CN109816191A - 多工作站系统的质量预测方法及其系统 - Google Patents
多工作站系统的质量预测方法及其系统 Download PDFInfo
- Publication number
- CN109816191A CN109816191A CN201711261261.9A CN201711261261A CN109816191A CN 109816191 A CN109816191 A CN 109816191A CN 201711261261 A CN201711261261 A CN 201711261261A CN 109816191 A CN109816191 A CN 109816191A
- Authority
- CN
- China
- Prior art keywords
- production
- quality
- data
- process parameter
- work station
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013277 forecasting method Methods 0.000 title claims abstract description 18
- 238000004519 manufacturing process Methods 0.000 claims abstract description 146
- 238000000034 method Methods 0.000 claims abstract description 122
- 241001269238 Data Species 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 238000012360 testing method Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 238000009412 basement excavation Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 claims description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 2
- 238000003066 decision tree Methods 0.000 claims description 2
- 235000008434 ginseng Nutrition 0.000 claims description 2
- 239000000047 product Substances 0.000 description 36
- 238000012544 monitoring process Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 230000002950 deficient Effects 0.000 description 6
- 238000005530 etching Methods 0.000 description 4
- 238000003466 welding Methods 0.000 description 4
- 238000003723 Smelting Methods 0.000 description 3
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 229920002120 photoresistant polymer Polymers 0.000 description 2
- 229910000679 solder Inorganic materials 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000007740 vapor deposition Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000011265 semifinished product Substances 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
