製造プロセスにおける費用対効果の高い故障予測のための知識蒸留によるアクティブ・インスペクション

科学分野:

• 製造プロセス最適化 製造プロセス最適化
• 品質管理における機械学習アプリケーション

背景:

• 製造検査は,コストを考慮して基本 (すべての製品) と高度 (サンプル製品) に分類される故障検出に不可欠です.
• 検査データで訓練された機械学習モデルは,故障を予測しますが,基本的なモデルは,高度なモデルと比較して,情報が限られているため,性能が低下します.

研究 の 目的:

• 高精度の基本検査モデルを訓練するための費用対効果の高いアプローチを開発する.
• 蒸留された基本モデルをアクティブ・インスペクション・フレームワークに統合することにより,製造検査の費用対効果を向上させる.

主な方法:

• 基本的なモデルを訓練するために,高度なモデルから知識の蒸留.
• 蒸留された基本モデルを,推論中に選択的なモデル使用のためのアクティブ・インスペクション・フレームワークに組み込む.
• 現実世界の半導体製造データを用いた検証.

主要な成果:

• 提案された知識蒸留法では,基本モデルの高い予測精度を達成します.
• アクティブ・インスペクション・フレームワークは,蒸留された基本的なモデルと高度なモデルの両方を選択的に利用することによって,検査コストを最適化します.
• 半導体製造のケーススタディを通じて有効性が実証されました.

結論:

• 知識の蒸留は,コストを増やすことなく,基本的な検査モデルを強化するための実行可能な解決策を提供します.
• 統合されたアクティブ・インスペクション・フレームワークは,製造品質管理の費用対効果を大幅に改善します.
• このアプローチは,実際の製造環境における検査戦略を最適化するための実用的な方法を提供します.