图 11 不同配置层偏压下 CSOI 器件瞬态电流典型曲线 ( a ) 和 CSOI SRAM 电路的单粒子翻转截面变化 ( b ) Fig. 11 Typical transient current curve of CSOI device (a) and single event upset cross-section variation of CSOI SRAM circuit (b) under different configuration layer biases
ch 3(Ch 2)2 Coo- + 2CO 2 + 6H 2→CH 3(CH 2)4 COO- + 4H 2 O(6)-143。3
[25] Shi K W,Yow K Y,LoC。单束和多光束激光槽过程参数开发和40 nm节点的模具特性 - k/ulk Wafer [C]∥2014IEEE 16th 16th Electronics包装技术会议(EPTC),2014年12月3日至5日,2014年12月3日,新加坡。纽约:IEEE出版社,2015:752-759。
周燕萍 ( 通信作者 ), 硕士 , 研究员 , 主要研究方向为半导体材料的刻蚀工艺开发 。E-mail:yanping_zhou@ ulvac. com
3.3 Common Heat Treatment Processes and Their Applications..............................................................................47 3.3.1 Types of Heat Treatment Processes.............................48 3.3.2 Annealing....................................................................49 3.3.3 Normalising.................................................................52 3.3.4 Hardening and Quenching...........................................54 3.3.5 Tempering....................................................................55 3.4 Surface Hardening Processes: Gas Carburising, Nitriding, Cyaniding..................................................................................56 3.4.1 Carburising..................................................................57 3.4.2 Cyaniding....................................................................58 3.4.3 Nitriding......................................................................58 3.4.4 Carbonitriding.............................................................59 3.5 Induction and Flame Hardening................................................59 3.5.1 Induction Hardening....................................................59 3.5.2 Flame Hardening.........................................................60 3.6 Heat Treatment Processes in the Automotive Industry.............61 3.7 Summary...................................................................................62 3.8 Review Questions.....................................................................62
摘要 – 自动化和灵活生产方式的出现导致了对稳健监控系统的需求。此类系统旨在通过将其作为表征工艺条件的关键变量(称为特征)的函数来估计生产工艺状态。因此,特征选择问题对于基于传感器的监控应用至关重要,即在给定一组原始特征的情况下,找到一个子集,以使监控系统的估计精度尽可能高。考虑到实际应用,由于可用数据集合的不完善,特征选择可能很棘手:根据数据采集条件和受监控工艺操作条件,它们可能是异构的、不完整的、不精确的、矛盾的或错误的。传统的特征选择技术缺乏处理来自不同集合的不确定数据的解决方案。数据融合提供了解决方案来一起处理这些数据集合,以实现一致的特征选择,即使在涉及不完善数据的困难情况下也是如此。在这项工作中,工业钻井系统中工具的状态监测将作为基础,展示如何在这种困难情况下使用数据融合技术进行特征选择。