(3.236.214.19) 您好!臺灣時間:2021/05/10 08:01
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:::

: 
twitterline
研究生:陳桂嫻
研究生(外文):Kuei Hsien
論文名稱:應用類神經網路與禁忌搜尋法於半導體封裝銲線製程操作參數最佳化之研究
論文名稱(外文):Application of Neural Network and Tabu Search to Find the Optimal Parameter of Wire Bonding Process in Semiconductor Packaging
指導教授:侯東旭侯東旭引用關係
指導教授(外文):Tung-Hsu Hou
學位類別:碩士
校院名稱:國立雲林科技大學
系所名稱:工業工程與管理研究所碩士班
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:2003
畢業學年度:91
語文別:中文
論文頁數:100
中文關鍵詞:半導體封裝銲線製程類神經網路禁忌搜尋法
外文關鍵詞:Tabu Search.Neural NetworkIC packagingWire Bonding Process
相關次數:
  • 被引用被引用:5
  • 點閱點閱:233
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:60
  • 收藏至我的研究室書目清單書目收藏:0
隨著高科技產業蓬勃發展,各種精密電子、電氣產品應具備輕、薄、短、小及多功能等人性化的設計,半導體產業所面臨的衝擊即為晶圓尺之寸擴大以及製程的微縮,其中半導體封裝產業所呈現出的競爭優勢則為高密度與高腳數的封裝體。封裝之銲線製程乃為封裝產業之主要關鍵核心技術,為順應趨勢潮流並將朝向微細間距的高精密度銲線技術發展,主要以50μm的產品為導向,因此有效尋求50μm銲線機台之最佳參數來提昇產能將是一項重要的議題。

有鑑於此,本研究擬以倒傳遞類神經網路建構製程參數與銲接品質特性間之關係,再利用禁忌搜尋法以及改良式禁忌搜尋法求解出各銲點之最佳操作因子,最後比較其求解品質。經研究結果發現類神經網路可有效找出操作因子與品質特性間之關聯性,且應用改良式禁忌搜尋法求解最佳操作參數之解以及其品質較傳統之禁忌搜尋法佳。
With the prosperous development of high tech industry, the trend for electronics products not only has to be light, slimmer, and small, but also has to be multi-functional. The impact of this trend on the semiconductor industry is the in the increase in chip number and wafer size, and decrease in gate length. Therefore, the high density and high pincounts are required in the IC assembly process. In response to this trend, the wire bonding process of IC assembly has to apply the high precision wire bonding technology with fine pitch, and the 50 μm pad pitch will become the main product. Therefore, it is very important to find the optimal wire bonding process parameter of the 50μm pad.

This research applies the back propagation nueral network to model the relationship between the wire bonding process parameters and output quality characteristics. Then a revised Tabu Search approach is used to find the optimal parameters for the process. The result of the revised Tabu Search is compared with that of the original Tabu Search. This research finds that the back propagation neural network can effectively model the relationship between the wire bonding process parameters and the output quality characteristics, and the revised Tabu search generates the better optimal process parameters with better efficiency than the original Tabu Search.
中文摘要 I
英文摘要 II
誌謝 III
目錄 IV
表目錄 VI
圖目錄 VIII

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研究範圍 3
1.4研究流程 3

第二章 文獻探討 5
2.1半導體封裝 5
2.1.1. 半導體封裝製程 6
2.1.2銲線製程 7
2.1.3 銲接製程品質 10
2.2類神經網路(Artificial neural network, ANN) 12
2.2.1類神經網路架構 13
2.2.2倒傳遞類神經網路(Back-Propagation Network, BPN) 17
2.3禁忌搜尋法 18
2.3.1應用禁忌搜尋法於參數設計之相關研究 21
2.4基因演算法 22

第三章 研究方法 23
3.1實驗數據 24
3.2倒傳遞類神經 27
3.3.1倒傳遞類神經網路之參數 30
3.3禁忌搜尋法演算流程 33
3.4改良式禁忌搜尋法 39