一种多工作站系统的质量预测方法，经由一处理器以执行下列步骤。记录多个工作站的多个生产数据，其中，这些生产数据报括一在制品在一多阶段生产过程中于这些工作站的制程参数与历史生产质量数据，在制品在多阶段生产过程中具有唯一生产标识符。记录多个制程参数关联性，其中每一制程参数关联性是依据多阶段生产过程，从历史生产质量数据中，分析在制品在多阶段生产过程中一阶段的工作站的制程参数与在制品于后一个阶段的工作站的制程参数所建立的关联性。根据制程参数关联性，记录一质量预测模型及一关联规则。预测一生产质量。
Description
【技术领域】
【1】本发明是有关于一种质量预测方法，且特别是有关于一种多工作站系统的质量预测方法及其系统。
【背景技术】
【2】现行质量预测方法应用于工厂生产在线的多道制程的工作站系统中，其做法是将单工作站/单机台的流程移植过来，对各工作站/机台的制程参数单独进行质量预测、调整及管理，此做法仅是单独最优化某一质量指针，未考虑多工作站的参数设定对质量影响的连续性，导致无法反应多工作站系统/多机台的特性，因而产生(1)重复调整相关参数设定，耗费很多时间调整机台；(2)各工作站/机台的设定及管理无法有效的搭配；(3)重复设置大量传感器，导致传感器的成本增加等缺点。
【发明内容】
【3】本发明是有关于一种多工作站系统的质量预测方法及其系统，可根据不同阶段生产过程中制程参数关联性来对应调整相关联的制程参数。
【4】根据本发明的一方面，提出一种多工作站系统的质量预测方法，经由一处理器以执行下列步骤。记录多个工作站的多个生产数据，其中，这些生产数据报括一在制品在一多阶段生产过程中于这些工作站的制程参数与历史生产质量数据，该在制品在该多阶段生产过程中具有唯一生产标识符。记录多个制程参数关联性，其中，每一该制程参数关联性是依据该多阶段生产过程，从该历史生产质量数据中，分析该在制品在多阶段生产过程中一阶段的工作站的制程参数与该在制品于后一个阶段的工作站的制程参数所建立的关联性。记录一质量预测模型及一关联规则，其中，该质量预测模型是根据这些制程参数关联性所建立。根据该质量预测模型、该关联规则与一输入生产数据以预测一生产质量，其中，该输入生产数据是该在制品在该多阶段生产过程中于这些工作站的预定制程参数。
【5】根据本发明的一方面，提出一种多工作站系统的质量预测系统，经由一处理器以执行以下模块，包括一生产数据记录模块、一制程参数关联性模块以及一质量预测模块。生产数据记录模块用以记录多个工作站的多个生产数据，其中，这些生产数据报括一在制品在一多阶段生产过程中于这些工作站的制程参数与历史生产质量数据，该在制品在该多阶段生产过程中具有唯一生产标识符。制程参数关联性模块用以记录多个制程参数关联性，其中，每一该制程参数关联性是依据该多阶段生产过程，从该历史生产质量数据中，分析该在制品在多阶段生产过程中一阶段的工作站的制程参数与该在制品于后一个阶段的工作站的制程参数所建立的关联性。质量预测模块用以记录一质量预测模型及一关联规则，其中，该质量预测模型是根据这些制程参数关联性所建立，该质量预测模块根据该质量预测模型、该关联规则与一输入生产数据以预测一生产质量，其中，该输入生产数据是该在制品在该多阶段生产过程中于这些工作站的预定制程参数。
【6】为了对本发明的上述及其他方面有更佳的了解，下文特举实施例，并配合所附图式详细说明如下：
【附图说明】
【7】
图1绘示依照本发明一实施例的多工作站系统的质量预测系统的示意图。
图2绘示依照本发明一实施例的多工作站系统的质量预测方法的示意图。
【符号说明】
【8】
100：多工作站系统
101：工作站
102：质量预测系统
104：生产数据记录模块
106：制程参数关联性模块
108：质量预测模块
110：质量预测方法
A：阶段生产过程
S11～S16：各个步骤
【具体实施方式】
【9】图1绘示依照本发明一实施例的多工作站系统100的质量预测系统102的示意图，图2绘示依照本发明一实施例的多工作站系统100的质量预测方法110的示意图。
【10】依照本发明一实施例，多工作站系统100的质量预测系统102及其预测方法，可于生产前建立质量预测模型以及各工作站101(即工作机台)的制程参数之间的关联规则，并依照各工作站制程参数的数据搜集推估在制品在多阶段生产过程中的生产质量，例如良率、效率、精准度等，再根据预测的生产质量调整各工作站101的制程参数，以达到最适化调整参数及质量管理的目的。
【11】依照本发明一实施例，多工作站系统100的质量预测系统102及其预测方法，可从历史生产质量数据中，筛选出各工作站101的制程参数中影响生产质量的一特征参数，并分析在制品在多阶段生产过程中一阶段的工作站101(亦即生产或加工机台)的制程参数与在制品于后一个阶段的工作站101的制程参数的关联性，以建立一关联规则。在一些特定实施例中，在建立关联规则时，可进一步滤除与质量因素相关性不大的噪声参数。
