TWI663569B - 多工作站系統的品質預測方法及其系統 - Google Patents
多工作站系統的品質預測方法及其系統 Download PDFInfo
- Publication number
- TWI663569B TWI663569B TW106140026A TW106140026A TWI663569B TW I663569 B TWI663569 B TW I663569B TW 106140026 A TW106140026 A TW 106140026A TW 106140026 A TW106140026 A TW 106140026A TW I663569 B TWI663569 B TW I663569B
- Authority
- TW
- Taiwan
- Prior art keywords
- production
- quality
- data
- quality prediction
- workstation
- Prior art date
Links
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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
一種多工作站系統的品質預測方法,經由一處理器以執行下列步驟。記錄多個工作站的多個生產資料,其中,此些生產資料包括一在製品在一多階段生產過程中於此些工作站的製程參數與歷史生產品質資料,在製品在多階段生產過程中具有唯一生產識別碼。記錄多個製程參數關聯性,其中每一製程參數關聯性係依據多階段生產過程,從歷史生產品質資料中,分析在製品在多階段生產過程中一階段的工作站的製程參數與在製品於後一個階段的工作站的製程參數所建立的關聯性。根據製程參數關聯性,記錄一品質預測模型及一關聯規則。預測一生產品質。
Description
本發明是有關於一種品質預測方法,且特別是有關於一種多工作站系統的品質預測方法及其系統。
現行品質預測方法應用於工廠生產線上的多道製程的工作站系統中,其做法是將單工作站/單機台的流程移植過來,對各工作站/機台的製程參數單獨進行品質預測、調整及管理,此做法僅是單獨最優化某一品質指標,未考慮多工作站的參數設定對品質影響的連續性,導致無法反應多工作站系統/多機台的特性,因而產生(1)重複調整相關參數設定,耗費很多時間調整機台;(2)各工作站/機台的設定及管理無法有效的搭配;(3)重複設置大量感測器,導致感測器的成本增加等缺點。
本發明係有關於一種多工作站系統的品質預測方法及其系統,可根據不同階段生產過程中製程參數關聯性來對應調整相關聯的製程參數。
根據本發明之一方面,提出一種多工作站系統的品質預測方法,經由一處理器以執行下列步驟。記錄多個工作站的多個生產資料,其中,此些生產資料包括一在製品在一多階段生產過程中於此些工作站的製程參數與歷史生產品質資料,該在製品在該多階段生產過程中具有唯一生產識別碼。記錄多個製程參數關聯性,其中每一該製程參數關聯性係依據該多階段生產過程,從該歷史生產品質資料中,分析該在製品在多階段生產過程中一階段的工作站的製程參數與該在製品於後一個階段的工作站的製程參數所建立的關聯性。記錄一品質預測模型及一關聯規則,其中該品質預測模型係根據此些製程參數關聯性所建立。根據該品質預測模型、該關聯規則與一輸入生產資料以預測一生產品質,其中該輸入生產資料係該在製品在該多階段生產過程中於此些工作站的預定製程參數。
根據本發明之一方面,提出一種多工作站系統的品質預測系統,經由一處理器以執行以下模組,包括一生產資料記錄模組、一製程參數關聯性模組以及一品質預測模組。生產資料記錄模組用以記錄多個工作站的多個生產資料,其中,此些生產資料包括一在製品在一多階段生產過程中於此些工作站的製程參數與歷史生產品質資料,該在製品在該多階段生產過程中具有唯一生產識別碼。製程參數關聯性模組用以記錄多個製程參數關聯性,其中每一該製程參數關聯性係依據該多階段生產過程,從該歷史生產品質資料中,分析該在製品在多階段生產過程中一階段的工
作站的製程參數與該在製品於後一個階段的工作站的製程參數所建立的關聯性。品質預測模組用以記錄一品質預測模型及一關聯規則,其中該品質預測模型係根據此些製程參數關聯性所建立,該品質預測模組根據該品質預測模型、該關聯規則與一輸入生產資料以預測一生產品質,其中該輸入生產資料係該在製品在該多階段生產過程中於此些工作站的預定製程參數。
為了對本發明之上述及其他方面有更佳的瞭解,下文特舉實施例,並配合所附圖式詳細說明如下:
100‧‧‧多工作站系統
101‧‧‧工作站
102‧‧‧品質預測系統
104‧‧‧生產資料記錄模組
106‧‧‧製程參數關聯性模組
108‧‧‧品質預測模組
110‧‧‧品質預測方法
A‧‧‧階段生產過程
S11~S16‧‧‧各個步驟
第1圖繪示依照本發明一實施例之多工作站系統的品質預測系統的示意圖。
第2圖繪示依照本發明一實施例之多工作站系統的品質預測方法的示意圖。
