（机械设计及理论专业论文）高亮度led芯片制造工艺知识挖掘方法的研究及应用.pdf

摘要 知识发现是指从数据集中识别出有效的、新颖的、潜在有用的，以及最终可 理解的模式的处理过程。粗集理论是一种处理模糊和不确定知识的数学工具。目 前，基于粗集理论的知识挖掘方法已经成为知识挖掘的主要方法之一。 本文主要研究知识挖掘方法在高亮度l e d ( l 畦扯e r n i 衄l gd i o d e ，发光二极 管) 芯片制造过程中的具体应用。在综述国内外知识挖掘和粗集理论研究与应用 的基础上，通过对高亮度l e d 芯片制造工艺过程的分析和研究，总结其中的知识 并进行分类，提出了基于粗集理论的高亮度l e d 芯片制造工艺知识挖掘系统模 型，研究了知识挖掘过程如何实现，并且开发了一个具有数据输入、信息查询和 知识挖掘等功能的原型系统。论文的主要内容包括： 1 ) 首先分析论文的研究背景和国内外相关理论的研究现状，研究l e d 芯片 制造工艺知识挖掘的意义。研究基于粗集理论知识挖掘的基本原理，讨论了连续 属性的离散化、相对约简和相对核、属性的依赖度以及属性的重要度等知识挖掘 所用到的概念和方法，并对基于粗集理论的属性约简进行了详细的分析。 2 ) 分析l e d 芯片的整个生产制造过程、各关键制造工序的基本原理和特性 参数，确定哪些数据可以作为挖掘目标数据、要挖掘什么类型的知识、如何用挖 掘的知识进行决策。 3 ) 研究知识挖掘系统模型在整个l e d 芯片制造过程的应用，知识挖掘过程 是如何实现的。包括基于粗集的知识挖掘模型的建立、高效属性约简和值约简方 法的具体应用、决策规则知识的获取和知识的表达等。 4 ) 在上述理论方法研究的基础上，研究开发了高亮度l e d 芯片制造工艺知 识挖掘的原型系统。可以通过该系统输入各类制造工艺信息，对芯片制造信息进 行综合查询，并对l e d 芯片制造过程进行知识挖掘。最后通过一个挖掘示例演示 了系统的运行，验证本文研究理论的可行性和实用性。 关键词高亮度l e d 芯片；制造工艺；知识挖掘；粗集；属性约简；决策知识 三查三! ! 奎兰三兰堡圭兰竺堡圣 a b s t r a c t k n o w l e d g cd i s c o v e w 血凼诅b a s e si sm ea d v a l l c e dp r o c e s so fi d 咖研n g h d ， n o v e l ，p o t e n n a l l yu s e m l ，a i l du 1 血m t e l yu i l d e r s t a l l d a b l ep a 忱m si nd a 饥r 伽g hs e t 血e o r yi san e wm a 山e m 撕c a l 伽lm a td e a l s 、v i 血v a g u e n e s sa n du n c e 嘣n 耻a tp f e s e 吣 血e l e d g ed i s c o v e qr n e t h o db a s e do nr o u 曲s e t 廿啪i yh a sb e e no n eo f 廿l e 岫 m e t l l o d so f i m o w l e d g ed i s c o 、唰y m “sp a p 幽em o s t 础煳hw o r kf o c u s e do n 吐l ea p p l i c 撕o no fk n o w l e d g e d i s c o v c r ym e 怕di 1 1m em a l l u f a c 嘶p r o c e s so f 衄l e d ( h 蜘酗曲t n e s sl i 曲t e r n j t c i n gd i o d e ) c h i p n r o u 曲a i l a l y z 崦a n dr e s e a r c h i n gm em a n u 白咖r ep r o c e s so f 皿一l e d c | l i p ， a f l d s m 瑚a i i z i n g 血ch l o w l e d g e o fm 锄血c t u r ep r o c e s s ， 血e a r c 上l i 协m l r eo fr o u g hs e t sb a s e di m o w l e d g cd i s c o v e i ys y s t e mf o r 廿l em a n u f k t u r e p r o c e s so f 皿一l e dc h j pw a sp r o p o s e dh o wt or 酬i z et h e 删血1 9p r o c e s sw a sb e e n s t u d i e d ，a n dap r o t o 帅es y s t e mb yw l i c ho p e r a t o rc a i li n p u td a 饥r e 晡e v ei n f 0 咖州o n a b o u th b - l e dc l l i pp p o c e s sa n dd i s c o v e r1 ( n o w l e d g cw a sd c