【12】依照本发明一实施例，多工作站系统100的质量预测系统102及其预测方法，可于找到各工作站101的制程参数的关联性及建立关联规则之后，当其中一阶段的工作站101的制程参数改变时，只需针对其他工作站101中与上一个阶段的工作站101的制程参数相关联的制程参数进行调整即可，不需对各工作站101的所有制程参数进行调整，进而减少调整及校正参数的时间及流程。此外，本实施例的质量预测系统102及其预测方法能有效解决各别调整各工作站101的制程参数时，未考虑多个工作站101对生产质量影响的连续性，导致各工作站101之间未能有效配合的问题。
【13】另外，当找到各工作站101的制程参数的关联性及建立关联规则之后，只需针对与生产质量有关的制程参数进行检测及控制，不需重复设置大量传感器以对工作站的所有制程参数进行检测及控制，因此可大量减少传感器的装设成本及装设空间。
【14】以下是提出实施例进行详细说明，实施例仅用以作为范例说明，并非用以限缩本发明欲保护的范围。以下是以相同/类似的符号表示相同/类似的组件做说明。需注意的是，以下实施例虽以模块化组件进行说明，但模块化组件不限定为硬件，例如计算机或处理器，亦可为储存于计算机中用以执行相同功能或步骤的计算机程序或算法，本发明对此不加以限制。
【15】请参照图1，依照本发明一实施例的多工作站系统100的质量预测系统102，包括一生产数据记录模块104、一制程参数关联性模块106以及一质量预测模块108，可经由一处理器来执行模块。处理器可以是各类型的中央处理器、微处理器、PLC、或是各类型计算机、服务器等。在图1中，箭头A表示在制品(或半成品)由一工作站101进入到另一工作站101的一阶段生产过程，在不同阶段生产过程中，在制品经过不同加工程序或处理，成为最终产品(或制品)。上述的工作站101可为不同工厂的产在线的机台，但亦可为同一工厂的一产在线的不同机台，本发明对此不加以限制。
【16】质量预测模块108用以评估工作站101的生产质量。当生产质量符合预期值时，各工作站101继续进行多阶段生产过程，当生产质量不符合期望值时，调整各工作站101的制程参数，例如调整各工作站101的制程参数中影响生产质量的特征参数。
【17】在一实施例中，各工作站101的机台可为多轴工具机、车床、铣床、焊接机、焊炉、曝光机、蚀刻机、化学气相沉积设备等，制程参数可为马达转速、工作电压/电流值、焊炉温度、焊接温度、曝光量、蚀刻浓度及气相沉积速度等。当生产质量不符合预期值时，质量预测系统102可针对生产前预先建立的质量预测模型以及各工作站101的制程参数之间的关联规则来调整各工作站101的制程参数。例如，当马达转速为影响生产质量的一特征参数时，调整马达的转速时，也同时调整与马达转速相关联的另一制程参数；或者，当熔炉温度为影响生产质量的一特征参数时，调整熔炉温度时，也同时调整与熔炉温度相关联的另一制程参数，以避免各工作站101之间的制程参数未能有效配合而影响生产质量。
【18】请参照图1，建立关联规则的方式如下。首先，生产数据记录模块104记录多个工作站101的多个生产数据，其中，这些生产数据报括一在制品在一多阶段生产过程中于这些工作站101的制程参数与历史生产质量数据。为了方便后续追踪及分析在制品的生产质量与其相关的工作站101制程参数，各个在制品在多阶段生产过程中具有唯一生产标识符，记录在工作窗体或数据库中，生产标识符可对应其他的相关数据，例如记载工件原料、加工方式及其预定制程参数等，以利于后续寻找相关的历史生产质量数据。
【19】接着，制程参数关联性模块106用以记录多个制程参数关联性，其中，每一制程参数关联性是从历史生产质量数据中，分析在制品在多阶段生产过程中一阶段的工作站101的制程参数与在制品于后一个阶段的工作站101的制程参数所建立的关联性。例如：前一个工作站101为曝光机，后一个工作站101为蚀刻机，当曝光机对光阻的曝光量与后续利用光阻做为屏蔽进行蚀刻所需的蚀刻浓度有关联性时，质量预测模块108记录一质量预测模型及一关联规则，其中质量预测模型是根据这些制程参数关联性所建立。
【20】在本实施例中，质量预测系统102可从数据库中撷取预先储存的多个训练用生产数据来训练及建构质量预测模型，并从数据库中撷取预先储存的多个测试用生产数据来验证关联规则。