第1圖繪示依照本發明一實施例之多工作站系統100的品質預測系統102的示意圖,第2圖繪示依照本發明一實施例之多工作站系統100的品質預測方法110的示意圖。
依照本發明一實施例,多工作站系統100的品質預測系統102及其預測方法,可於生產前建立品質預測模型以及各工作站101(即工作機台)的製程參數之間的關聯規則,並依照各工作站製程參數的資料蒐集推估在製品在多階段生產過程中的生產品
質,例如良率、效率、精準度等,再根據預測的生產品質調整各工作站101的製程參數,以達到最適化調整參數及品質管理的目的。
依照本發明一實施例,多工作站系統100的品質預測系統102及其預測方法,可從歷史生產品質資料中,篩選出各工作站101的製程參數中影響生產品質的一特徵參數,並分析在製品在多階段生產過程中一階段的工作站101(亦即生產或加工機台)的製程參數與在製品於後一個階段的工作站101的製程參數的關聯性,以建立一關聯規則。在一些特定實施例中,在建立關聯規則時,可進一步濾除與品質因素相關性不大的雜訊參數。
依照本發明一實施例,多工作站系統100的品質預測系統102及其預測方法,可於找到各工作站101的製程參數的關聯性及建立關聯規則之後,當其中一階段的工作站101的製程參數改變時,只需針對其他工作站101中與上一個階段的工作站101的製程參數相關聯的製程參數進行調整即可,不需對各工作站101的所有製程參數進行調整,進而減少調整及校正參數的時間及流程。此外,本實施例之品質預測系統102及其預測方法能有效解決各別調整各工作站101的製程參數時,未考量多個工作站101對生產品質影響的連續性,導致各工作站101之間未能有效配合的問題。
另外,當找到各工作站101的製程參數的關聯性及建立關聯規則之後,只需針對與生產品質有關的製程參數進行偵測
及控制,不需重複設置大量感測器以對工作站的所有製程參數進行偵測及控制,因此可大量減少感測器的裝設成本及裝設空間。
以下係提出實施例進行詳細說明,實施例僅用以作為範例說明,並非用以限縮本發明欲保護之範圍。以下是以相同/類似的符號表示相同/類似的元件做說明。需注意的是,以下實施例雖以模組化元件進行說明,但模組化元件不限定為硬體,例如電腦或處理器,亦可為儲存於電腦中用以執行相同功能或步驟的電腦程式或演算法,本發明對此不加以限制。
請參照第1圖,依照本發明一實施例之多工作站系統100的品質預測系統102,包括一生產資料記錄模組104、一製程參數關聯性模組106以及一品質預測模組108,可經由一處理器來執行模組。處理器可以是各類型的中央處理器、微處理器、PLC、或是各類型電腦、伺服器等。在第1圖中,箭頭A表示在製品(或半成品)由一工作站101進入到另一工作站101的一階段生產過程,在不同階段生產過程中,在製品經過不同加工程序或處理,成為最終產品(或製品)。上述的工作站101可為不同工廠的產線上的機台,但亦可為同一工廠的一產線上的不同機台,本發明對此不加以限制。
品質預測模組108用以評估工作站101的生產品質。當生產品質符合預期值時,各工作站101繼續進行多階段生產過程,當生產品質不符合期望值時,調整各工作站101的製程參
數,例如調整各工作站101的製程參數中影響生產品質的特徵參數。
在一實施例中,各工作站101的機台可為多軸工具機、車床、銑床、焊接機、焊爐、曝光機、蝕刻機、化學氣相沉積設備等,製程參數可為馬達轉速、工作電壓/電流值、焊爐溫度、焊接溫度、曝光量、蝕刻濃度及氣相沉積速度等。當生產品質不符合預期值時,品質預測系統102可針對生產前預先建立的品質預測模型以及各工作站101的製程參數之間的關聯規則來調整各工作站101的製程參數。例如,當馬達轉速為影響生產品質的一特徵參數時,調整馬達的轉速時,也同時調整與馬達轉速相關聯的另一製程參數;或者,當熔爐溫度為影響生產品質的一特徵參數時,調整熔爐溫度時,也同時調整與熔爐溫度相關聯的另一製程參數,以避免各工作站101之間的製程參數未能有效配合而影響生產品質。
請參照第1圖,建立關聯規則的方式如下。首先,生產資料記錄模組104記錄多個工作站101的多個生產資料,其中,此些生產資料包括一在製品在一多階段生產過程中於此些工作站101的製程參數與歷史生產品質資料。為了方便後續追蹤及分析在製品的生產品質與其相關的工作站101製程參數,各個在製品在多階段生產過程中具有唯一生產識別碼,記錄在工作表單或資料庫中,生產識別碼可對應其他的相關資料,例如記載工件原料、加
工方式及其預定製程參數等,以利於後續尋找相關的歷史生產品質資料。
接著,製程參數關聯性模組106用以記錄多個製程參數關聯性,其中每一製程參數關聯性係從歷史生產品質資料中,分析在製品在多階段生產過程中一階段的工作站101的製程參數與在製品於後一個階段的工作站101的製程參數所建立的關聯性。例如:前一個工作站101為曝光機,後一個工作站101為蝕刻機,當曝光機對光阻的曝光量與後續利用光阻做為遮罩進行蝕刻所需的蝕刻濃度有關聯性時,品質預測模組108記錄一品質預測模型及一關聯規則,其中品質預測模型係根據此些製程參數關聯性所建立。