v e l o p e d 1 1 1 ei 1 1 a i l lw o r ko f t h i sp a p e rc o 岫e d ： 1 ) f 酶to fa l l ，m er e s e 疵hb a c 姆r o u l l da n dm eo v e r s e a sa r l dh o m er e s e a r c h s i t 咖o nw e r ea i l a l y z e d ，a n dt 1 er e s e a r c h i n gs i 鲫f i c a n c eo fk n o w l e d g ed i s c o v e 叫f o r 让l em a n u f a c t u r ep n o c e s so ft t l eh b l e dc h i p 1 1 1 ep a p e rs t u d i e d 廿l e 缸n d 锄e n i a l p r i n c i p a l so fr 0 u 曲s e tb a s e dh o w l e d g cd i s c o v c d 血ec o n c 印t sa j l dm e t l l o d sw h j c h w o u l db eu s e d ，s u c ha st 1 1 ed i s c r e c em e f h o d so ft h ec o m i n u 血ga t m u t e s ，廿1 er e l a t i v e r e d u c d o na n dr e l a t i v ec o r e ，山ed 印e n 山b i l 时a n ds i 鲥6 c a l l c eo fa 州b u t e sw 它r e d i s c u s s e d ，a n da 嘶b u t er e d u 嘶o nb a s e do nr o u 曲s e tw a sa l s oa n a l y z e d 2 ) s e c o n d ，i t 删”e d 血ew h o l ep r o c e s so f l e dc h i pm a n u f a c t i l r ea n dm e p d n c i p l e sa 1 1 dc 1 1 a r a c t 甜s d cp a r 锄咖o f k e yw o r k m gp r o c e d u r e s ，t | l e n i tw a sb e e n d e f i n e dt i l a tw l a tt | l et a l 翟md a t ao f l m o w l o 电ed i s c o v e r ya 1 1 dl o w l e d g et y p e s ，a n d 血e d e c i s i o n - m 蛐go f l d l o w l e d g e ， 3 ) t h e n 吐l ep a p e rs t u d i e dt h e 印p b c a 廿0 no f t l l ek n o w l e d 萨d i s c o v e r ym o d e l 氍) r l e d c l i pm a n u 危c t u r ep r o c e s s ，l m o w l e d g ed i s c o v e r yp r o c e s sw a se x p o u r l d e d ， i i i 1 c l u d i n gt h es 仰c t u r co f r o u 曲s e tb a s e dh o w l e d g ed i s c o v e mm ea p p l i c a d o no f e m c i e l l tm e 山o d so f a t 晡b u t er e d u c d o nm dv a l u er e d u c d o n ，觚dh o wt oo b 协i 1 1t l l em i e k n o w l e d g ea n dt 0e x p r e s st i l eh o w l e d g e 4 ) f i i l a l l y ，b a s c do fm es t u d yo ft 1 e o l ya n dm e 血0 d ，ap r o t o 帅es y s t e m o f k n o w i e d g ed i s 。0 v e r y 醯吐l em a n u 姐p r o c c s so f t h ef 毋- l e dc 埘pw a sd e v e l o p e d o p c r a c o rc a l li n p u tm a n u 缸t u r ep i e s s ，q u e i ya n dl a l o w l e 电ed i s c o v e 珥f h l a l l y ，a p m c d c a le x 锄p l ei s 百v e n t ov 州母沁诧a s i b i l i 可a n dp r a c 6 c a b i l i 哆 k e yw o r d s ：h b - l e dc k p ；m 踟怕m rp r o c e s s ；r o u 曲s e t ；k n c ) w l e d g ed i s c a v e r y ： d e c i s i o nk n a w i 。