第四章 實驗與分析 43
4.1類神經網路訓練 43
4.1.1第一銲點類神經網路架構 43
4.1.2第二銲點訓練網路架構 53
4.2銲線製程最佳參數組合 63
4.2.1第一銲點最佳參數組合 63
4.2.1.1禁忌搜尋法求解 63
4.2.1.2改良式禁忌搜尋法求解 66
4.2.2第二銲點最佳參數組合 69
4.2.2.1禁忌搜尋法求解 69
4.2.2.2改良式禁忌搜尋法求解 72
4.3最佳銲線製程參數比較 75
4.3.1第一銲點 75
4.3.2第二銲點 76

第五章 結論與建議 78
5.1結論 78
5.2建議 79
參考文獻 80
1.林秀玲( 2000),〝 半導體封裝製程參數之設計〞,逢甲大學。
2.陳正雄、張百棧,(2000),〝塔布搜尋法在塑化業排程之應用-以BOPP FILM為例〞,碩士論文,元智大學工業工程研究所。
3.游崇智(1996) ,〝應用類神經網路模擬多變量計量模式於台灣股市之分析與預測〞,中原大學。
4.葉怡成(1998),〝類神經網路模式應用與實作〞,儒林圖書有限公司。
5.黃惠芳(1999),〝積體電路(IC)封裝業〞,產業調查與技術130,pp.14-23。
6.黃�A銘(2002),〝應用田口方法探討半導體封裝之銲線製程50μm銲墊微細間距最佳參數之研究〞,雲林科技大學。
7.鄭錦桐、李錫堤(1996) 台灣股份預測類神經。
8.謝銘鈞,2002,〝永昌證券投資季刊〞,91年第一季季刊。
9.鍾清章(1991),〝田口品質工程導論〞,中華民國品質管制學會。
10.蘇朝墩(2000),產品穩健設計〞,中華民國品質管制學會。
11.Aleksander, I., Morton H.B., Myers C.E. (1990), “HCI: a cognitive neural netprospects”, Neural Nets in Human-Computer Intern., IEEE colloquium Published, pp.1-4.
12.Glover, F.,(1989), “Tabu search – PartⅠ”, Operations Research Society of America Journal on Computing, Vol 1, No.3, pp.190-206.
13.Glover, F.,(1990), “Tabu search – Part II”, Operations Research Society of America Journal on Computing, Vol 2, No.1,pp.4-32.
14.Glover, F., James P. Kelly, Manuel Laguna, (1995), “Genetic Algorithms and Tabu Search hybrids for optimization.” Computers Ops Res., Vol.22, No.1, pp.111-134.
15.Glover, F., and M. Laguna, (1997), “Tabu Search”, Kluwer Academic, Boston.
16.Holland, J.,(1975), “ Adaptation in Neural and Artificial System,” University Michigan Press, Ann Arbor.
17.Li Chunguang, Hongbing Xn, Xiaofeng Liao, Juebang Yu (2003), “Tabu search for CNN template learning” Neurocomputing 51, pp.475-479.
18.M. A. Abido and Y. L. Abdel-Magid,(1999) "A tabu search based approach to power system stability enhancement via excitation and static phase shifter control," Electric Power Systems Research, Vol. 52, No. 2, pp. 133-143
19.Machado, J. M., Y. Shiyou, S. L. Ho, and N. Peihong,(2002), “A common Tabu Search algorithm for global optimization of engineering problem,” computer methods in applied mechanics and engineering Vol.190,pp.3501-3510.
20.Nelson Marilyn McCord, W.T. Illingworth. (1991). “A Practical Guide to NeuralNets, Reading,” Addison Wesley publishing Co.
21.Sexton, R. S, Alidaee, R. E. Dorsey and J. D. Johnson,(1997), “Global Optimization for Artificial Neural Networks: A Tabu Search Application” ,European Journal of Operational Research 106,pp570-584.
22.Vellido, A., Lisboa P.J.G, Vaughan J. (1990), “Neural Networks in Business: a survey of applications.” Expert Systems with Application 17, pp.51-70.
23.Widmer, M. and Hertz, A. (1989)"A New Heuristic Method for Flow Shop Sequencing Problem" EJOR Vol.41, pp.186-193.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊
 
系統版面圖檔 系統版面圖檔