English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 82005/82005 (100%)
造訪人次 : 51907430      線上人數 : 3648
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋


    請使用永久網址來引用或連結此文件: https://ir.lib.ncu.edu.tw/handle/987654321/96900


    題名: 應用人工智慧之雷射開槽輪廓自動量測與分析;Automated Measurement and Analysis of Laser-Grooved Profiles Using Artificial Intelligence
    作者: 吳曉光
    貢獻者: 國立中央大學資訊工程學系
    關鍵詞: 雷射切槽技術;高精度量測;人工智慧;自動化品質檢測;製程優化與穩定性;Laser Grooving;High-Precision Measurement;Artificial Intelligence;Automated Quality Inspection;Process Optimization and Stability
    日期: 2025-07-31
    上傳時間: 2025-08-07 17:18:30 (UTC+8)
    出版者: 國家科學及技術委員會(本會)
    摘要: 本計畫旨在解決現有半導體製程中切槽品質檢測的瓶頸,特別是針對雷射開槽技術。隨著低介電常數(Low-k)材料和先進封裝技術(如CoWoS和SiP)的應用,雷射切槽已成為確保晶圓精密切割的重要步驟。然而,現階段的切槽品質檢測仍以人工操作為主,原因在於雷射切槽分析面臨多重挑戰,例如不平整表面、熱熔效應以及光學掃描技術的限制,導致數據中充滿噪聲與誤差,增加自動化分析的難度。這種手動操作不僅耗時低效,且結果易受人為因素影響,難以滿足大規模產線對高效率與高穩定性的需求。 為克服上述挑戰,本計畫提出結合機器學習技術的解決方案,透過自動化的切槽品質檢測系統,精確預測切槽的關鍵參數(如寬度、深度與熱影響區)。 本計畫的研究方法包括四個主要步驟。首先是資料收集與預處理,從白光干涉儀測得的深度圖中提取數據,重點關注切槽剖面。透過數據清洗與特徵標註,移除噪聲與異常數據,確保數據集的準確性與一致性。其次是模型設計與訓練,計畫將開發兩類機器學習模型,包括基於LSTM的高度數據序列分析模型和基於CNN的折線圖分析模型,分別針對高度數據序列與折線圖進行特徵學習與預測。接下來是滾動式模型更新,本計畫設計了結合Fine-Tuning與Transfer Learning技術的滾動式模型更新機制,能持續優化模型性能,確保其適應製程中不斷變化的條件。最後是系統整合與測試,計畫將開發直觀易用的介面,用於展示模型預測結果,並支持數據的可視化與即時調整。系統會在真實產線環境中進行測試,以驗證其穩定性與泛化能力。 此外,但當切槽分析過程實現自動化後,將具備進一步連接物聯網的潛力。這將帶來一系列優勢,包括低延遲的實時數據收集與分析、即時調整雷射參數,以及大規模的設備狀態與環境條件宏觀分析。此舉不僅能提升生產效率與精準度,還有助於實現預測性維護與持續製程優化,為智慧製造奠定堅實基礎並創造更大的經濟價值。 整體而言,本計畫的成功將顯著提升半導體製程的精度與效率,為產業發展提供技術支撐,助力台灣在全球半導體市場中的競爭力。
    關聯: 財團法人國家實驗研究院科技政策研究與資訊中心
    顯示於類別:[資訊工程學系] 研究計畫

    文件中的檔案:

    檔案 描述 大小格式瀏覽次數
    index.html0KbHTML3檢視/開啟


    在NCUIR中所有的資料項目都受到原著作權保護.

    社群 sharing

    ::: Copyright National Central University. | 國立中央大學圖書館版權所有 | 收藏本站 | 設為首頁 | 最佳瀏覽畫面: 1024*768 | 建站日期:8-24-2009 :::
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 隱私權政策聲明