d g c ；a t 研b u t er e d u c d o n 1 第一章绪论 1 1 引言 第一章绪论 发光二极管( l i g h te r n i t | 岫gd i o d e ，简称l e d ) 是一种把电能转化为光能的发 光器件。它是在半导体p n 结、双异质结或多量子阱结构上通以正向电流发出可 见光、红外光或紫外线光的光发射器件。l e d 尤其是高亮度l e d 广泛应用于大 屏幕全彩显示、照明灯具、多媒体显像、l c d 背光源、汽车、交通信号灯、自动 控制、仪器仪表等领域。由于l e d 具有功耗低、体积小、可靠性高、寿命长和响 应快等优点，正逐渐取代白炽灯和目光灯在照明市场的主导地位，成为2 1 世纪的 新光源。 高亮度l e d 芯片产品的设计与制造是半导体照明产业的核心组成部分，如何 保证l e d 芯片产品设计与制造的质量，提高其水平成为制约企业和该产业发展的 关键。 l e d 产品的设计制造是一个知识密集型过程，整个制造过程的技术工艺非常 复杂，而且基于不同的技术条件和产品市场划分，不同的l e d 厂家均有各自独特 的工艺流程。从上游的外延片的制备、中游的制作电极、分离芯片到下游的芯片 封装，涉及到多个部门和众多学科的专业知识、实践经验以及创造性和协作性。 l e d 行业的这些技术特点使得对芯片生产工艺的改进和优化需要长期的经验积 累才能做到。企业技术人员在对大量产品制造数据进行细致的筛选分析以后，凭 借自身的设计制造经验来改进和优化现有的制造工艺过程，往往需要很长时间的 对比测试和反复的修改才能得到稳定的制造工艺，这严重影响了企业的新产品市 场开发进程。 随着制造业竞争的日益全球化以及市场对产品要求的不断提高，数字化、知 识化、网络化、集成化、协同化等技术对世界经济产生巨大的影响，传统的工业 经济模式正逐渐向知识经济模式转变，企业的知识资产在企业保持竞争优势中所 起的作用也越来越重要m 。计算机与网络技术的发展和数据库管理系统的广泛应 用，也使全世界范围内，在业务管理、政府管理、科学与工程数据管理和其他应 广东工业太学工学硕士学位论文 用领域所使用的数据库的数量和规模都在迅速增大。这些越来越多的数据和信息 在给人们带来方便的同时，也引发了一些新的思考这些激增的数据背后必定 隐藏着许多重要的信息，如果可以对这些数据进行更深层次的分析，就可以更好 的利用这些数据。因此，如何有效地收集、整理产品数据并将其归纳、总结为能 够指导产品开发、设计、制造的知识和经验，成为企业面l l 缶的新的问题。 技术的提高正在变成演化性的而不是革命性的。工程师在学会如何以技术飞 跃来解决问题之前，正是从工艺过程中挖掘生产力。这是工业成熟的一个信号m 。 1 2 研究高亮度l e d 芯片制造工艺知识挖掘的意义 知识发现( k n o w l e d 鼯d i s c o v e i _ yi nd a 妇b a s e ，k d d ) ，是一个多学科交叉， 能够从大量的、隐含的、事先未知的数据中，识别出有效的、新颖的、潜在有用 的以及最终可理解的模式的高级处理过程m 。知识发现集数据收集、数据清理、 降维、规则归纳、模式识别、数据结果分析及评估、可视化输出等多种过程于一 身，是统计学、计算机科学、模式识别、人工智能、机器学习及其它学科相结合 的产物。 k d d 的应用范围非常广泛，从政府管理决策、商业经营、科学研究和工! 世企 业决策支持等各个领域都可以找到k d d 的身影。i ( 1 ) d 应用于工业领域的数据各 种各样，针对不同的数据类型，k d d 能实现不同的功能。一般来说，利用k d d 可对各种控制数据合理地优化，或者对生产过程进行优化设计：可预测机器故障， 进行在线故障诊断分析；通过发掘影响生产制造的关键因素，可采取相应措施提 高生产能力和生产效率，指导制造过程。 科研技术人员利用这种方法研究各种相关数据，挖掘出这些数据中隐含的一 些有用的、潜在的信息和知识，可以用于解决工程实际中的业务问题。 对于l e d 企业而言，如果建立一套集信息采集、管理、挖掘功能的高亮度 l e d 制造工艺知识挖掘系统，记录产品设计制造过程中的生产制造信息，并应用 知识挖掬i 方法从所积累的数据、信息、经验中挖掘出有效、实用的知识，再将这 些挖掘得来的知识应用到生产中，就可以对工艺设计、生产控制和管理决策过程 提供更好的、更加科学的支持。 本课题就是基于上述的讨论而提出的，结合企业实际需求主要进行高亮度 第一章绪论 l e d 芯片制造工艺知识挖掘的研究，重点研究基于粗集理论的知识挖掘方法及其 在高亮度l e d 芯片制造过程的应用。论文将结合导师的广东省自然科学基金资助 项目“基于粗集与网格理论高亮度l e d 设计制造知识挖掘研究”和广东省科技计 划项目“基于知识工程高亮度l e d 芯片集成设计系统的开发与应用”来进行。 