MétaCan
Menu
Retour à la cohorte
Enregistrement W1982535162 · doi:10.1109/iemc.2002.1038470

An online integrated operational decision support system with predefined knowledge base for semiconductor industry

2003· article· en· W1982535162 sur OpenAlexaff
V. Divate, P. Saengpongpaew

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueScheduling and Optimization Algorithms
Établissements canadiensAdvanced Micro Devices (Canada)
Organismes subventionnairesnon disponible
Mots-clésComputer scienceVariety (cybernetics)Knowledge baseDecision support systemProduction (economics)Event (particle physics)Reliability engineeringEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

We have developed an online predefined knowledge-based decision support system for AMID (Thailand) Ltd. It is a single interactive, computer based decision-making system for a large variety of operations, tasks, and conditions, which don't require special programming skills for maintenance. AMD is dealing in the manufacture of flash memory with a variety of devices. Each device has several common or device specific rules. Each production lot has to pass through a series of different engineering rules to get released. Each rule is defined by an experienced engineer and shared in a centralized common database. Each device has got a different program as per the type of package and the type of booting. If we combine all variables the scenario will become very complicated. For e.g. Millions of flash memory/week, thousands of lots/week, hundreds of test program, devices, packages and a series of common and device specific rules of each device to be applied on each lot. The system has to make several calculations on production data to validate each rule applied on that device. Secondly, the fault diagnosis and the decisions should come online immediately after such an event. The system has proved to be an error free system and the best decision making tool on production environment; so this paper describes a deep-knowledge base management and use of online decision support system shell for diagnosing faults in manufacturing operations of the semiconductor Industry with real world application.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,027
Tête enseignante GPT0,258
Écart entre enseignants0,232 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetScheduling and Optimization AlgorithmsTravaux en français237 207