良率爬升提速17.6%
该框架利用虚拟量测和预测控制，在迭代中保持良率稳定上升，显著缩短从试产到稳定量产的时间。
许鸿伟 · Zhang, Qihua · 孙衍宁 · Qun-Long, Chen · 秦威 · 吕佑龙 · 张洁
Journal of Manufacturing Systems 2024
预测控制将工艺参数设定为理论最优值进行试产验证，缓解制造过程中的不确定性波动，保证良率逐次稳定上升。
通过精炼良率获取的学习周期（含故障检测）和多批次良率预测，提高学习效率，整体将爬升时间缩短近17.6%。
通过缺陷溯源的可解释性方法，快速定位良率问题，加速失效分析反馈给设计公司。