课题研究意义在于通过对基于粗集理论的知识挖掘技术系统化理论与方法的 研究，将粗集理论等知识挖掘方法应用于高亮度l e d 芯片的设计制造过程，从中 挖掘出l e d 芯片制造工艺参数与芯片性能之间的规则，分析影响l e d 芯片性能 的关键工艺控制参数，提高光电子器件设计理论与技术，用以指导和优化芯片的 整个生产制造工艺过程，提高芯片产品的整体| 生能，并不断扩充和完善企业知识 资源，推动企业持续快速发展。 1 3 知识挖掘研究及应用现状 1 3 1 基于数据库的知识发现及其研究现状 随着计算机、网络和通信等信息技术的高速发展，信息处理在整个社会规模 上迅速产业化。这种产业化在技术上表现为整个社会规模数据操作的产业化，这 就产生了大规模的数据源。与此同时，日益成熟的数据库系统和数据库管理系统 也都为这些海量数据的存储和管理提供了技术保证。毫无疑问，这些庞大的数据 库及其中的海量数据是极其丰富的信息源，仅仅依靠传统的数据检索机制和统计 分析方法已经远远无法满足需要。因此，数据挖掘( d a 诅m i n i n g ) 和知识发现 ( k n o w l e d 鼯d i s c o v e r yi 1 1d a 雠瑚e ，i ( i ) d ) 便应运而生并得到迅速发展。k d d 的 出现为自动和智能地把大量的数据转化为有用的信息和知识提供了手段w 。 k d d 的发现目标在具体的实现中最终要落实到数据间的逻辑关系上，是从数 据中发现模式。知识挖掘并非魔术，也无法仅仅利用计算机软件就能够实现它的 所有功能【2 4 】o 从本质上来讲，知识挖掘应该归结为一种结构化的方法，其结果来 自人类才智所运用的洞察和理解，而非工具产生出数据挖掘的结果。知识挖掘的 根本目的是找出所研究数据和信息中的映射关系，该映射关系能够在某种程度上 表达将数据集中某一部分的度量映射到另一个相连部分之间的关系。 广东工_ k 大学工学硕士学位论文 随着k d d 研究的不断深入，研究重点逐渐从发现方法转向系统应用，注重 多种发现策略和技术的集成，以及多种学科之间的相互渗透。 并行计算、计算机网络和信息工程等其他领域的国际学会、学刊也把数据挖 掘和知识发现列为专题和专刊讨论，甚至到了脍炙人口的程度。正e e 的 k 1 a w l e d g ea n d d a t ae n g i l l e e 血g 会刊率先在1 9 9 3 年出版了) d 技术专刊。1 9 9 9 年，亚太地区在北京召开的第三届p 碰d d 会议收到1 5 8 篇论文，空前热烈。除 了这些专题会议和科技期刊以外，在i n t c m e t 上也有不少与k d d 有关的电子出版 物，其中以半月刊确的w l e d g ed i s c o v e r y n u g g 如最为权威。此外，在网上还有一 些k d d 的专业论坛，如d me m a i lc l u b 等，这些论坛不仅提供了技术交流的网 络平台，而且还可以为访问者提供许多k d d 系统和工具的综合性能测试报告。 目前，世界上比较有影响的典型k d d 系统有：s a s 公司的e m e r p r i s em i n e r 、 i b m 公司的i n t e l l i g e n t m 血e r 、s g i 公司的s e 刚i n e r 、s p s s 公司的c l e m e n t i r l e 、s y b a s e 公司的、v a r e h o u s cs c u d i o 、r u l e o u e s tr e s e a r c h 公司的s e e 5 、还有c o v e r s 洄叭 e ) o l o r a 、k n o w l e d g ed i s c o v e r y 、v o r k b e n c h 、d b m i r l e r 、q u e s t 等。 与国外相比，国内对d m k d 的研究稍晚，没有形成整体的力量。国内对k d d 的最新研究主要有以下几个方面：在分类技术的研究上，试图建立其几何理论 体系，并实现海量数据处理：以粗集理论为基础，构造模糊系统知识模型与模 糊系统辨识方法，以及构造智能专家系统，将粗集与模糊集融合，用于知识挖掘； 将b a y e s 网与p e 砸网用于知识挖掘；研究多粒度时空数据的数据挖掘；中 文文本挖掘的理论模型与实现技术；利用概念格进行文本挖掘m w 。 目前，国内的许多科研单位和高等院校竞相开展知识发现的基础理论及其应 用研究，这些单位包括清华大学、中科院计算技术研究所、空军第三研究所、海 军装备论证中心等。其巾，北京系统工程研究所对模糊方法在知识发现巾的应用 进行了较深入的研究：北京大学也在开展对数据立方体代数的研究，华中理工大 学、复旦大学、浙江大学、中国科技大学、中科院数学研究所、吉林大学等单位 开展了对关联规则开采算法的优化和改造：南京大学、四川联合大学和上海交通 大学等单位探讨、研究了非结构化数据的知识发现以及w 曲数据挖掘。 g 釉1 e rg r o u p 的一次高级技术调查将数据挖掘和人工智能列为“未来三到五 年内将对工业产生深远影响的五大关键技术”之首，并且还将并行处理体系和数 据挖掘列为未来五年内投资焦点的十大新兴技术的前两位。根据最近g a m e r 的 第一章绪论 h p c 研究表明，“随着数据捕获、传输和存储技术的快速发展，大型系统用户将 更多地需要采用新技术来挖掘市场以外的价值，采用更为广阔的并行处理系统来 创建新的商业增长点。” 