ترجمه فارسی مقاله مجموعه داده های سری زمانی معیار برای ساخت ساخت نیمه هادی ساخته شده با استفاده از مدلهای شبیه سازی رویداد گسسته مبتنی بر مؤلفه

چکیده

Advancements in high-computing devices increase the necessity for improved and new understanding and development of smart manufacturing factories. Discrete-event models with simulators have been shown to be critical to architect, designing, building, and operating the manufacturing of semiconductor chips. The diffusion, implantation, and lithography machines have intricate processes due to their feedforward and feedback connectivity. The dataset collected from simulations of the factory models holds the promise of generating valuable machine-learning models. As surrogate data-based models, their executions are highly efficient compared to the physics-based counterpart models. For the development of surrogate models, it is beneficial to have publicly available benchmark simulation models that are grounded in factory models that have concise structures and accurate behaviors. Hence, in this research, a dataset is devised and constructed based on a benchmark model of an Intel semiconductor fabrication factory. The model is formalized using the Parallel Discrete-Event System Specification and executed using the DEVS-Suite simulator. The time series dataset is constructed using discrete-event time trajectories. This dataset is further analyzed and used to develop baseline univariate and multivariate machine learning models. The dataset can also be utilized in the machine learning community for behavioral analysis based on formalized and scalable component-based discrete-event models and simulations.

چکیده به فارسی (ترجمه ماشینی)

پیشرفت در دستگاه های با محاسبات بالا ضرورت درک و توسعه جدید و توسعه کارخانه های تولید هوشمند را افزایش می دهد.مدل های رویداد گسسته با شبیه سازها برای معمار ، طراحی ، ساخت و بهره برداری از تراشه های نیمه هادی بسیار مهم هستند.دستگاه های انتشار ، کاشت و لیتوگرافی به دلیل اتصال تغذیه و بازخورد آنها فرآیندهای پیچیده ای دارند.مجموعه داده های جمع آوری شده از شبیه سازی مدل های کارخانه نوید تولید مدل های ارزشمند یادگیری ماشین را در خود جای داده است.به عنوان مدلهای مبتنی بر داده های جانشین ، اعدام آنها در مقایسه با مدل های همتای فیزیک بسیار کارآمد است.برای توسعه مدلهای جانشین ، داشتن مدلهای شبیه سازی معیار در دسترس عمومی که در مدل های کارخانه ای که دارای ساختارهای مختصر و رفتارهای دقیق هستند ، مفید است.از این رو ، در این تحقیق ، یک مجموعه داده بر اساس یک مدل معیار یک کارخانه ساخت نیمه هادی اینتل طراحی و ساخته می شود.این مدل با استفاده از مشخصات سیستم موازی گسسته-رویداد رسمی رسمی و با استفاده از شبیه ساز Devs-Suite اجرا می شود.مجموعه داده های سری زمانی با استفاده از مسیرهای زمانی گسسته-رویداد ساخته شده است.این مجموعه داده بیشتر مورد تجزیه و تحلیل قرار گرفته و برای توسعه مدل های یادگیری ماشین تک متغیره و چند متغیره پایه استفاده می شود.همچنین از مجموعه داده ها می توان در جامعه یادگیری ماشین برای تجزیه و تحلیل رفتاری بر اساس مدل ها و شبیه سازی های گسسته مبتنی بر مؤلفه رسمی و مقیاس پذیر استفاده کرد.