 |
|
评论(0条)
4. 讨论
在大量生产制造的过程中，单一的资料探勘手法已无法满足生产在线的数据分析，在掌握时间就是金钱的观念下，能利用现场实时监控者将当握更多的先机，在生产在线以数据视觉的方式让工程师更精确更快速的做正确的决策是极为重要的。
本研究分析的晶圆生产制程资料中， LPC 制程中的量测参数有一千三百余个，在数学分析上，它是属于一千三百多个维度的资料，而本研究的CART 判定树的算法可将这些高维度的数据，筛选出影响良率的重要因子，而将多维度的数据降低维度，更能辅以其它统计分析或检定等方法来探讨。针对本研究所应用的LPC 制程数据，计算机及时监控所做的survey plot 亦有效的帮助工程师做现场实时监控之用。
对于以CART 二元树算法在IC 生产制程的大量数据中成功的找出影响良率的重要因子，因研究更期能将此成果应用于印刷电路板(PCB,Printed-Circuit Board)的制程数据分析上。而PCB制程之工程数据可分为二大类。一是制程机台运作记录之制程参数值(如显影机压力、速度、曝光时间… 等)；另一为量测机台记录之半成品之质量良测值(如BGA、SMD、flip-chip 之厚度、BGA 共平面度… 等)，而PCB 制程参数的种类亦相当繁复且所对应的属性各个不同。
由于PCB 之产品有寿命周期短、种类繁多、制程繁复冗长及动态插插单频繁等生产特征，造成PCB 生产状况瞬息万变，在生产管理及产品良率的掌控都有相当高的技术性。在生产管理的决策过程中，制程工程师针对各个环节中所搜集的资料加以分析，而强化决策的正确性。PCB 的制程数据至今也当未能找到一个真正有效找出影响产品良率的因子，所以如何正确且快速的从生产过程中将数据背后所隐藏的讯息粹取出来，是当今PCB 生产过程中最重的课题。
IC 的生产过程与PCB 虽大不相同，但这二者对制程资料的搜集上意义却是相通的。以数据分析的角度来看，在数学逻辑推演上，对于这些不同变量的讨论却是相同的，对于数据探堪(Data mining)的手法来说是一致的。本研究为元智工业工程与管理研究所与美商威能台湾分公司建教合作，在IC的制程上，已成功的找出有效的数据探堪技术来获得影响良率高低的重要因子，而我们更将这个研究成果应用于分析PCB 的制程参数上，而找出PCB制程中真正生产在线影响良率的重要因子。
5. 结论
数据探勘的技术种类繁多，至目前为止，尚未有一种良好的方法可以通用于任何型态的数据中，针对IC 制程与PCB 制程所搜集的资料，几乎都为表一的数据型态，以传统的统计学并未真正深入去探讨如表一的数据呈现方式，而数据数值是否为常态分配？是否为对称分配？我们都不得而知，而CART 的算法过程中并不需要对母体做假设，而也不受离群值的影响，它在解决这方面的数据来说是很有效的。对于判定树的算法找出显著影响制程良率的因子中，仍有几点需要探讨。
1. 自动化的数据探勘或者以可视化辅助，这二者都需要一个不断尝试与除错的过程，而我们要选择那一种算法，可以经验来做更准确更有效的执行。
2. 本文同时希望能以视觉得方式提供用户一个调整判定树参数的依据。
3. 资料探勘的结果可以应用传统统计学的方法来交互验证。
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 |
