XXVIII Mostra Unisinos de Iniciação Científica e Tecnológica

XXVIII MOSTRA UNISINOS DE INICIAÇÃO CIENTÍFICA E TECNOLÓGICA De 07/06/2021 a 10/06/2021 Unisinos São Leopoldo e Porto Alegre 298 Inscrição: 4949141 - apresentação oral ANTECIPANDO FALHAS ATRAVÉS DA PREDIÇÃO DA NÃO-LINEARIDADE DE VARIÁVEIS DE AMBIENTE COM REDES NEURAIS: UM ESTUDO DE CASO NA CONFECÇÃO DE SEMICONDUTORES Autor(a): Mateus Begnini Melchiades Coautor(es): Lincoln Vinicius Schreiber, Cesar David Paredes Crovato, Rodrigo Ivan Goytia Mejia, Rodrigo da Rosa Righi Orientador(a): Gabriel de Oliveira Ramos Instituição: Unisinos (Outras - Alunos Unisinos) Área de conhecimento: Ciências Exatas e da Terra - PPG em Computação Aplicada O seguinte trabalho tem como objetivo antecipar falhas em um pro- cesso de fabricação de semicondutores através da predição da não-li- nearidade em sensores relacionados ao mesmo através de redes neu- rais. Mais precisamente, utiliza-se como caso de estudo a manufatu- ra de D-RAM na empresa HT Micron, a qual foi equipada com di- versos sensores de ambiente como medidores de ponto de orvalho e resistividade de água deionizada, ambos escolhidos como priorida- des para o trabalho, como parte do projeto Intelligent Factory. A de- tecção prévia de momentos onde haverão variações significativas nas variáveis de ambiente mostra-se como uma ferramenta crucial capaz de indicar degradação em máquinas, erro humano ou problemas no processo em si. Como o caso estudado lida com variáveis influencia- das por um sistema de controle industrial, não é possível enviar me- dições ‘cruas’ para o modelo, uma vez que as mesmas não variam li- vremente devido a atuadores na fábrica, além de possuírem proprie- dades autocorrelativas, que degradam a capacidade de predição da rede neural. Com isso em mente, uma alternativa superior é a utili- zação da não-linearidade normalizada, uma vez que sua presença em uma série temporal é comumente atribuída a variações no valor es- perado. A não-linearidade em um sensor, transformada em uma sé- rie temporal com o mesmo tamanho da série recebida como parâme- tro, é determinada por janelas rolantes do cálculo do RMS da média