在本實施例中,品質預測系統102可從資料庫中擷取預先儲存的多個訓練用生產資料來訓練及建構品質預測模型,並從資料庫中擷取預先儲存的多個測試用生產資料來驗證關聯規則。
建立品質預測模組108的方式如下。首先,進行資料分析,資料分析的目的在於尋找製程參數和生產品質之間的關係,可從產線上所得到的產品生產資訊以及對應的生產品質關係來挖掘其規則,以得知產線上的已知製程與生產品質對應關係的資料,這資料包含了良品與不良品的製造過程資訊,稱之為不良品模式(Failure Pattern)。品質預測模組108可透過決策樹演算法來分析製程的各個步驟,並取得資料中的品質規則而產生品
質預測模型(例如建立產品生產資訊與最終品質的關聯性,或不良品模式和產品生產資訊的關聯性)。接著,若有不良品,品質預測模組108能根據分析的結果發現有品質異常的地方,以提供相關的資訊並通知品管人員,即時對有問題的機台進行監控及修正,以降低不良品發生的情況。
驗證特徵參數及關聯規則的方式如下。首先,製程參數關聯性模組106從各工作站101的製程參數中篩選出影響生產品質的一特徵參數。特徵參數可為影響生產品質最高的製程參數,若影響生產品質的製程參數有多個時,可依照權重值大小選擇權重值最大的一製程參數做為特徵參數。接著,製程參數關聯性模組106利用大數據分析及邏輯運算,分析各特徵參數與生產品質的關係以及各特徵參數之間的關聯程度。輸入多個測試用生產資料至品質預測模型中,以驗證特徵參數以及關聯規則中各特徵參數與生產品質的關係、各特徵參數之間的關聯程度。
其中,驗證關聯規則中各特徵參數與生產品質的關係、各特徵參數之間的關聯程度的方法,包括挖掘(Apriori)演算法、粗糙集(Rough Set)演算法、模糊粗糙集(Fuzzy Rough Set)演算法等其中之一。
根據上述的說明,本發明提出一種多工作站系統100的品質預測方法110。請參照第2圖,依照本發明一實施例之多工作站系統100的品質預測方法110包括下列步驟。首先,在步驟S11中,取得並記錄多個工作站101的多個生產資料,其中,生產資料
包括一在製品在一多階段生產過程中於此些工作站101的製程參數與歷史生產品質資料,生產資料可包含有多個用以訓練品質預設模型的訓練用生產資料與多個用以驗證關聯規則的測試用生產資料,此外,生產資料中亦可包含從一即時資料庫中擷取一線上生產資料,以做為一輸入生產資料。輸入生產資料可為在製品在多階段生產過程中於此些工作站101的預定製程參數。
在步驟S12中,篩選出各工作站101的製程參數中影響生產品質的一特徵參數。
在步驟S13中,根據篩選出的特徵參數,從歷史生產品質資料中分析一在製品在多階段生產過程中一階段的工作站101的製程參數與在製品於後一個階段的工作站101的製程參數的關聯性。
在步驟S14中,記錄一品質預測模型以及一關聯規則,其中品質預測模型係根據步驟S13中的製程參數關聯性所建立。
在步驟S15中,透過挖掘(Apriori)演算法、粗糙集(Rough Set)演算法或模糊粗糙集(Fuzzy Rough Set)演算法來驗證關聯規則。
在步驟S16中,根據品質預測模型、關聯規則與輸入生產資料以預測在製品的一生產品質。當生產品質符合一期望值時,此些工作站101繼續進行多階段生產過程,當生產品質不符合
期望值時,調整各工作站101的製程參數,以使生產品質符合期望值。
在一實施例中,本發明藉由整合/分析各工作站101間的因果關係及參數關聯性,減少工作站101間所需設置的感測器數量,實際反應產線上各工作站101的特性及相關性,以提供不同的建議調整方案供選擇,讓系統管理者可以依需求、成本、備品數量、調整時間、人力安排等因素而選擇適合的調整方案,提高各工作站101的參數設定效率及品質管理。
例如,當品質預測系統102評估電路板的電子零件的焊接良率不好時(溢錫、空焊等缺陷),可調整焊爐的傳送速度,並對應調整焊錫的使用量,兩者搭配才能提高焊接良率;或者,調整焊爐的升降溫曲線,並對應調整焊錫的使用量,兩者搭配才能提高焊接良率。
本發明之品質預測系統102可以應用在化工製程監控、半導體IC製程監控、民生用品製程監控、汽車航空製程監控、通用型監控技術、電子產品製程監控、機械加工製程監控、錫膏印刷製程監控等。
在半導體IC製程監控上,本發明之品質預測系統102可用在監控和預測晶圓平整度的方法及半導體晶圓的製造方法上,目的在於達成提高產線及產品的產率與良率的功效,其係使用平均偏差值變數曲線來預測下一晶圓的預測偏差值變數曲線,以有效監測晶圓的均勻度。
由於半導體IC製程的生產流程繁複,從最初晶圓投產至最終晶片產出中間經過數以千百計的工作站,包含的生產設備如黃光製程、蝕刻製程、擴散製程以及氣相沉積製程等工作站,各具不同特性,其中所投入的人力、成本及資源相當可觀,故格外要求對產品品質的預測與機台參數的調整以提高產線及產品的產率與良率。故透過本發明預測生產品質並導入於多工作站系統的產線中,尤其是工業製造導入物聯網技術,各工作站間的溝通協調等相關技術的發展將會更加的受到重視及需要,所以發展潛力高。
