跳到主要內容

臺灣博碩士論文加值系統

(18.97.14.81) 您好!臺灣時間:2025/02/13 06:59
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:戴士傑
研究生(外文):Shih-Chieh Tai
論文名稱:CMAC神經網路在半導體晶圓缺陷之辨識系統的設計
論文名稱(外文):Design of CMAC Neural Networks for the Identification and Classification of Semiconductor Wafer Defects
指導教授:鍾雲恭鍾雲恭引用關係
指導教授(外文):Yun-Kung Chung
學位類別:碩士
校院名稱:元智大學
系所名稱:工業工程研究所
學門:工程學門
學類:工業工程學類
論文種類:學術論文
論文出版年:1999
畢業學年度:87
語文別:中文
論文頁數:183
中文關鍵詞:半導體晶圓CMAC神經網路紋路分析灰階值共生矩陣
外文關鍵詞:semiconductor waferCMAC neural networkstexture analysisgray level co-occurrence matrix
相關次數:
  • 被引用被引用:2
  • 點閱點閱:383
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:1
半導體製程自動化的發展過程中,缺陷檢測自動化是相當重要的一環,因為相對於採用人工檢測方式,自動化的缺陷檢測系統具有以下優點:可以減少必須經過特殊訓練之檢視人工的需求、使人們不需從事枯燥且重複性的工作、利於保存與分析檢測資料以供管理決策、使檢測作業與生產排程能夠配合,並保持檢測水準的一致性與精確性,這些作業特性皆可以有效的提昇生產效率與降低生產成本;因此本文針對半導體晶圓(semiconductor wafer)較常發生的五種缺陷(短路、斷路、污點、氧化洞、突出物)建構一套缺陷辨識系統。首先透過紋路分析之灰階值共生矩陣法(gray-level co-occurrence matrix method)擷取出晶圓缺陷影像的紋路特徵,再利用CMAC(cerebellar model articulation controller)神經網路予以訓練學習而達到缺陷辨識之目的。經由實驗結果顯示由於CMAC神經網路具有區域性的歸納能力與快速的計算架構,使得CMAC神經網路在訓練上能夠快速收斂,且在缺陷辨識準確率方面亦有不錯的成效,非常適合線上即時檢測。

The automatic visual inspection is an important stage in the development of semiconductor manufacturing automation. It can greatly reduce the manual operation and training cots, decrease the tedious re-works, save the manufacturing data used as the information for manufacturing decision making and meet the production schedule with inspection activity in which the inspection quality including both consistency and accuracy is kept. Due to these advantages of the automatic visual inspection, this thesis investigates the five defects that may occur on the surface of a semiconductor wafer, short circuit, open circuit, spot, oxide hole, and inclusion, proposes a CMAC neural networks approach to inspect and identify the image of the five defects. Gray level co-occurrence matrices used in texture analysis are built up by the extraction of texture features of a defect wafer. A number of experiments show that the CMAC network is an appropriate tool, quick training and high accurate inspection rate, used on a real-time inspection production line.

第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 2
1.3 研究架構 2
1.4 研究範疇 4
1.5 論文章節簡介 4
第二章 文獻探討 6
2.1 神經網路 6
2.1.1 神經網路的特性 7
2.1.2 神經網路的組成架構 8
2.1.3 神經網路的架構分類 11
2.1.4 神經網路的運作 12
2.1.5 神經網路之相關文獻 12
2.2 紋路分析 17
第三章 半導體晶圓的介紹 22
3.1 矽晶圓簡介 23
3.2 晶圓製造 24
3.3 欲辨識之晶格缺陷種類 28
第四章 CMAC神經網路 30
4.1 模式簡介 30
4.2 CMAC網路結構 30
4.3 網路各層之間的映射程序 32
4.3.1 輸入向量映射到感測向量層 32
4.3.2 感測向量層映射到關聯向量層 33
4.3.3 關聯向量層映射到真實記憶體向量層 34
4.3.4 CMAC網路的輸出 35
4.4 CMAC網路的學習法則 35
第五章 辨識系統的建構 37
5.1 影像定義 38
5.2 調整影像灰階值 40
5.3 紋路分析 44
5.3 紋路特徵運算 49
5.4 CMAC神經網路的學習演算法 51
5.4.1 網路參數設定階段 52
5.4.2 網路學習階段 54
5.4.3 網路辨識階段 56
5.5 雜湊搜尋法 58
5.5.1 雜湊函數 60
5.5.2 雜湊碰撞 61
5.5.3 CMAC神經網路的雜湊運算 63
第六章 實驗結果與分析 66
6.1 實驗說明 66
6.2 調整影像灰階 67
6.3 灰階值共生矩陣之參數分析與選定 68
6.4 CMAC神經網路的辨識與分析 69
6.5 CMAC與倒傳遞神經網路的比較 76
6.5.1 BPN網路簡介 76
6.5.2 BPN網路架構 76
6.5.3 BPN網路演算法 77
6.5.4 CMAC與BPN的差異 79
6.6 系統操作 80
6.6.1 系統安裝 80
6.6.2 視窗環境簡介 83
6.6.3 操作範例 84
第七章 結論與未來展望 93
7.1 結論 93
7.2 未來展望 95
參考文獻 96
附錄一 紋路分析的實驗資料 99
附錄二 CMAC網路的訓練樣本與測試樣本 113
附錄三 320組CMAC網路參數的測試結果 119
附錄四 27組CMAC網路參數的測試結果 129
個 人 簡 歷 183

