Thèse de Maxime Gasse


Sujet :
Apprentissage statistique de réseaux Bayésiens pour le contrôle de processus dans l'industrie des semi-conducteurs

Résumé :

Conception d’algorithmes pour l’apprentissage de structure de réseaux Bayésiens dans les gros volumes de données. Application au contrôle de processus dans l’industrie des semi-conducteurs, visant à la détection de dérive des équipements en ligne susceptible d’influer sur la durée du cycle, la performance et les coûts de fabrication. Ce travail a
lieu dans le cadre du projet Européen INTEGRATE (Integrated Solutions for Agile Manufacturing in High-mix Semiconductor Fabs)initié par le regroupement ENIAC (European Nanoelectronics Initiative Advisory Council) et financé par l'initiative Européenne FP7 (Seventh Framework Programme for research).


Encadrant : Alexandre Aussem
Co-encadrant : Haytham Elghazel

Date de soutenance : vendredi, 13 janvier, 2017

Jury :
Christophe GONZALESProfesseur(e)Université Paris 6Rapporteur(e)
Jose M. PEÑAProfesseur(e) associé(e)Linköping UniversityRapporteur(e)
Elisa FROMONTMaître de conférenceUniversité Jean MonnetExaminateur​(trice)
Willem WAEGEMANProfesseur(e)Ghent UniversityExaminateur​(trice)
Veronique DELCROIXMaître de conférenceUniversité de ValenciennesExaminateur​(trice)
Céline ROBARDETProfesseur(e)INSA LyonExaminateur​(trice)
Alexandre AUSSEMProfesseur(e)Université Lyon 1Directeur(trice) de thèse
Haytham ELGHAZELMaître de conférencePolytech LyonCo-directeur (trice)