1 3 2 知识挖掘的应用 知识发现和数据挖掘从一开始就是面向应用的，在很多重要的领域都可以发 挥积极促进的作用。目前知识挖掘技术在科学研究、金融投资、市场营销、保险、 产品制造业和通信网络管理等行业已得到广泛应用，而且其应用领域正在不断扩 大口1 岫。 具有特定的应用问题和应用背景的领域，是最能体现数据挖掘作用的应用领 域。下面简要介绍一下k d d 在一些行业内的应用。 ( 1 ) 科学研究中的k d d 应用 知识挖掘对高科技的研究是必不可少的。科学研究的特点就是探索人类未知 的秘密，而这正是知识挖掘的特长所在。要从大量的、漫无头绪而且真伪难辩的 科学数据和资料中提炼出对人类有用的知识，不借助于知识挖掘技术是非常困难 的。 知识挖掘在科研工作的作用往往表现在处理大批量的数据，尤其是在信息量 极为庞大的天文、气象、生物技术等领域中，依靠传统的数据分析工具已难以对 付所获得的大量实验和观测数据，因此对功能强大的智能化自动分析工具要求迫 切，这种需求推动了数据挖掘技术在科学研究领域的应用发展，并且己获得一些 重要的应用成果。例如，美国加州理工学院喷气推进实验室与天文学家合作开发 的s c a t 系统通过对几百万个天体进行分类，已经帮助天文学家发现了1 6 个 新的类星体。 ( 2 ) l ( 】- 在金融业的应用 金融业风险与效益并存，分析账户的信用等级对于降低风险、增加收益是非 常重要的。利用数据挖掘工具进行信用评估可以从已有的数据中分析得到信用评 估的规则或标准，即满足什么样条件的账户属于哪一类信用等级，然后将得到的 规则或评估标准应用于对新增账户的信用评估，这是一个获取知识并应用知识的 过程。 广东工业大学工学硕士学位论文 此外在金融投资中由于存在很大的风险眭，因此在进行投资决策时，需要对 各种投资方向的有关数据进行分析，以选择最佳的投资方问。使用数据挖掘技术 对已有数据进行处理，利用学习得到的模式能更有效地对金融市场进行分析和预 测。 金融系统应用知识挖掘最成功的案例是对信用卡的分析。通常一个人在相当 长的一段时间内，其使用信用卡的习惯往往是较为固定的。通过知识挖掘技术可 以发现这样的规则：不同的人使用信用卡的模式。通过对信用卡使用模式的判别， 就可以很好的髓测信用卡的恶意透支行为，减少银行的损失。 ( 3 ) k d d 在零售业的应用 零售业使用知识挖掘主要是分析顾客的购买行为和习惯，用以决策销售商品 的市场定位、商品定价等问题。 例如“男性顾客在为婴儿购买尿布的同时会顺便购买啤酒”、“顾客在购买了 睡袋和背包后，过一段时间就会购买野营帐篷”、“顾客的品牌爱好”等。沃尔玛 公司就是在分析了这些看似细小、微不足道的信息以后，将一些具有很强相关性 的商品摆置在一起，并重新设置了商品结构和布局，不但方便了顾客，而且也提 高了公司的商品销售量m 一。 ( 4 ) k d d 在i n t e n l e t 的应用 面向i n t c m e t 的数据挖掘可以说是一个比较前瞻性的问题，有人称之为m t e r r l e t m i n i i l g 或者是w 曲m i l l i n g 。w 曲挖掘是应用数据挖掘技术，从大量的、v c b 数据 中得到隐藏的知识即。 w 曲信息的多样性决定了w 曲挖掘任务的多样性，根据w 曲挖掘的对象可 分为内容挖掘、访问信息挖掘和结构挖掘。其中，对w 曲内容挖掘的目的是对页 面信息进行聚类、分类和关联分析，以及利用、v e b 文档进行趋势预测、分析等； w 曲使用记录挖掘是对用户访w 曲时服务器保存的访问记录进行挖掘，从中可以 得出用户的访问模式和访问兴趣；w e b 结构挖掘是对w 曲页而的超链接关系、文 档内部结构、文档u r l 中的目录路径结构的挖掘w 。 f j 前w 曲挖掘己经取得了一些令人感兴趣的结果，例如应用最为广泛的搜索 引擎百度和g o 0 9 1 e 就使用了w 曲信息发现技术，能够根据用户要求自动从有关 文档中筛选出满足用户需要的信息：另外还有一些能过滤信息的智能屏蔽软件可 以保护用户不受无聊电子邮件的干扰和商业推销，都受到极大的欢迎。 第一章绪论 ( 5 ) k d d 在制造业的应用 制造业可以应用数据挖掘技术来进行零件故障诊断、资源优化、在线故障诊 断分析、生产过程分析和优化设计等。例如a c h l o s o f c 公司开发的c a s s i o p e e 系统已用于诊断和预测在波音飞机制造过程中可能出现的问题。 随着现代化技术越来越多地应用于产品制造业，制造业已不是人们想象中的 手工劳动，而是集成了许多先进科技的流水作业。在产品的生产制造过程中常常 会纪录大量的数据，如产品的各种加工条件或控制参数( 如时间、温度等控制参 数) ，这些数据反映了每个生产环节的状态，不仅为生产的顺利进行提供了保证， 而且通过对这些数据进行分析，可以得到产品质量与这些参数之间的关系。因此， 通过知识挖掘技术对这些数据的分析，就可以对产品质量的改进提出针对性很强 的建议，而且有可能获得新的更高效节约的控制模式，从而为制造厂家带来极大 的回报。 