可视化
30
未来趋势与展望
AI for Semiconductor、Chiplet与异构集成、自主制造工厂的演进路径。
Chiplet
异构集成
自主工厂