基于小样本数据驱动模型的硅片线切割质量预测

简介

在单晶硅加工中,硅片多线切割质量检测耗时和检测成本高造成硅片质量检测难。因此,提出一种基于生成对抗网络(WGAN-GP)数据处理与自注意力残差网络(SeResNet)的硅片质量预测方法。分析多线切割的机制,确定影响硅片质量的工艺参数,建立数据样本,使用WGAN-GP对样本数据进行数据增强。在此基础上,建立基于SeResNet的硅片总体厚度偏差预测模型。以硅片的多线切割加工过程监控数据为模型验证数据,对构建的硅片总体厚度偏差预测模型进行验证。实验结果表明:该模型具有良好泛化性和高准确率,有效解决了小样本数据下的预测难题,实现了平均相对误差小于10%的硅片总体厚度偏差预测,所以基于数据驱动的硅片质量预测来代替硅片加工中的质量检测具有重要的现实意义。