-
公开(公告)号：CN116911159A
公开(公告)日：2023-10-20
申请号：CN202310646551.4
申请日：2023-06-02
Applicant: 中江联合(北京)科技有限公司
IPC: G06F30/27 , G06F18/214 , G06F119/02
Abstract: 一种基于数据特征分析的工艺参数优化方法及模型，具体步骤为：步骤一：确定需要优化的关键工序；步骤二：收集产品对应关键工序的历史数据；步骤三：通过实验设计方法获取一组工艺参数及其对应的响应变量；步骤四：通过历史数据以及实验数据，构建数学模型；步骤五：根据工艺参数的最优组合，调整实际的工艺参数的取值，达到优化目标。
-
公开(公告)号：CN116720625A
公开(公告)日：2023-09-08
申请号：CN202310731476.1
申请日：2023-06-20
Applicant: 中江联合(北京)科技有限公司
IPC: G06Q10/04 , G06Q10/0639 , G06Q50/04 , G06F18/15 , G06F18/27 , G06N3/0464 , G07C3/00 , G07C3/14
Abstract: 一种基于数据驱动的晶圆良率预测方法，步骤一：收集晶圆制造过程中的数据；步骤二：对晶圆测试数据进行归一化处理；步骤三：采用卷积神经网络CNN提取数据与晶圆良率有关联的特征；步骤四：采用支持向量回归机SVR进行良率预测。本发明采用的卷积神经网络‑支持向量回归良率预测模型，在半导体60V MOS产品实际良率预测时，其效果比深度学习良率预测模型、BPNN晶圆良率预测模型、循环神经网络模型更准确。在现场对连续6个连续批产品进行验证，其准确率高于其他模型4％以上。同时卷积神经网络‑支持向量回归良率预测模型可以应用在其他半导体产品的预测中，具有推广性。
-
公开(公告)号：CN116720476A
公开(公告)日：2023-09-08
申请号：CN202310731463.4
申请日：2023-06-20
Applicant: 中江联合(北京)科技有限公司
IPC: G06F30/398 , G06N3/045 , G06N3/048 , G06N3/084 , G06N3/0985
Abstract: 一种基于差值优化算法的刻蚀预测方法，具体步骤为：步骤一：对仿真数据和实际数据做归一化处理；步骤二：将处理后的仿真数据和实际数据输入ANN神经网络，输出第一预测厚度，进步步骤五；步骤三：将实际数据输入第一RBF神经网络，输出实际刻蚀深度与仿真刻蚀深度差值的预测值；步骤四：通过仿真数据和实际刻蚀深度与仿真刻蚀深度差值的预测值，计算得到第二预测厚度；步骤五：将第一预测厚度和第二预测厚度输入第二RBF神经网络；步骤六：输出最终预测厚度值。
-
公开(公告)号：CN108415393A
公开(公告)日：2018-08-17
申请号：CN201810355693.4
申请日：2018-04-19
Applicant: 中江联合(北京)科技有限公司 , 中国电子科技集团公司第十三研究所 , 西安电子科技大学
IPC: G05B19/418
Abstract: 一种砷化镓产品质量一致性控制方法，具体步骤如下：步骤一：将历史工艺数据整理形成原始模型样本数据库；步骤二：对生产过程中的工艺数据利用人工神经网络进行数学建模；步骤三：产品质量预测，具体为每完成一道产品工序，通过对该道工序的工艺数据利用数学模型进行最终产品质量预测，产品完成后，将产品的实际数据与预测结果数据进行比对，生成产品质量模型报告。
-
Patent Agency Ranking
公开(公告)号：CN116680966A
公开(公告)日：2023-09-01
申请号：CN202310653492.3
申请日：2023-06-02
Applicant: 中江联合(北京)科技有限公司
Abstract: 一种基于代理模型的工艺参数敏感性分析方法，具体步骤为：步骤一：收集实际生产过程中的工艺数据，并进行相关性处理；步骤二：对工艺数据构建数据模型；步骤三：对工艺数据开展全局敏感性分析，确定影响最大的工艺参数。本发明基于代理模型的工艺参数敏感性分析方法和模型通过在八吋线中的实际应用，确定了关键工艺检验结果对产品电性能的影响，以量化的分析结果为工艺优化奠定了基础，工艺人员通过本发明的应用效果结合对产品电性能数据的统计分析，快速制定了优化策略，降低了工艺优化迭代成本和周期。
