近些年由于美国和中国之间以及日本和韩国之间的贸易摩擦,使得集成电路的重要性最近再次引起关注。例如近些年中兴就因为美国的制裁一蹶不起。而华为也从2020年5月26日起被美国以危害国家安全为由禁止进口美国半导体制品。由此可见随着集成电路的处理性能和集成电路的技术水平分化程度越来越大,集成电路的产量的重要性变得越来越突出。集成电路领域也逐渐成为大国之间博弈的棋子。集成电路产量的最重要指标之一是芯片成品率。成品率决定着芯片制造成本和工艺极限。过去,对集成电路芯片成品率的许多研究仍保留在特定的工艺和特定类型的集成电路上。比如说有些研究从集成电路前段加工的第一步光刻入手,也有的研究是从集成电路加工的最后一步封装入手。本研究创新性地采用称为深度学习网络来解释集成电路生产的全过程,并进一步计算和预测集成电路芯片的产量。我们使用了全解释结构模型加上两种可解释性很强的神经网络构成了我们称之为全解释结构模型+深度学习神经网络的方法。并且通过这个方法在我们收集到的数据中进行运算,得到了不错的结果。更重要的是,我们提出了一种高度可解释的基于神经网络和全解释结构模型的方法,用于解决多因素复杂问题。它为将来解决此类问题提供了思路。