Eigenvector Metal Etch（LAM 9600）

Eigenvector Metal Etch 数据集由美国 Eigenvector Research 基于 LAM 9600 TCP 金属刻蚀机采集，记录 129 片晶圆（108 片正常 + 21 片人为故障）的工艺数据，包含工程变量（压力、气体流量、功率等）、空间分辨 OES 光谱及射频监测（RFM）数据三种传感模态。该数据集是多路 PCA（MPCA）与批过程监控领域的经典基准（1999 年 Wise et al. 发表于 Journal of Chemometrics），至今仍被多变量统计过程控制与深度学习故障检测方法引用。数据集公开于 Eigenvector 官网（https://eigenvector.com/resources/data-sets/metal-etch-data-for-fault-detection-evaluation/）。

射频监控公开数据稀缺；至今仍是等离子蚀刻 FDC 基准。

• Anomaly Detection in Batch Manufacturing Processes Using Localized Reconstruction Errors from 1-D Convolutional AutoEncoders
  University of Bath Research Portal / Journal of Process Control, 2023, 2023 — Various
  1D-CAE + 局部重建误差用于批过程异常检测，在 Eigenvector LAM 9600 数据集上验证
• Time-Slice Dynamic Prediction and Multiway Serial PCA for Batch Industrial Process Monitoring
  Computers & Chemical Engineering (Elsevier), 2023, 2023 — Various
  动态时间片 CCA 批过程监控方法，扩展 MPCA 框架，与 Eigenvector 数据集应用场景直接关联
• Open Data Sets in the Microfabrication (Semiconductor) Industry for Data Science
  Medium / Technical Blog, 2021, 2021 — Gopinadhan, J.
  梳理半导体微加工领域公开数据集，Eigenvector 数据集被列为核心资源之一
• Multiway Principal Polynomial Analysis for Semiconductor Manufacturing Process Fault Detection
  Chemometrics and Intelligent Laboratory Systems (Elsevier), 2018, 2018 — Various
  多路主多项式分析用于半导体制造故障检测，以 LAM 9600 数据集为验证集
• A Comparison of Principal Component Analysis, Multiway PCA, Trilinear Decomposition and PARAFAC for Fault Detection in a Semiconductor Etch Process
  Journal of Chemometrics (Wiley), 1999, 1999 — Wise, B.M., Gallagher, N.B., et al.
  数据集发布配套论文，MPCA 经典基准，确立该数据集的 benchmark 地位

• https://zenodo.org/records/5919197

• eigenvector.com