改进的WTCN-Informer模型基于频率增强的频道注意力机制和波形卷积:预测离子蚀刻器冷却系统的剩余使用寿命
Tingyu Ma1, Jiaqi Liu1, Panfeng Xu1
1School of Physics, Liaoning University, Chongshan Campus, Shenyang 110031, China.
Sensors (Basel, Switzerland)
|August 28, 2025
概括
对半导体制造来说,预测制冷系统的剩余使用寿命至关重要. 拟议的FECAM-WTCN-Informer模型显著提高了预测性维护的RUL预测精度.
科学领域:
- 半导体制造业
- 预测性维护
- 机器学习
背景情况:
- 蚀刻在半导体晶片制造中至关重要,直接影响产品质量和芯片性能.
- 冷却系统的健康是蚀机可靠性的关键问题.
- 精确的剩余使用寿命 (RUL) 预测对于蚀刻冷却系统是积极维护的关键.
研究的目的:
- 开发一个先进的模型来预测器冷却系统的RUL.
- 提高半导体制造中的预测性维护策略的准确性和可靠性.
主要方法:
- 提出了FECAM-WTCN-Informer模型,将波形卷积集成到时间卷积网络 (TCN).
- 集成的离散等边变换 (DCT) 和通道注意力机制进入TCN用于多维时间序列特征提取.
- 使用Informer网络根据处理的特征进行准确的RUL预测.
主要成果:
- 与现有最先进的方法相比,FECAM-WTCN-Informer模型的预测性能明显优越.
- 在平均平方误差 (MSE),根平均平方误差 (RMSE) 和平均绝对误差 (MAE) 中取得了显著的改进.
结论:
- 开发的模型对于蚀刻机冷却系统的预测性维护非常有效.
- 拟议的方法为提高半导体制造设备可靠性和运营效率提供了强有力的解决方案.


