A hierarchical ensemble causal structure learning approach for wafer manufacturing
A hierarchical ensemble causal structure learning approach for wafer manufacturing
复制标题
用于晶圆制造的分层集成因果结构学习方法
DOI：
10.1007/s10845-023-02188-z
复制
发表时间：
2023
影响因子：
8.3
通讯作者：
Shen, Xiaotong
中科院分区：
文献类型：
--
作者：
Yang, Yu;Bom, Sthitie;Shen, Xiaotong
在制造业中，零部件之间的因果关系对于自动化装配线至关重要。识别这些关系允许在没有领域专家的情况下进行错误跟踪和纠正，此外还可以提高我们对复杂系统的操作特性的认识。本文的动机是一个案例研究，重点是解密的因果结构的晶圆制造系统使用的数据，从传感器和异常监视器内部署的装配线。针对晶圆制造数据的多模态、高维、不平衡类和不规则缺失模式等特点，提出了一种层次集成方法。该方法利用了装配线中固有的时间和域约束，并提供了因果发现中的不确定性的度量。我们广泛地研究其操作特性，通过模拟和验证其有效性，通过模拟实验和实际应用，涉及从希捷技术获得的数据。领域工程师已经交叉验证了学习的结构，并证实了所确定的因果关系。
In manufacturing, causal relations between components have become crucial to automate assembly lines. Identifying these relations permits error tracing and correction in the absence of domain experts, in addition to advancing our knowledge about the operating characteristics of a complex system. This paper is motivated by a case study focusing on deciphering the causal structure of a wafer manufacturing system using data from sensors and abnormality monitors deployed within the assembly line. In response to the distinctive characteristics of the wafer manufacturing data, such as multimodality, high-dimensionality, imbalanced classes, and irregular missing patterns, we propose a hierarchical ensemble approach. This method leverages the temporal and domain constraints inherent in the assembly line and provides a measure of uncertainty in causal discovery. We extensively examine its operating characteristics via simulations and validate its effectiveness through simulation experiments and a practical application involving data obtained from Seagate Technology. Domain engineers have cross-validated the learned structures and corroborated the identified causal relationships.
登录
查看更多内容
因果结构知识如何为汽车车身车间装配线的监控添加决策支持
DOI：
--
发表时间：
2020
期刊：
International Joint Conference on Artificial Intelligence
影响因子：
--
作者：
Johannes Huegle;C. Hagedorn;M. Uflacker
通讯作者：
M. Uflacker
DOI：
10.1007/s41060-017-0085-7
发表时间：
2018-08
影响因子：
2.4
作者：
Andrews B;Ramsey J;Cooper GF
通讯作者：
Cooper GF
DOI：
10.1111/j.2517-6161.1977.tb01600.x
发表时间：
1977-01-01
期刊：
JOURNAL OF THE ROYAL STATISTICAL SOCIETY SERIES B-METHODOLOGICAL
影响因子：
--
作者：
DEMPSTER, AP;LAIRD, NM;RUBIN, DB
通讯作者：
RUBIN, DB
影响因子：
16.6
作者：
Runge, Jakob;Bathiany, Sebastian;Zscheischler, Jakob
通讯作者：
Zscheischler, Jakob
流体催化裂化装置根本原因诊断的因果分析
DOI：
--
发表时间：
2015
期刊：
影响因子：
--
作者：
H. Gharahbagheri;S. Imtiaz;F. Khan;Salim Ahmed
通讯作者：
Salim Ahmed