Réseaux Bayésiens pour la classification des causes de défaillances : Application aux systèmes à événements discrets complexes
Résumé
Cet article propose une méthode d'identification et de vérification des dérives de fonctionnement au sein des usines de fabrication des circuits intégrés. L'objectif ici est de proposer un classifieur de causes de défaillances, chacune de ces variables dépendant d'un ensemble de paramètres mesurés. Le modèle proposé est structuré sous la forme d'un graphe probabiliste Bayésien Naïf, ses entrées (paramètres et structures) sont fixées respectivement par des données acquises en ligne et de la connaissance des experts. Les classes recherchées sont modélisées par des variables latentes non mesurées. L'apprentissage de ce réseau probabiliste est assuré par l'algorithme EM (Expectation-Maximisation). L'objectif à terme de nos travaux consiste à la proposition d'un modèle Bayésien pour la prédiction de l'état de santé des équipements de fabrication. Notre contribution réside dans la proposition d'un outil de simulation permettant aux experts de la salle blanche de suivre progressivement le procédé et de prendre des décisions s'il le faut.