机械工程学报

作者：高鹏捷, 汪俊亮, 张洁

单位：1. 东华大学机械工程学院 上海 201620;2. 东华大学人工智能研究院 上海 201620;3. 上海工业大数据与智能系统工程技术研究中心 上海 201620

关键词：深度神经网络,可解释学习,网络解析,工期预测,半导体生产；

基金：国家自然科学基金(52275478，51905091)和东华大学研究生创新基金(GSIF-DH-M-2022007)资助项目。

晶圆制造工期预测是晶圆制造系统运行优化的核心问题，是保障晶圆产品准时交付的关键。深度学习方法从海量数据中识别规律，在静态环境下的产品工期预测问题中取得了良好的效果。然而，在车间在制品水平等因素动态变化下，当前方法通过构建复杂系统的黑箱模型预测晶圆制造工期，缺乏可解释性，难以阐述模型随系统状态的变动规律。提出一种面向晶圆制造工期预测的可解释深度学习方法(Interpretable deep learning method，IDLM)，具体包括构建脑启发的深度神经网络结构解析模型，从“神经元→神经环路→神经网络”三个层面为预测网络解析提供结构基础；设计工期预测网络的关键神经元识别算法，利用信息熵权规则滤取工期预测网络中的关键神经元；提出工期预测网络关键神经环路搜索算法，快速搜索相似神经元优化组合以得到关键预测环路。试验结果表明，IDLM可在保持工期预测精度的同时提取出预测神经网络的关键神经环路，为动态环境下工期预测网络的自适应优化提供基础。

来源：2024年第22期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2024年第22期