基于误差注意力的晶圆制造数据异常检测

摘要

针对晶圆制造数据异常检测过程中异常特征提取难度大且检测效率不高的问题,提出了一种基于误差注意力的晶圆制造数据异常检测方法.在保持数据分布不变的前提下,将晶圆制造数据转化成灰度图像,根据与正常样本的误差对灰度图像生成基于位置的柔性注意力图,增加误差特征的显性表达并略去冗余特征;利用深度学习神经网络LeNet-5模型将注意力图进行卷积训练,得到异常检测的最优化模型.采用晶圆制造数据集与现有方法进行对比,所提方法耗时缩短160％、F2-Score提高3％,证明了所提方法的有效性.