-
公开(公告)号：CN105259842A
公开(公告)日：2016-01-20
申请号：CN201510776356.9
申请日：2015-11-16
Applicant: 中江联合(北京)科技有限公司
IPC: G05B19/042
CPC classification number: G05B19/0423 , G05B2219/24215
Abstract: 本发明公开了一种对LED数码显示数据进行实时自动采集的智能终端，包括底层、中间层和顶层三层结构，底层采用在PCB板上设置LED数码管发光状态探测装置，在PCB板上正对每个LED数码管的中央处开小孔，在小孔处焊接光电二极管；中间层采用MCU为控制器，MCU上分别连接LED状态识别模块、LED译码模块、二次显示模块、串行通讯总线传输模块；顶层采用LED数码管的形式对LED数码管示数进行二次显示。本发明智能终端的数据采集在设备工作过程中自动实现，剔除了工人专门记录数据、录入数据的环节，减少了操作人员的工作量，数据准确性、可靠性大幅度提高，数据采集的时效性大大提升，实现了实时自动采集。
-
公开(公告)号：CN116842439A
公开(公告)日：2023-10-03
申请号：CN202310678132.9
申请日：2023-06-08
Applicant: 中江联合(北京)科技有限公司
IPC: G06F18/241 , G06N3/0499 , G06N3/086 , H01L21/66
Abstract: 一种基于模型的半导体质量预测方法，具体步骤为：步骤一：使用BP神经网络通过遗传算法计算初始权值和阈值；步骤二：设置初始乘子及惩罚因子；步骤三：训练神经网络；步骤四：判断是否满足专家知识，是则进入步骤五，否则进入步骤六；步骤五：采用增广拉格朗日乘子函数作为训练目标，进入步骤七；步骤六：采用均方误差作为目标函数，进入步骤七；步骤七：判断是否达到目标误差，是则结束，否则进入步骤三。
-
公开(公告)号：CN108594776A
公开(公告)日：2018-09-28
申请号：CN201810356299.2
申请日：2018-04-19
Applicant: 中江联合(北京)科技有限公司 , 中国电子科技集团公司第十三研究所 , 西安电子科技大学
IPC: G05B19/418
Abstract: 一种基于关键工序的砷化镓质量一致性控制方法，采用步骤如下，步骤一：通过工艺过程参数和工艺结果数据的相关性，量化出关键工序的工艺过程参数权重；步骤二：对关键工序的过程参数利用人工神经网络建成工艺质量一致性模型；步骤三：通过产品已完成关键工序的工艺结果数据作为输入，利用工艺质量一致性模型预测本道工序的工艺过程参数和工艺结果数据。本发明可以对多个参数进行综合分析，数据处理能力强大，结果更加精准；可以在生产前提前预测生产的结果并进行反馈，保证生产的质量，降低了生产风险；可以依据预期的生产结果预测合适的工艺参数，具有前瞻性，简化了生产技术。
-
公开(公告)号：CN205353234U
公开(公告)日：2016-06-29
申请号：CN201620016423.7
申请日：2016-01-11
Applicant: 中江联合(北京)科技有限公司
IPC: G01R31/00
Abstract: 本实用新型涉及老化电源，具体涉及一种电子器件老化电源的智能终端，包括电源转换模块、电压采集模块、电流采集模块、电源控制模块、综合管理模块，老化电源电性连接电源转换模块、电压采集模块和电源控制模块，电源转换模块具有单路输入多路输出，电流采集模块采集多路输出的电流信号，电源控制模块、电流采集模块、电压采集模块以及多路电源控制模块分别电性连接至综合管理模块，综合管理模块通电性连接信息化控制系统；本实用新型实现对老化电源的多通道拆分；实现对单通道的独立监控；发生故障后通过网络实时向信息化系统上传报警信息；自动定位故障发生的通道，无需人工测量定位。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.037 seconds)