綜上所述,雖然本發明已以實施例揭露如上,然其並非用以限定本發明。本發明所屬技術領域中具有通常知識者,在不脫離本發明之精神和範圍內,當可作各種之更動與潤飾。因此,本發明之保護範圍當視後附之申請專利範圍所界定者為準。
Claims (12)
- 一種多工作站系統的品質預測方法,經由一處理器以執行以下步驟,包括:記錄複數個工作站的複數個生產資料,其中,該些生產資料包括一在製品其在一多階段生產過程中於該些工作站的製程參數與歷史生產品質資料,該在製品在該多階段生產過程中具有唯一生產識別碼,該唯一生產識別碼用以尋找與該在製品相關的該製程參數與該歷史生產品質資料;記錄複數個製程參數關聯性,其中每一該製程參數關聯性係依據該多階段生產過程,從該歷史生產品質資料中,分析該在製品在多階段生產過程中一階段的工作站的製程參數與該在製品於後一個階段的工作站的製程參數所建立的關聯性;記錄一品質預測模型及一關聯規則,其中該品質預測模型係根據該些製程參數關聯性所建立;以及根據該品質預測模型、該關聯規則與一輸入生產資料以預測一生產品質,其中該輸入生產資料係該在製品在該多階段生產過程中於該些工作站的預定製程參數。
- 如申請專利範圍第1項所述之品質預測方法,其中該些歷史生產資料包含有複數個訓練用生產資料與複數個測試用生產資料,該些訓練用生產資料用以訓練並建構該品質預測模型,以篩選出各該工作站的製程參數中影響該生產品質的一特徵參數,該些測試用生產資料用以驗證該關聯規則中各該特徵參數與該生產品質的關係、各該特徵參數之間的關聯程度。
- 如申請專利範圍第2項所述之品質預測方法,其中訓練該品質預測模型之方法包括一決策樹演算法。
- 如申請專利範圍第2項所述之品質預測方法,其中驗證該關聯規則中各該特徵參數與該生產品質的關係、各該特徵參數之間的關聯程度的方法,包括挖掘(Apriori)演算法、粗糙集(Rough Set)演算法和模糊粗糙集(Fuzzy Rough Set)演算法其中之一。
- 如申請專利範圍第1項所述之品質預測方法,其中,該輸入生產資料係為從一即時資料庫中擷取一線上生產資料,並根據該線上生產資料、該品質預測模型與該關聯規則預測該生產品質,且當該生產品質符合一期望值時,該些工作站繼續進行該多階段生產過程,當該生產品質不符合該期望值時,調整各該工作站的製程參數。
- 如申請專利範圍第2項所述之品質預測方法,其中,該輸入生產資料係為從一即時資料庫中擷取一線上生產資料,並根據該線上生產資料、該品質預測模型與該關聯規則預測該生產品質,且當該生產品質符合一期望值時,該些工作站繼續進行該多階段生產過程,當該生產品質不符合該期望值時,調整各該工作站的製程參數中影響該生產品質的該特徵參數。
- 一種多工作站系統的品質預測系統,經由一處理器以執行以下模組,包括:一生產資料記錄模組,用以記錄複數個工作站的複數個生產資料,其中,該些生產資料包括一在製品其在一多階段生產過程中於該些工作站的製程參數與歷史生產品質資料,該在製品在該多階段生產過程中具有唯一生產識別碼,該唯一生產識別碼用以尋找與該在製品相關的該製程參數與該歷史生產品質資料;一製程參數關聯性模組,用以記錄複數個製程參數關聯性,其中每一該製程參數關聯性係依據該多階段生產過程,從該歷史生產品質資料中,分析該在製品在多階段生產過程中一階段的工作站的製程參數與該在製品於後一個階段的工作站的製程參數所建立的關聯性;以及一品質預測模組,用以記錄一品質預測模型及一關聯規則,其中該品質預測模型係根據該些製程參數關聯性所建立,該品質預測模組根據該品質預測模型、該關聯規則與一輸入生產資料以預測一生產品質,其中該輸入生產資料係該在製品在該多階段生產過程中於該些工作站的預定製程參數。
- 如申請專利範圍第7項所述之品質預測系統,其中該些歷史生產資料包含有複數個訓練用生產資料與複數個測試用生產資料,該些訓練用生產資料用以訓練及建構該品質預測模型,以篩選出各該工作站的製程參數中影響該生產品質的一特徵參數,該些測試用生產資料用以驗證該關聯規則中各該特徵參數與該生產品質的關係、各該特徵參數之間的關聯程度。
- 如申請專利範圍第8項所述之品質預測系統,其中訓練該品質預測模型之方法包括決策樹演算法。
- 如申請專利範圍第8項所述之品質預測系統,其中驗證該關聯規則中各該特徵參數與該生產品質的關係、各該特徵參數之間的關聯程度的方法,包括挖掘(Apriori)演算法、粗糙集(Rough Set)演算法和模糊粗糙集(Fuzzy Rough Set)演算法其中之一。
- 如申請專利範圍第7項所述之品質預測系統,其中,該輸入生產資料係為從一即時資料庫中擷取一線上生產資料,並根據該線上生產資料、該品質預測模型與該關聯規則預測該生產品質,且當該生產品質符合一期望值時,該些工作站繼續進行該多階段生產過程,當該生產品質不符合該期望值時,調整各該工作站的製程參數。
- 如申請專利範圍第8項所述之品質預測系統,其中,該輸入生產資料係為從一即時資料庫中擷取一線上生產資料,並根據該線上生產資料、該品質預測模型與該關聯規則預測該生產品質,且當該生產品質符合一期望值時,該些工作站繼續進行該多階段生產過程,當該生產品質不符合該期望值時,調整各該工作站的製程參數中影響該生產品質的該特徵參數。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