【21】建立质量预测模块108的方式如下。首先，进行数据分析，数据分析的目的在于寻找制程参数和生产质量之间的关系，可从产在线所得到的产品生产信息以及对应的生产质量关系来挖掘其规则，以得知产在线的已知制程与生产质量对应关系的数据，这数据报含了良品与不良品的制造过程信息，称之为不良品模式(Failure Pattern)。质量预测模块108可通过判定树算法来分析制程的各个步骤，并取得数据中的质量规则而产生质量预测模型(例如建立产品生产信息与最终质量的关联性，或不良品模式和产品生产信息的关联性)。接着，若有不良品，质量预测模块108能根据分析的结果发现有质量异常的地方，以提供相关的信息并通知品管人员，实时对有问题的机台进行监控及修正，以降低不良品发生的情况。
【22】验证特征参数及关联规则的方式如下。首先，制程参数关联性模块106从各工作站101的制程参数中筛选出影响生产质量的一特征参数。特征参数可为影响生产质量最高的制程参数，若影响生产质量的制程参数有多个时，可依照权重值大小选择权重值最大的一制程参数做为特征参数。接着，制程参数关联性模块106利用大数据分析及逻辑运算，分析各特征参数与生产质量的关系以及各特征参数之间的关联程度。输入多个测试用生产数据至质量预测模型中，以验证特征参数以及关联规则中各特征参数与生产质量的关系、各特征参数之间的关联程度。
【23】其中，验证关联规则中各特征参数与生产质量的关系、各特征参数之间的关联程度的方法，包括挖掘(Apriori)算法、粗糙集(Rough Set)算法、模糊粗糙集(FuzzyRough Set)算法等其中之一。
【24】根据上述的说明，本发明提出一种多工作站系统100的质量预测方法110。请参照图2，依照本发明一实施例的多工作站系统100的质量预测方法110包括下列步骤。首先，在步骤S11中，取得并记录多个工作站101的多个生产数据，其中，生产数据报括一在制品在一多阶段生产过程中于这些工作站101的制程参数与历史生产质量数据，生产数据可包含有多个用以训练质量默认模型的训练用生产数据与多个用以验证关联规则的测试用生产数据，此外，生产数据中亦可包含从一实时数据库中撷取一在线生产数据，以做为一输入生产数据。输入生产数据可为在制品在多阶段生产过程中于这些工作站101的预定制程参数。
【25】在步骤S12中，筛选出各工作站101的制程参数中影响生产质量的一特征参数。
【26】在步骤S13中，根据筛选出的特征参数，从历史生产质量数据中分析一在制品在多阶段生产过程中一阶段的工作站101的制程参数与在制品于后一个阶段的工作站101的制程参数的关联性。
【27】在步骤S14中，记录一质量预测模型以及一关联规则，其中，质量预测模型是根据步骤S13中的制程参数关联性所建立。
【28】在步骤S15中，通过挖掘(Apriori)算法、粗糙集(Rough Set)算法或模糊粗糙集(Fuzzy Rough Set)算法来验证关联规则。
【29】在步骤S16中，根据质量预测模型、关联规则与输入生产数据以预测在制品的一生产质量。当生产质量符合一期望值时，这些工作站101继续进行多阶段生产过程，当生产质量不符合期望值时，调整各工作站101的制程参数，以使生产质量符合期望值。
【30】在一实施例中，本发明借由整合/分析各工作站101间的因果关系及参数关联性，减少工作站101间所需设置的传感器数量，实际反应产在线各工作站101的特性及相关性，以提供不同的建议调整方案供选择，让系统管理者可以依需求、成本、备品数量、调整时间、人力安排等因素而选择适合的调整方案，提高各工作站101的参数设定效率及质量管理。
【31】例如，当质量预测系统102评估电路板的电子零件的焊接良率不好时(溢锡、空焊等缺陷)，可调整焊炉的传送速度，并对应调整焊锡的使用量，两者搭配才能提高焊接良率；或者，调整焊炉的升降温曲线，并对应调整焊锡的使用量，两者搭配才能提高焊接良率。
【32】本发明的质量预测系统102可以应用在化工制程监控、半导体IC制程监控、民生用品制程监控、汽车航空制程监控、通用型监控技术、电子产品制程监控、机械加工制程监控、锡膏印刷制程监控等。
【33】在半导体IC制程监控上，本发明的质量预测系统102可用在监控和预测晶圆平整度的方法及半导体晶圆的制造方法上，目的在于达成提高产线及产品的产率与良率的功效，其是使用平均偏差值变量曲线来预测下一晶圆的预测偏差值变量曲线，以有效监测晶圆的均匀度。
【34】由于半导体IC制程的生产流程繁复，从最初晶圆投产至最终芯片产出中间经过数以千百计的工作站，包含的生产设备如黄光制程、蚀刻制程、扩散制程以及气相沉积制程等工作站，各具不同特性，其中，所投入的人力、成本及资源相当可观，故格外要求对产品质量的预测与机台参数的调整以提高产线及产品的产率与良率。故通过本发明预测生产质量并导入于多工作站系统的产线中，尤其是工业制造导入物联网技术，各工作站间的沟通协调等相关技术的发展将会更加的受到重视及需要，所以发展潜力高。