1. Albus, J. S., "A new approach to manipulator control:the cerebellar model articulation controller(CMAC)," ASME Journal of Dynamic Systems, Measurement, and Control, Vol. 97, pp. 220-227, 1975.
2. Albus, J. S., "Data stroage in the cerebellar model articulation controller(CMAC)," ASME Journal of Dynamic Systems, Measurement, and Control, Vol. 97, pp. 228-233, 1975.
3. An, P. E., M. Brown, C. J. Harris, A. J. Lawrence and C. G. Moore, "Associative memory neural networks: adaptive modelling theory, software implementations and graphical user interface," Engng Applic. Artif. Intell., Vol. 7, No. 1, pp.1-21, 1994.
4. Bajaj, R., S. Chaudhury, "Signature verification using multiple neural classifiers," Pattern Recognition, Vol.30, No. 1, pp.1-7, 1997.
5. Burgin G., "Using cerebellar arithmetic computers," AI Expert, June, pp.32-41, 1992.
6. Chou, P. B., A. R. Rao, M. C. Sturzenbecker, F. Y. Wu and V. H. Brecher, "Automatic defect classification for semiconductor manufacturing," Machine Vision and Applications, Vol. 9, pp. 201-214, 1997.
7. Conners, R. W. and C. A. Harlow, "A theoretical comparison of texture algorithms," IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 2, No. 3, pp. 204-222, 1980.
8. Ellison, D., "On the convergence of the multidimensional Albus perceptron," The International Journal of Robotics Research, Vol. 10, No. 4, August, pp. 338-357, 1991.
9. Gool, L.V., P. Dewaele, A. Oosterlinck, "Texture Analysis Anno 1983," Computer Vision, Graphics, And Image Processing, Vol. 29, pp. 336-357, 1985.

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
1. 66. 龍飛,「對中共推行國家公務員制度之評析」。中共研究。第27卷第6期。1993年2月。頁33。
2. 63. 鄭乃文,「中共人事行政機構組織體系之研究」。共黨問題研究。第20卷第4期。1994年四月。頁17~68。
3. 63. 鄭乃文,「中共人事行政機構組織體系之研究」。共黨問題研究。第20卷第4期。1994年四月。頁17~68。
4. 61. 蕭雲,「一九九五年的中共政治」。中共研究。第30卷第1期,1996年1月。頁23~35。
5. 56. 蔡良文,「中共人事制度與人事機構之探討」。人事行政。第109期。1994年5月。頁52~61。
6. 61. 蕭雲,「一九九五年的中共政治」。中共研究。第30卷第1期,1996年1月。頁23~35。
7. 56. 蔡良文,「中共人事制度與人事機構之探討」。人事行政。第109期。1994年5月。頁52~61。
8. 55. 蔡良文,「中共人事制度之研析」。人事行政。第97期。1991年5月。頁76~90。
9. 66. 龍飛,「對中共推行國家公務員制度之評析」。中共研究。第27卷第6期。1993年2月。頁33。
10. 55. 蔡良文,「中共人事制度之研析」。人事行政。第97期。1991年5月。頁76~90。
11. 38. 唐代望,「中共公務員制度與幹部制度比較研究」。人事行政。第113期。1995年5月。頁54~65。
12. 38. 唐代望,「中共公務員制度與幹部制度比較研究」。人事行政。第113期。1995年5月。頁54~65。
13. 37. 許立倫,「論中共國家公務員制度之建立」。人事行政。第113期。1995年5月。頁48~53。
14. 37. 許立倫,「論中共國家公務員制度之建立」。人事行政。第113期。1995年5月。頁48~53。
15. 29. 邱志淳,「中共國家公務員培訓制度與人事管理功能」。人事行政。第125期。1998年7月。頁37~41。