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 |
CN201711261261.9A 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
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 (2)
Publication Number | Publication Date |
---|---|
TW201923688A TW201923688A (zh) | 2019-06-16 |
TWI663569B true TWI663569B (zh) | 2019-06-21 |
Family
ID=66600136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
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 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109816191A (zh) |
TW (1) | TWI663569B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7084907B2 (ja) * | 2019-11-28 | 2022-06-15 | 花王株式会社 | 品質計測方法及び品質計測装置 |
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 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101128786A (zh) * | 2005-02-28 | 2008-02-20 | 先进微装置公司 | 自动化产能控制系统及其操作方法 |
TW200938976A (en) * | 2008-03-06 | 2009-09-16 | Applied Materials Inc | Yield prediction feedback for controlling an equipment engineering system |
TW201530333A (zh) * | 2013-12-17 | 2015-08-01 | Asml Netherlands Bv | 良率評估及控制 |
US20150248127A1 (en) * | 2014-03-03 | 2015-09-03 | Samsung Electronics Co., Ltd. | Process management systems using comparison of statistical data to process parameters and process management devices |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102621953B (zh) * | 2012-03-20 | 2014-04-09 | 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 |
-
2017
- 2017-11-20 TW TW106140026A patent/TWI663569B/zh active
- 2017-12-04 CN CN201711261261.9A patent/CN109816191A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101128786A (zh) * | 2005-02-28 | 2008-02-20 | 先进微装置公司 | 自动化产能控制系统及其操作方法 |
TW200938976A (en) * | 2008-03-06 | 2009-09-16 | Applied Materials Inc | Yield prediction feedback for controlling an equipment engineering system |
TW201530333A (zh) * | 2013-12-17 | 2015-08-01 | Asml Netherlands Bv | 良率評估及控制 |
US20150248127A1 (en) * | 2014-03-03 | 2015-09-03 | Samsung Electronics Co., Ltd. | Process management systems using comparison of statistical data to process parameters and process management devices |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Also Published As