【35】综上所述，虽然本发明已以实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视后附的申请专利范围所界定者为准。
Claims (12)
1.一种多工作站系统的质量预测方法，经由一处理器以执行以下步骤，其特征在于，包括：
记录多个工作站的多个生产数据，其中，该多个生产数据报括一在制品其在一多阶段生产过程中于该多个工作站的制程参数与历史生产质量数据，该在制品在该多阶段生产过程中具有唯一生产标识符；
记录多个制程参数关联性，其中每一该制程参数关联性是依据该多阶段生产过程，从该历史生产质量数据中，分析该在制品在多阶段生产过程中一阶段的工作站的制程参数与该在制品于后一个阶段的工作站的制程参数所建立的关联性；
记录一质量预测模型及一关联规则，其中该质量预测模型是根据该多个制程参数关联性所建立；以及
根据该质量预测模型、该关联规则与一输入生产数据以预测一生产质量，其中该输入生产数据是该在制品在该多阶段生产过程中于该多个工作站的预定制程参数。
2.如权利要求1所述的质量预测方法，其特征在于，该多个历史生产数据包含有多个训练用生产数据与多个测试用生产数据，该多个训练用生产数据用以训练并建构该质量预测模型，以筛选出各该工作站的制程参数中影响该生产质量的一特征参数，该多个测试用生产数据用以验证该关联规则中各该特征参数与该生产质量的关系、各该特征参数之间的关联程度。
3.如权利要求2所述的质量预测方法，其特征在于，训练该质量预测模型的方法包括一判定树算法。
4.如权利要求2所述的质量预测方法，其特征在于，验证该关联规则中各该特征参数与该生产质量的关系、各该特征参数之间的关联程度的方法，包括挖掘(Apriori)算法、粗糙集(Rough Set)算法和模糊粗糙集(Fuzzy Rough Set)算法其中之一。
5.如权利要求1所述的质量预测方法，其特征在于，该输入生产数据是为从一实时数据库中撷取一在线生产数据，并根据该在线生产数据、该质量预测模型与该关联规则预测该生产质量，且当该生产质量符合一期望值时，该多个工作站继续进行该多阶段生产过程，当该生产质量不符合该期望值时，调整各该工作站的制程参数。
6.如权利要求2所述的质量预测方法，其特征在于，该输入生产数据是为从一实时数据库中撷取一在线生产数据，并根据该在线生产数据、该质量预测模型与该关联规则预测该生产质量，且当该生产质量符合一期望值时，该多个工作站继续进行该多阶段生产过程，当该生产质量不符合该期望值时，调整各该工作站的制程参数中影响该生产质量的该特征参数。
7.一种多工作站系统的质量预测系统，经由一处理器以执行以下模块，包括：
一生产数据记录模块，用以记录多个工作站的多个生产数据，其中，该多个生产数据报括一在制品其在一多阶段生产过程中于该多个工作站的制程参数与历史生产质量数据，该在制品在该多阶段生产过程中具有唯一生产标识符；
一制程参数关联性模块，用以记录多个制程参数关联性，其中每一该制程参数关联性是依据该多阶段生产过程，从该历史生产质量数据中，分析该在制品在多阶段生产过程中一阶段的工作站的制程参数与该在制品于后一个阶段的工作站的制程参数所建立的关联性；以及
一质量预测模块，用以记录一质量预测模型及一关联规则，其中该质量预测模型是根据该多个制程参数关联性所建立，该质量预测模块根据该质量预测模型、该关联规则与一输入生产数据以预测一生产质量，其中该输入生产数据是该在制品在该多阶段生产过程中于该多个工作站的预定制程参数。
8.如权利要求7所述的质量预测系统，其特征在于，该多个历史生产数据包含有多个训练用生产数据与多个测试用生产数据，该多个训练用生产数据用以训练及建构该质量预测模型，以筛选出各该工作站的制程参数中影响该生产质量的一特征参数，该多个测试用生产数据用以验证该关联规则中各该特征参数与该生产质量的关系、各该特征参数之间的关联程度。
9.如权利要求8所述的质量预测系统，其特征在于，训练该质量预测模型的方法包括判定树算法。
10.如权利要求8所述的质量预测系统，其特征在于，验证该关联规则中各该特征参数与该生产质量的关系、各该特征参数之间的关联程度的方法，包括挖掘(Apriori)算法、粗糙集(Rough Set)算法和模糊粗糙集(Fuzzy Rough Set)算法其中之一。
11.如权利要求7所述的质量预测系统，其特征在于，该输入生产数据是为从一实时数据库中撷取一在线生产数据，并根据该在线生产数据、该质量预测模型与该关联规则预测该生产质量，且当该生产质量符合一期望值时，该多个工作站继续进行该多阶段生产过程，当该生产质量不符合该期望值时，调整各该工作站的制程参数。
