以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：52

、訪客IP：3.17.74.27

姓名	陳冠廷(Kuan-Ting Chen)  查詢紙本館藏	畢業系所	機械工程學系
論文名稱	應用機器學習於SiC表面雷射加工之研究
相關論文	★ 自動平衡裝置在吊扇上之運用 ★ 以USB通訊界面實現X-Y Table之位置控制 ★ 液體平衡環在立式轉動機械上之運用 ★ 液流阻尼裝置設計與特性之研究 ★ 液晶電視喇叭結構共振異音研究 ★ 液態自動平衡環之研究 ★ 抑制牙叉式機械臂移載時產生振幅之設計 ★ 立體拼圖式組合音箱共振雜音消除之設計 ★ 電梯纜繩振動抑制設計研究 ★ 以機器學習導入電梯生產結果預測之研究 ★ 新環保冷媒R454取代R410A冷媒迴轉式單缸壓縮機效能分析與可靠性驗證 ★ 高速銑削Al7475-T7351的銑削參數與基因演算法研究 ★ 自動化鞋型切削機之設計與實現 ★ 以FPGA為基礎之精密位置控制IC ★ CNC三維圓弧插補器 ★ PID與模糊控制在營建工程自動化的探討
檔案	[Endnote RIS 格式]    [Bibtex 格式]    [相關文章]   [文章引用]   [完整記錄]   [館藏目錄]   至系統瀏覽論文 ( 永不開放)
摘要(中)	SiC 為第三代半導體的重要原料，因具有寬能隙、耐高溫、耐 高壓與低耗損等特性，是目前產業界主要的發展方向之一。SiC 的 硬度極高，亦造成生產時間及成本的耗費。化學機械研磨為目前半 導體晶圓主要的拋光技術，為有效提升 SiC 晶圓拋光製程之材料移 除率，利用飛秒雷射輔助加工技術進行 SiC 晶圓表面改質及材料移 除，使其有效縮短後續化學機械研磨加工時間，提升產能，增加 SiC 的工業應用。本論文以上述為出發點，目標在建立一 SiC 雷射表面 加工品質預測模型，收集 SiC 雷射表面加工之雷射相關參數與加工 品質，以常見的機器學習演算法如決策樹、隨機森林、Extra Trees、 Gradient Boosting 及 Stacking 建立模型，了解各雷射加工參數與加 工品質之間的關係，穩定加工品質，作為日後與 SiC 相關雷射加工 之研究準備。
摘要(英)	SiC is an important raw material for third-generation semiconductors. Because of its wide energy gap, high temperature resistance, high pressure resistance, and low loss, it is one of the main development directions of the current industry. The hardness of SiC is extremely high, which also causes the consumption of production time and cost. Chemical mechanical polishing is currently the main polishing technology for semiconductor wafers. In order to effectively improve the material removal rate of the SiC wafer polishing process, femtosecond laser assisted processing technology is used to modify the surface of SiC wafers and remove materials to make it effective Shorten the follow-up chemical mechanical grinding processing time, increase production capacity, and increase the industrial application of SiC. This paper takes the above as the starting point and aims to establish a SiC laser surface processing quality prediction model. Collect laser-related parameters and processing quality of SiC laser surface processing, and build models with common machine learning algorithms such as decision trees, random forests, Extra Trees, Gradient Boosting and Stacking, Understand the relationship between laser processing parameters and processing quality, stabilize processing quality, and prepare for future research related to SiC laser processing.