1 3 3 粗集理论的发展和研究概况 1 9 8 2 年波兰华沙大学的数学家p a w l a l ( z 教授提出了用粗糙集理论( r o u 曲 s e t ，r s ) 来研究不完整数据、不精确知识的表达、学习、归纳等方法一。粗集 方法能有效分析不精确( i m p n e c i s e ) 、不一致( m o n s i 嗽m ) 、不完整( i n c o m p l e t c ) 等各种不完备信息，可以对数据进行分析和推理，从中发现隐含的知识，揭示潜 在的规律m 2 一。 最初关于粗集理论的研究主要集中在波兰，当时并没有引起国际计算机界和 数学界的重视。直到1 9 9 0 年前后，由于该理论在数据的决策与分析、模式识别、 机器学习与知识发现等方面的成功应用，才逐渐引起了世界各国学者的广泛关注。 1 9 9 1 年，p a w l a k 发表专著r 0 u 曲s e t ：n l e o r e t i c a la s p e c t so f r e a s o n i n ga b o u t d a 诅，奠定了粗集的理论基础，从而开始了粗集理论研究的高潮m 。 1 9 9 2 年在波兰召开了第一届国际粗集研讨会，讨论了集合近似的基本思想及 其应用。1 9 9 3 年在加拿大召开了第二届国际粗集与知识发现研讨会，对粗集理论 在数据挖掘中的应用起到了积极的推动作用。1 9 9 5 年a c mc o m m u r 】i c a t i o n 将粗 广东工业大学工学硕士学位论文 糙集列为新浮现的计算机科学的研究课题。1 9 9 8 年，国际信息科学杂志为粗集理 论的研究出版了一期专辑，同年在波兰召开了第一届粗集与计算趋势国际大会。 我国从九十年代开始研究粗集理论，研究主要集中在它的数学性质和高效算 法，并出版了不少粗集理论的中文专著。2 0 0 1 年5 月在重庆举行第一届中国粗集 理论与软计算学术研讨会，使得国内的学者可以共同理觯和探讨粗集理论及应用 研究的新内容和新方法。 1 3 3 2 粗集理论的基本思想 粗集理论认为知识是将对象进行分类的能力，假定对全域里的对象具有必要 的信息或知识，通过这些知识能够将其划分到不同的类别。若对两个对象具有相 同的信息，则它们就是不可区分的，即根据己有的信息无法将其划分开，显然这 是一种等价关系。不可区分关系是粗集理论最基本的概念，在此基础上引入了成 员关系，上近似和下近似等概念来刻画不精确性与模糊性。 经典逻辑由于只有真假二值的限制不能描述处理现实大量存在的模糊现象， 许多逻辑学家和哲学家致力于改进经典的逻辑以使其能处理模糊的现象。谓词逻 辑的创始人gf r e 卫e 提出含糊一词，并把它归结到边界线区域，也就是说在全域 上存在一些个体既不能归于某个子集也不能归于此子集的补集阎。 p a w l a k 提出把那些无法确认的个体都归于边界线区域，这个区域定义为上近 似集和下近似集之差集，由于上近似集和下近似集都可以通过等价关系给出确定 的数学描述，所以含糊元素数目就可以被计算出来，进而得出真假二值之间的含 糊程度口删。这种方法与用统计方法处理不确定问题是完全不同的，它不是采用 概率方法描述数据的不确定性，而且与这一领域传统的模糊集合论处理不精确数 据的方法也不相同。 粗集理论主要兴趣在于它恰好反映了人们用粗糙集方法处理不分明问题的常 规性，即以不完全信息或知识去处理一些不分明现象的能力，或依据观察、度量 到的某些不确定的结果进行数据分类的能力吲。 基本粗糙集理论在处理数据时也会有一些局限性。例如，粗糙集理论对知识 的不完整处理虽然是有效的，但它未能包含处理不精确或不确定原始数据的机制， 因此，单纯的粗集理论并不一定能够有效地描述数据不精确或不确定的实际问题， 第一章绪论 有时需要其它的方法来补充。粗集理论和概率论、模糊数学和证据理论等其它处 理不精确或不确定问题的理论有很强的互补性。 当利用粗糙集方法来提取规则时，实质上就是对数据集进行约简，然后归并 相同的数据，经过约简后获得的数据集就是被提取出的规则。由此可见，粗集方 法是通过去除“冗余”数据来获得规则的。然而，数据在一定程度上的冗余却能 够提高其容错能力和推广能力，所以粗集方法同样存在容错能力与推广能力相对 较弱的问题。另外，在利用粗集方法进行数据约简的时候，数据必须用知识表达 系统的形式来表示，因此粗糙集方法一般只能处理离散值的数据，对连续值的数 据必须先进行离散化，离散化得好坏会对最终结果产生很大影响，这就在一定程 度上限制了粗糙集方法的应用。解决这些局限性的方法是拓展基本的粗集理论， 或者将基本的粗集理论与其他的数学方法相结合。尤其是基于粗集理论开发的知 识发现系统，促进了粗糙集理论的进一步发展，使其理论和应用的研究在国际上 日益受到广泛的关注1 。 1 3 3 3 粗集理论的应用及研究现状 作为一种处理不精确、不确定与不完全数据的新的数学方法，粗集理论已成 为信息科学最为活跃的研究领域之一，在机器学习与知识发现、决策支持与分析、 专家系统、振动分析、模式识别、近似分类、故障诊断、成本预测等方面都得到 广泛的应用。 