12.如权利要求8所述的质量预测系统，其特征在于，该输入生产数据是为从一实时数据库中撷取一在线生产数据，并根据该在线生产数据、该质量预测模型与该关联规则预测该生产质量，且当该生产质量符合一期望值时，该多个工作站继续进行该多阶段生产过程，当该生产质量不符合该期望值时，调整各该工作站的制程参数中影响该生产质量的该特征参数。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW106140026 | 2017-11-20 | ||
| TW106140026A TWI663569B (zh) | 2017-11-20 | 2017-11-20 | 多工作站系統的品質預測方法及其系統 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109816191A true CN109816191A (zh) | 2019-05-28 |
Family
ID=66600136
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711261261.9A Pending CN109816191A (zh) | 2017-11-20 | 2017-12-04 | 多工作站系统的质量预测方法及其系统 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN109816191A (zh) |
| TW (1) | TWI663569B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021106288A1 (ja) * | 2019-11-28 | 2021-06-03 | 花王株式会社 | 品質計測方法及び品質計測装置 |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI710920B (zh) * | 2019-12-03 | 2020-11-21 | 國家中山科學研究院 | 人工智慧技術估測產品良率的系統與方法 |
| TWI756784B (zh) * | 2020-08-18 | 2022-03-01 | 國立中央大學 | 用於評估製造系統中的機器良率的裝置及方法 |
| TWI735316B (zh) * | 2020-08-21 | 2021-08-01 | 東元電機股份有限公司 | 數位化生產決策系統及數位化生產決策方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102621953A (zh) * | 2012-03-20 | 2012-08-01 | 天津大学 | 一种橡胶硬度的在线自动质量监控和预测模型更新的方法 |
| CN102937784A (zh) * | 2012-10-30 | 2013-02-20 | 中冶南方工程技术有限公司 | 基于人工神经网络的铸坯质量在线预报的控制方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102005009022A1 (de) * | 2005-02-28 | 2006-09-07 | Advanced Micro Devices, Inc., Sunnyvale | Automatisches Durchsatzsteuerungssystem und Verfahren zum Betreiben desselben |
| US7974723B2 (en) * | 2008-03-06 | 2011-07-05 | Applied Materials, Inc. | Yield prediction feedback for controlling an equipment engineering system |
| KR101924487B1 (ko) * | 2013-12-17 | 2018-12-03 | 에이에스엠엘 네델란즈 비.브이. | 수율 추산 및 제어 |
| KR20150103578A (ko) * | 2014-03-03 | 2015-09-11 | 삼성전자주식회사 | 공정 관리 시스템 및 장치 |
-
2017
- 2017-11-20 TW TW106140026A patent/TWI663569B/zh active
- 2017-12-04 CN CN201711261261.9A patent/CN109816191A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102621953A (zh) * | 2012-03-20 | 2012-08-01 | 天津大学 | 一种橡胶硬度的在线自动质量监控和预测模型更新的方法 |
