We streven ernaar om nauwkeurige en effectieve tijdreeksvoorspellings-/synthesemodellen te ontwerpen die de prestaties van depositie en de wafer vastleggen in een grote ontwerpruimte van systeem- en verwerkingsconfiguraties. Vervolgens begeleiden we de procesoptimalisatie om het waferfoutpercentage te verlagen.
Om een dergelijk doel te bereiken, zullen we de volgende onderzoeksvragen behandelen: (i) hoe een groot aantal tijdreeksen te modelleren die een complexe ruimtelijk-temporele afhankelijkheid van exogene systemen en controlevariabelen vertonen, (ii) hoe de tijdreeksmodellen te updaten op basis van de realtimestromen en geschatte datadrift, (iii) hoe modellen te federeren (d.w.z. te distribueren en te aggregeren) over systemen/processen op basis van hun datadistributie en -omstandigheden (bijv. één monolithisch model versus meerdere kleine modellen) en (iv) hoe data het beste te benutten over processen, systemen en klanten terwijl de vertrouwelijkheid van de data behouden blijft.
FedDepo zal deze vragen beantwoorden in vier werkpakketten en de verwachte resultaten zullen de uitdagingen van acute anomalievoorspelling voor depositie oplossen en open samenwerking tussen actoren in de halfgeleiderproductie mogelijk maken zonder datamonsters te delen. Deel I zal zich specifiek richten op het bouwen van tijdreeksmodellen en -paradigma's, terwijl deel II zich zal richten op de integratie met dataverzameling en federatief leren om datadrift aan te pakken. We zullen ons richten op deel I in dit voorstel en deel II in het daaropvolgende voorstel.