 |
|
评论(0条)
2. 研究方法
本文所使用的制程数据由美商威能信息台湾分公司提供，数据为IC 制程中，由每个制造过程的机台自动记录产生，并以Oracle 数据库储存。本研究判定树算法来获得影响良率的要因子，以美商威能信息台湾分公司之PV-WAVE 第四代程序语言对数据处理及可视化软件应用的设计功能，来辅助结果的判读，使更有效率的的获得在IC 制程数据上的影响良率高低的重要因子之数据探堪结果。
2.1 LPC 制程资料的搜集
本研究之LPC 制程数据的收集记录方式为表一方式储存于数据库。其中：
：第i 个机台
：第j 个制程中在第i 个机台量测的参数，而
， k 表每个机台量测的资料笔数。
：第j 个制程
Y ：良率
2.2 LPC 制程数据的转换
表一的数据型态并不适用于现行的数据探勘与统计模式之建立，而我们分别将第1 个机器在第1 个制程的数据定义为
，而第1 个机器的第1 个制程数据定义为n +1 ，以此类推，而
的观察值定义为
则将一个lot 所搜集的资料转换成
在生产的过程中，共量测了N 个lot，进而将这N个lot 数据转换成表二的数据型态。
其中
表第i 个lot 数据转换前所对应的制程机台。
对于原始数据的搜集，将其转换成表二的行列矩阵型态，依表二的数据型态应用于本研究的判定树算法。
2.3 判定树算法
本研究应用CART 二元树的分类方法来区隔数据，并找出影响制程良率的重要因子，而在这个分类的方法中，我们采用了Gini 法则来做为二元分割的准则。首先将表二的数据视为(1)的型态。
算法步骤如下
1. 以表二的数据型态，由决策者定义一个良率的临界值t ，将数据分成高良率与低良率二个集合，分别以
表示。
2. 然后将二个子集合所包含的晶圆批数分别以常数1 c 、2 c 表示。
表一. 一个Lot 的IC 制程参数记录表
表二. N 个lot 制程数据转换后数据
3. 若假设以第j 个制程变量为分割变量，其分割值为S，则我们可以将数据分成二个区域
及
。
4. 令
表示在
区域中属于
集合的晶圆批数
5. 定义分割指标，本文使用Gini 的指针做为分割变量的依据，在p 个参数中，找出一组分割变量及其分割值( j,S) ，使用得(6)之指标值为最小
2.4 数据可视化辅助
CART 的二元树算法中，研究者或制程工程师必须先给定高良率与低良率的临界值。在生产实务上，工程师依经验决定这个数值大小，而这个数值的决定是影响CART 二元树分割效果优劣的最主要关键，为了以更客观且准确地选择良好的高低良率分割点，进而辅以数据可视化的数据探勘技术来做为良率临界值的辅助方法。在本文中，提出以survey plot 及Scatter plot 等技术来做为工程师或研究者的决定良率临界值的视觉辅肋工具。
评论(0条) 】 【 打印 】
【 关闭 】
|
07-10-30
·软性电路板产业实行绿色供应链策略之研究07-10-17
·多厂区跨厂产能规划模式—在PCB厂之应用07-09-17
·电子制造：五大措施应对绿色潮07-09-14
·如何将ROSH对成本影响控制在一定范围之内07-09-12
·以代理人为基础之弹性制造系统搬运设备协调机制之探讨07-08-23
·模糊环境下之连续复查存货模式07-08-21
·多媒体服务器流格式优化应用于制造业质量信息系统中在07-08-20
·NB与PCB厂商供应链之优化模拟研究07-08-13
·PCB制造厂ERP导入项目个案分析07-08-09
·PCB手摆件之工作指派研究 |