| CN102937784A (zh) * | 2012-10-30 | 2013-02-20 | 中冶南方工程技术有限公司 | 基于人工神经网络的铸坯质量在线预报的控制方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘帅帅: "多工序制造过程质量特性关联性研究及应用", 《中国优秀硕士学位论文全文数据库（电子期刊）》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021106288A1 (ja) * | 2019-11-28 | 2021-06-03 | 花王株式会社 | 品質計測方法及び品質計測装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| TWI663569B (zh) | 2019-06-21 |
| TW201923688A (zh) | 2019-06-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5020101B2 (ja) | ラントゥラン制御器を用いた欠陥検出および分類（ｆｄｃ） | |
| CN109816191A (zh) | 多工作站系统的质量预测方法及其系统 | |
| KR100756728B1 (ko) | 반도체 처리 기술 | |
| CN100399321C (zh) | 统计制程分析系统、计算机执行的用于统计制程分析方法 | |
| CN105159239B (zh) | 一种spc策略自动更新方法及spc自动策略系统 | |
| CN101238421A (zh) | 用于监控工艺环境中的动态参数的自校正多变量分析 | |
| JP2007524834A (ja) | データ分析用の方法および装置 | |
| JP2000252179A (ja) | 半導体製造プロセス安定化支援システム | |
| CN105223914A (zh) | 管控机台生产数据的系统及其方法 | |
| JP2006148070A (ja) | センサデータの補正方法及びインターロックシステムのインターロック評価方法 | |
| CN103943523A (zh) | 半导体生产过程中的抽样量测方法 | |
| US20140278234A1 (en) | Method and a system for a statistical equivalence test | |
| Groba et al. | Architecture of a predictive maintenance framework | |
| CN105700490B (zh) | 一种提高产品良率的方法及系统 | |
| CN101118422A (zh) | 半导体制造的虚拟量测预估与建立预估模型的方法与系统 | |
| CN110856437B (zh) | 一种smt生产过程控制图模式识别方法 | |
| JP2002236511A (ja) | 工程管理システムおよび工程管理方法 | |
| KR101780627B1 (ko) | 작업조건 변경 관리와 연동되어 설비 제어가 가능한 공정관리 시스템 및 방법 | |
| CN108242411B (zh) | 用于管控线上缺陷的方法和系统 | |
| Eger et al. | Knowledge capturing platform in multi-stage production systems for zero-defect manufacturing | |
| US20050038543A1 (en) | Method and system for synchronizing control limit and equipment performance | |
| CN117013687A (zh) | 一种电力运行质量监测方法及系统 | |
| CN101118423A (zh) | 虚拟测量预估模型的适用性选择方法与系统 | |
| JP2004227184A (ja) | 品質データ管理方法およびその装置 | |
| KR20200045918A (ko) | 반도체 제조 공정에 적용되는 운영 체계 솔루션 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190528 |