關鍵字(中)	★ SiC ★ 飛秒雷射 ★ 機器學習	關鍵字(英)	★ SiC ★ femtosecond laser ★ machine learning
論文目次	中文摘要 ii ABSTRACT iii 誌謝 iv 目錄 v 圖目錄 vii 表目錄 viii 一、緒論 1 1-1 研究動機與目的 1 1-2 文獻回顧 3 1-3 論文架構 5 二、實驗設備及研究方法 6 2-1 SiC材料 6 2-2 飛秒雷射規格介紹 7 2-3 飛秒雷射加工SiC表面 7 三、機器學習演算法 9 3-1 隨機森林(Random Forest) 9 3-1-1 Bagging 9 3-1-2 決策樹 9 3-1-3 隨機森林訓練方式 13 3-2 Extra Trees(極限樹) 14 3-3 Gradient Boosting(梯度提升技術) 14 3-3-1 Gradient Boosting算法 16 3-3-2 正規化 17 3-4 K最近鄰居法(K-Nearest Neighbor, KNN) 18 3-5 Stacking 20 四、實驗結果 22 4-1 實驗環境建置與軟硬體設備 22 4-2 資料收集與變數選取 23 4-3 資料預處理 24 4-3-1 缺失值處理 24 4-3-2 資料正規化 25 4-4 交叉驗證(Cross-validation) 26 4-5 多種機器學習模型建構與訓練結果 28 4-5-1 隨機森林模型訓練結果 28 4-5-2 Extra Trees模型訓練結果 30 4-5-3 Gradient Boosting模型訓練結果 32 4-5-4 K最近鄰居法模型訓練結果 34 4-5-5 Stacking模型訓練結果 36 五、結論與未來展望 38 六、參考文獻 40
參考文獻	﹝1﹞ Wei-Hsu Chang, Yu-Chung Huang, Ren-Jie Lin ,“Applications of Single Crystal SiC in Microelectronic Devices and Microsensors”,科儀新知第二十四卷第四, 2003. ﹝2﹞ Binbin Meng, Jian Zheng, Dandan Yuan, Shaolin Xu, “Machinability improvement of silicon carbide via femtosecond laser surface modification method”, Applied Physics A 125, 2019. ﹝3﹞ Cengwu Wang, Syuhei Kurokawa, Toshiro Doi, Julong Yuan, Yasuhisa Sano, Hideo Aida, Kehua Zhang,and Qianfa Deng, The Polishing Effect of SiC Substrates in Femtosecond Laser Irradiation Assisted Chemical Mechanical Polishing (CMP), ECS Journal of Solid State Science and Technology, P105-P112, 2017. ﹝4﹞ Leo Breiman, RANDOM FORESTS, 2001. ﹝5﹞ Pierre Geurts, Damien Ernst, Louis Wehenkel, Extremely randomized trees, Mach Learn , 2006. ﹝6﹞ Leo Breiman, ARCING THE EDGE, Statistics Department, University of California, Berkeley, June 1997. ﹝7﹞ Cheung Rebecca, Silicon carbide microelectromechanical systems for harsh environments, Imperial College Press, 2006. ﹝8﹞ S. Goel, W. Bin Rashid, X. Luo, A. Agrawal, V.K. Jain, J. Manuf. Sci. Eng. 136, 021015, 2014. ﹝9﹞ X. Jia, T.Q. Jia, L.E. Ding, P.X. Xiong, L. Deng, Z.R. Sun, Z.G. Wang, J.R. Qiu, Z.Z. Xu, Opt. Lett. 34, 788 ,2009. ﹝10﹞ Y. Zhang, X. Jia, P. Xiong, T. Jia, Chin. Opt. Lett. 8, 1203 ,2010. ﹝11﹞ Mason, L., Baxter, J., Bartlett, P. L., Frean, Marcus, Boosting Algorithms as Gradient Descent in Function Space, May 1999. ﹝12﹞ Cheng Li, A Gentle Introduction to Gradient Boosting, 2018. ﹝13﹞ Cover, T., Hart, P., Nearest neighbor pattern classification, IEEE transactions on information theory, 13(1), 21-27, 1967. ﹝14﹞ Breiman, L., Stacked Regression, Machine Learning, 24, 1996.
指導教授	董必正(Pi-Cheng Tung)	審核日期	2021-10-13
推文	facebook   plurk   twitter   funp   google   live   udn   HD   myshare   reddit   netvibes   friend   youpush   delicious   baidu
網路書籤	Google bookmarks   del.icio.us   hemidemi   myshare