现在国际上已经开发出了不少粗糙集工具应用软件，比如加拿大r e g m a 大学 研制开发的基于可变精度r 0 u 曲s c t 扩展模型( v p r s ，v 撕a b l ep r e c i s i o nr o u 曲s e t ) 的k d d r 数据库知识发现系统，k d d r 系统曾成功应用于医学数据分析和电信 市场的决策分析等；l e r s 是美国k a n s a s 大学开发的基于粗集的实例学习系统， l e r s 系统曾用于医学研究、气候预测和环境保等i 】8 l ；r o u 对l d a s & r o u g h c l a s s 波兰p o 皿a i l 工业大学开发的基于r o u 曲s e t 的k d d 决策分析系统；r o 孵衄 由波兰华沙大学和挪威科技大学联合开发的基于r s 的k d d 决策分析系统， 该软件目前应用较广，r o s e 舰可以处理多种格式的数据如文本和数据库数据等， 这些数据以决策表的形式存储在i b s e 舰系统中，当决策表成功装载入p r o j e c t 后， 系统利用r s 理论逐步分析数据，最后得到决策规则m 。 广东工业大学工学硕士学位论文 1 4 高亮度l e d 芯片设计与制造过程概述 高亮度l e d 是相对于普遍应用的g a p 、g a a s p 普通亮度l e d 而言，由于高 亮度l e d 采用了a l g a i i l p 、g a i r 】n 等宽带隙直接跃迁半导体材料和先进的量子阱 结构，使得发光效率可以提高几倍甚至几十倍，极大地扩展了l e d 的应用范围。 高亮度l e d 的制造过程可分为上游外延制备( 即发光晶体外延片w a f e r 的制 备) 、中游芯片制造和下游封装三个阶段。 1 4 1 上游外延片制备 l e d 发光晶体外延片的制作是在与发光材料匹配的衬底上利用液相外延 ( l e p ) 技术、分子束外延( m b e ) 技术和金属有机化合物化学汽相外延( m o c v d ) 技术生氏一定厚度的半导体发光材料，三种外延方法的特点见表l l 。l e d 外延 方法和外延设备是世界各国开发高亮度l e d 集中研究的前沿课题，l e d 外延的 关键技术有结构材料的设计、高纯外延层的生长技术、d b r 和超品格生长技术、 p 型掺杂技术、电流扩散层技术、厚度浓度组分控制技术等。 在各种制造l e d 的材料当中，尤其以氮化镓( g a n ) 为代表的第三代半导体 材料最为引人注目。i i i v 族宽带隙化合物半导体材料由元素周期表中的第1 i i 和 v 族元素组合而成，如g a 舡、g a n 、l n g a n 等。具有响应速度快、寿命长、体积 小、内外量子效率高、高发光效率、高热导率、耐高温、抗辐射、耐酸碱、高强 度和高硬度、环保等特性，是目前世界上最先进的半导体材料。 表l ll e d w a f e r 外延生长方法的比较 t a b l el lc 0 n a r a s t a 啪n g e p i t a x y m c l h o 出o f l e d 外延生长方法原理特点应用范围 l p e被生长材料在高温下生瞄摹较高，每小时主要用于室内用红光 ( l i q u i dp h a s c 熔化，冷却时，外延可沉积1 5 0 h 后的l e d 的生产 e x p i t a ) 叮，液相外延) 曾从熔融的液体中生外延层厚度，设备简 长单、成本低但不易控 制质量。 m e 在超高真空下将待生 设备完善，能够实时从事外延生长科学研 f m 0 1 e c u l eb e a m 长的材料汽化形成能测量和精确控制外延 究最理想的设备，但 e p i t a x y ，分子束外玛 精密控制的分子柬在生长的成分、掺杂、难于形成批量生产能 村底上外延生长晶格常数等。力 m o v c d利用金属和非金属均设备系统中各路源路广泛地应用于大批量 ( m e “o 塔西c 能和有机物生成化合 载运气流能实现计算 a l g a i n p l e d 和g a n c h e 咖c a l m r 物，而且这类化合物机精确编程控制、在l e d 的外延生长 e p i t a ) ( y ， 在很低的温度下就能线检测和精确地控制 有机金属化学汽相外挥发和参加化学反达到原子层的厚度及 延) 应，产生出纯度很高 组分，能够在一次外 的无机化合物的理论延过程中生长出各种 器件所需要的结构， 操作方便，而且从根 本上消除了由容器带 来的污染和剧毒有机 源的可能危害，能够 实现大面积的均匀生 长 广东工业大学工学硕士学位论文 1 4 2 中游l e d 芯片制造 l e d 芯片的制作，是通过一系列的工艺过程，将在上游生产中所制备的晶体 外延片分做成数万个独立的小管芯( 即l e d 芯片) 。以红黄光四元系l e d 芯片的 生产制造为例，其整个制造过程大致为：外延片入库检测一设计制定生产制令 一研磨( 视w a f e r 厚薄种类而定) 一化学抛光一蒸镀电极、合金( p 、n 面) 一光刻制作电极( p 面电极形状) 一蒸镀电极加厚层、合金一套刻一半切 一点测并打印b l n 图一全切一转膜、扩膜一分检( 根据b i n 图) 一品质 检测一计数及贴标签一成品入库。 l e d 芯片的制造属于l e d 生产制造的中游工艺。不同的外延材料的芯片制 作过程不尽相同。