邮件系统 轻院首页  |  新闻网  |  信息门户 | 一卡通  设为首页 |  加入收藏  
|
今天是:
首页  学术报告

“轻工论坛”2019年第004期——台湾清华大学汪上晓教授来校做“大数据,机器学习,智能制造在半导体及化工制造过程的应用”学术报告

发布部门:科技处   发布时间:2019-01-07   浏览次数:10

应我校电气信息工程学院邀请,台湾清华大学汪上晓教授来校做“大数据,机器学习,智能制造在半导体及化工制造过程的应用”学术报告。具体事宜如下:

报告题目:大数据,机器学习,智能制造在半导体及化工制造过程的应用

摘要:在本次演讲中我们将介绍人工智慧,大数据,机器学习,智慧制造的一些基本观念,半导体及化学工厂的制造过程的形态,数据收集架构及智能制造进展的情况。

半导体制造过程是一个多站点,多机台,多样品的生产线。基础质量的管控包括统计过程监控,统计品质监控。要实现智能制造,需要在此基础上,建立软仪表,进行批间回馈控制;更重要的是不同产品/不同机台生产信息如何相互传递,以达到最好的协调。然而半导体过程换代快速,很难利用物理模型来建立模型;因此我们将介绍一系列如何利用多变数统计方法,建立数据驱动模型,提供解决方案的范例。

大宗化学过程通常是连续生产过程,生产的安全,品质及能耗需要以回馈控制来维持,大部分的工厂会有基础的PID控制系统。然而由于原料来源变更,产品牌号切换,设备老化等等原因,操作需要经常更动。传统上这些变动需要透过操作员下达一连串PID控制设定来完成。少部分工厂会有以模型预测控制为原理进行优化操作,但使用的模型需要利用实验数据来建立。如果可以直接从工厂海量历史数据中提取有用的信息,建立模型;就可以用以辅助决策,使工厂的操作智能化。大数据的一个重要特征就是数据可能很多,但信息可能很少。因此我们必须使用一些机器学习的方法,以及如套索收缩与贝叶斯推理等统计原理从海量数据中提取有用的信息。

最近人工智能的炒作,使得很多人尝试将深度学习应用于在制造过程。深度学习与传统机器学习最大的不同是处理非结构性资料如图像,文本,语音更加容易。我们会报导Tennessee-EastmanTE)的故障诊断,COSMOSAC sigma profile 的预测等几个学术范例,来探索如发挥深度学习演算法的优势。

报 告 人: 汪上晓

报告时间:2019111日下午16:00-17:00

报告地点:西二楼301

欢迎广大师生参加

科技处

电气信息工程学院

二零一九年一月七日

附:汪上晓教授简介 

    汪上晓,男,工学博士,教授,博士生导师。1978年毕业于美国加州理工大学化学工程系,1981年和1982年美国特拉华大学化学工程学系分获硕士学位和博士学位。1983-1988年担任台湾清华大学化学工程系副教授;1989年开始担任台湾清华大学化学工程系教授;2011-2018年担任台湾清华大学化工系副系主任。2015-2018年担任台湾化工学会会志副总编辑。曾在美国特拉华大学化学工程系、香港科技大学化工系、新加坡国立大学化工系、北京石油大学等学校担任客座教授或从事访问研究工作。

    学术成果:发表学术论文158篇,引用次数3213,其中他引次数3095H-index291992年在AIChE Journal上发表了著名的“Wong-Sandler混合规则”热力学混合定律,在现代化工领域被广泛采用。1993年获得台湾国科会杰出研究奖,2014年获得台湾清华大学工学院杰出导师奖。

    汪上晓教授所带领的研究团队与台湾积体电路公司、台湾中油股份有限公司、台塑集团、新鼎仪控等公司有丰富的合作经验。

    研究领域:多变量统计过程控制;软测量;半导体制造先进控制;化工过程强化,整合,控制及优化;大数据分析/智慧制造/人工智慧在过程系统工程的应用



联系我们 | 管理入口 | 投稿信箱
郑州轻工业学院综合信息门户网版权所有 地址:郑州市东风路5号(450002) 后台管理
技术支持:网络管理中心 投稿信箱:tougao@zzuli.edu.cn