Publication number | Publication date |
---|---|
CN109816191A (zh) | 2019-05-28 |
TW201923688A (zh) | 2019-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI663569B (zh) | 多工作站系統的品質預測方法及其系統 | |
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) | |
TWI443776B (zh) | 用於叢集工具之自動化狀態估計系統以及操作該系統之方法 | |
US20180150038A1 (en) | Prediction model building method, predicting method and associated computer software product | |
TWI632441B (zh) | 機台的預診斷方法及預診斷裝置 | |
US8504186B2 (en) | Method for automatic generation of throughput models for semiconductor tools | |
CN105700490B (zh) | 一种提高产品良率的方法及系统 | |
KR20200045918A (ko) | 반도체 제조 공정에 적용되는 운영 체계 솔루션 시스템 | |
Gittler et al. | Towards predictive quality management in assembly systems with low quality low quantity data–a methodological approach | |
Eger et al. | Knowledge capturing platform in multi-stage production systems for zero-defect manufacturing | |
US7100081B1 (en) | Method and apparatus for fault classification based on residual vectors | |
CN108242411B (zh) | 用于管控线上缺陷的方法和系统 | |
JP2002236511A (ja) | 工程管理システムおよび工程管理方法 | |
CN108492013A (zh) | 一种基于质量控制的制造系统调度模型有效性检测方法 | |
JP2002110493A (ja) | 加工プロセス工程の異常抽出方法及び装置 | |
US20130138239A1 (en) | Semiconductor yield management system | |
US20130030760A1 (en) | Architecture for analysis and prediction of integrated tool-related and material-related data and methods therefor | |
US7130769B1 (en) | Method of dynamically designing a preventative maintenance schedule based upon sensor data, and system for accomplishing same | |
CN101118423A (zh) | 虚拟测量预估模型的适用性选择方法与系统 | |
JP2005235130A (ja) | 製造・開発情報のデータトレースシステム | |
US20050075835A1 (en) | System and method of real-time statistical bin control | |
Gee et al. | Toward Industry 4.0 in Surface Mount Technology: Smart Manufacturing in Stencil Printing Operations | |
Xiu et al. | Robust inference traceability technology for product quality enhancement | |
JP2010224988A (ja) | 品質管理システム、品質管理方法、品質管理プログラム、および製品の製造方法 | |
JP2004227184A (ja) | 品質データ管理方法およびその装置 |