g a i i l p 高亮度l e d 芯片是采用g a i i l p 四元系l e d 外延材 料制各的，一般包括n 型g a a s 衬底、舢a s a 1 g a a sd b r 层、a l g a i n p 下限制层、 a l g a l l l p 有源层、g a i n p 上限制层、p 型g a p 窗口层。其制作工艺是通过研磨、 电极制作、半切、点测、全切、分检等工艺过程完成的，在外延片上制备牢固的 具有良好欧姆接触的电极，并形成合适的电极图形，最后切割成单个的芯粒。 g a nl e d 芯片制造工艺与a 1 g a h l p 芯片大体类似，唯一不同之处是由于g a n 不 导电，无法像g a i n p 芯片那样制作上下电极，只能在同一端面上制作p 、n 电 极。出g a i n p 和g a n l e d 芯片的结构示意图如图1 一l 、图1 2 所示。 p b 湘赴n e n m s 抽n r 龃 图l 一1a l g a i n p l e d 芯片结构示意图 f 培鹏l _ ls k e 汕m a po f t l es 旺u c t l l r eo f a l g a h l pl h ) 蛐 第一章绪论 雯窦 图l 一2 g a n l e d 芯片结构示意图 f i g u r e 卜2s k e f c hr ”印o f t h es 劬c t m o f g a n l e d 出p 在芯片制造工艺中，虽为关键的就是p 、n 面接触电极的制作，要根据不同 的材料组分、掺杂浓度及导电类型设计和优化工艺方法和技术条件，以保证芯片 合格率高、质量稳定可靠；同时要兼顾工艺的简便| 生。l e d 芯片制造工艺是一个 连续的系统工艺，任何一步工艺的不协调，将会影响器件质量，导致合格率不稳 定、工艺不受控。 下面以a i g 幽【1 pl e d 芯片的设计制造为例，介绍几个关键技术： ( 1 ) 研磨工艺 外延材料的生长工艺是一个热过程，为了使外延工艺过程中外延片不产生变 形，一般都采用比较厚的g a 缸衬底片( 一般在3 0 0 ，册到4 5 0 ，删之间) 。在l e d ：占片制造过程中，为了改善芯片的工作性能，必须对厚的衬底片进行减薄。 化合物半导体材料的硬度比s i 小得多，g a a s 的硬度约为s i 的l 1 0 ，且容易 破碎，而研磨工艺对外延片进行减薄是一个机械的过程，会对外延片产生应力和 损伤，这种消极作用随磨料粒度增大而增大，而小粒度的磨料研磨效率太低，因 此可以采用粗磨、细磨相结合的工艺。开始用9 脚粒度的磨料，减薄到距离目标 厚度3 0 ，删左右后换成3 ，册磨料，直至目标厚度。该工艺对材料的损伤厚度可以 控制到小于1 0 f 柳。 研磨工艺是为了改善器件的热学和电学性能，较薄的衬底将减小器件电阻， 同时改善芯片工作时产生热量的散失效率。实验表明，薄芯片更容易将有源层产 生的热量传递到管座上，从而提高芯片性能。 理论上芯片越薄越好，但太薄会使碎片几率大幅度增大，产出率降低，增加 芯片的制作成本，也将影响封装工艺中的键合成品率。 ( 2 ) p 面电极制作工艺 般来说，i 族化合物的p 面电极的制备难度大于n 面电极制备。如何 广东工业大学工学硕士学位论文 降低p 面欧姆接触电阻是l e d 芯片制作的关键技术之一，因为它直接影响器件 正向电压的大小和发光效率的高低。p 面欧姆接触电阻不仅要小，而且要均匀性、 重复性要好。g a h l p 高亮度l e d 的顶层一般是高掺杂的p + - g a p 外延层，当接 触金属蒸镀到矿g a p 表面以后，通过合金过程，在接触金属下面形成一个高掺杂 的合金层，该层的载流予耗尽层很薄，隧道效应可使载流子穿过金属和顶层之间 势垒形成的欧姆接触，它属于隧道穿透型欧姆接触。 用于g a i n p 高亮度l e d 芯片p 面电极制作的金属主要有：妣n a u 、 a u b c a u 、删a u 等材料，其中z n 和b e 为p 型掺杂剂。由于z n 在蒸发过程中 蒸气压高，与g a p 粘附陛不好，且工艺重复性较差，还由于z n 是一种块扩散杂 质，对器件热稳老生有一定影响，因而不是理想的候选材料。b e 的蒸气压与a u 相近，因而能使蒸发成膜的组分与蒸发源组分大致相当，可以保证工艺的重复性。 芯片尺寸及p 面电极形状的设计 一般p 面电极形状及尺寸需综合考虑p 面电流扩展层材料类型、掺杂水平、 芯片尺寸和键合点大小进行优化设计。芯片尺寸的大小决定了器件最大正向电流， 为了使电流能尽量扩展到芯片边缘区域，可以增加窗口层厚度，但是过厚的窗口 层将过多地增加材料的成本。最佳方案是生长一定厚度后( 8 1 0 i m ) 后，在窗 口层上做上带有电流扩展臂的电极图形，来实现电流扩展。由于电极金属是非透 明的，图形大会增加挡光面积，影响出光量，从而影响亮度，图形过小又影响封 装工艺中引线的键合。因此，大部分生产厂家对8 、9 h l i l 芯片选取1 0 0 i 口，l 电极 图形，而对于l o 、1 1 、1 2 r n i l 芯片分别选用了矽1 0 8 聊、11 6 f 册、1 1 6 f 卿圆形 带扩展臂结构，扩展臂长度分别为3 4 、4 2 、4 6 脚，这样既可以保证键合工艺可 靠性，又能保证较大的出光量。芯片电极形状如图l 一3 所示。 d 部、9 嘶ld = l o 、l