TWI736999B - 資料分析裝置、資料分析方法以及與其相關的品質提升系統 - Google Patents

資料分析裝置、資料分析方法以及與其相關的品質提升系統 Download PDF

Info

Publication number
TWI736999B
TWI736999B TW108136295A TW108136295A TWI736999B TW I736999 B TWI736999 B TW I736999B TW 108136295 A TW108136295 A TW 108136295A TW 108136295 A TW108136295 A TW 108136295A TW I736999 B TWI736999 B TW I736999B
Authority
TW
Taiwan
Prior art keywords
production
product
data
combination
risk
Prior art date
Application number
TW108136295A
Other languages
English (en)
Other versions
TW202115656A (zh
Inventor
余承叡
田銀錦
吳怡欣
蘇育萱
Original Assignee
財團法人資訊工業策進會
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 財團法人資訊工業策進會 filed Critical 財團法人資訊工業策進會
Priority to TW108136295A priority Critical patent/TWI736999B/zh
Priority to CN201911052126.2A priority patent/CN112700076A/zh
Priority to US16/696,529 priority patent/US20210103275A1/en
Publication of TW202115656A publication Critical patent/TW202115656A/zh
Application granted granted Critical
Publication of TWI736999B publication Critical patent/TWI736999B/zh

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0633—Workflow analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32183—Test cell
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32187—Correlation between controlling parameters for influence on quality parameters
    • 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
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本發明係為一種資料分析裝置、資料分析方法與品質提升系統。資料分析裝置包含組合產生模組、比率計算模組與權重計算模組。組合產生模組針對與生產作業程序對應的待分析資料進行關聯性分析後，據以產生關聯性資訊。比率計算模組依據關聯性資訊中的高風險組合的離群產品個數的總和，以及在待分析資料中的產品總量而計算比率參數。權重計算模組依據關聯性資訊中的高風險因子組合數，以及在待分析資料中的生產控制因子組合的總數量而計算權重參數。生產設備依據比率參數與權重參數而選擇性調整生產作業程序的設定。

Description

資料分析裝置、資料分析方法以及與其相關的品質 提升系統
本發明是有關於一種資料分析裝置、資料分析方法以及與其相關的品質提升系統，且特別是有關於一種用於提升生產作業程序之良率的資料分析裝置、資料分析方法以及與其相關的品質提升系統。
請參照第1圖，其係生產不同產品的生產工廠之示意圖。通常，生產工廠10的產線可能用於生產多種產品。例如，此處以不同形狀代表產品A(101)、產品B(103)、產品C(105)、產品D(107)。
除了生產的產品本身可能不同外，製造業的品質管理涉及五種要素。這五種要素為，人(Man)、機器(Machine)、材料(Material)、方法(Method)與環境(Environment)。在生產工廠10裡，這五種品質管理要素中的任何一種都可能涉及多種參數，且各個參數都另有多種可能的選項。這些參數與可能的選項的組合，都 可能影響生產工廠10生產產品A(101)、產品B(103)、產品C(105)、產品D(107)時的良率。
承上，在製造業的生產過程中，若出現良率問題時，需經過繁瑣的流程進行檢視。此種作法需花費很長時間確認是哪個環節出錯。但是，此種做法費時費工，甚至常常難以發現問題原因。因此，如何能針對產品的生產作業程序快速找出影響離群產品的比率的關鍵問題並加以修正，為一提升製造業之產品品質的重要議題。
本發明係有關於一種對離群資料加以分析後，依據分析結果而調整生產作業程序之相關設定的資料分析裝置、資料分析方法以及與其相關的品質提升系統。本發明的資料分析裝置、資料分析方法以及與其相關的品質提升系統，可提升特定生產作業程序所生產的產品良率。
根據本發明之第一方面，提出一種應用於生產設備的資料分析裝置。生產設備於第一生產作業程序生產第一產品。資料分析裝置包含：組合產生模組、比率計算模組，以及權重計算模組。比率計算模組與權重計算模組均電連接於組合產生模組。組合產生模組針對與第一生產作業程序對應的第一組待分析資料進行關聯性分析後，據以產生第一組關聯性資訊。比率計算模組依據第一組關聯性資訊中的複數個第一高風險組合的離群產品個數的總和，以及在第一組待分析資料中的第一產品總量而計 算第一比率參數。第一產品總量指生產設備在第一生產作業程序中所生產之第一產品的數量。權重計算模組依據第一組關聯性資訊中的第一高風險因子組合數，以及在第一組待分析資料中的第一生產控制因子組合的總數量而計算第一權重參數。生產設備依據第一比率參數與第一權重參數而選擇性調整第一生產作業程序的設定。
根據本發明之第二方面，提出一種資料分析方法。資料分析方法應用於對生產設備進行分析的資料分析裝置。其中，生產設備於第一生產作業程序生產第一產品。資料分析方法包含以下步驟：首先，針對與第一生產作業程序對應的第一組待分析資料進行關聯性分析後，據以產生第一組關聯性資訊。其次，依據第一組關聯性資訊中的複數個第一高風險組合的離群產品個數的總和，以及在第一組待分析資料中的第一產品總量而計算第一比率參數。其中，第一產品總量指生產設備在第一生產作業程序中所生產之第一產品的數量。此外，依據第一組關聯性資訊中的第一高風險因子組合數，以及在第一組待分析資料中的第一生產控制因子組合的總數量而計算第一權重參數。生產設備依據第一比率參數與第一權重參數而選擇性調整第一生產作業程序的設定。
根據本發明之第三方面，提出一種包含彼此信號連接的資料提供裝置與資料分析裝置的品質提升系統。資料提供裝置包含：流程監控模組與資料篩選模組。流程監控模組對用於生產一產品的一生產設備所進行的一生產作業程序進行監控，進而 產生複數筆監控資料。資料篩選模組電連接於流程監控模組，其係依據篩選條件而自監控資料中選擇一組待分析資料。資料分析裝置包含：組合產生模組、比率計算模組，以及權重計算模組。比率計算模組與權重計算模組均電連接於組合產生模組。組合產生模組針對與生產作業程序對應的該組待分析資料進行關聯性分析後，據以產生一組關聯性資訊。比率計算模組依據該組關聯性資訊中的複數個高風險組合的離群產品個數的總和，以及在該組待分析資料中的產品總量而計算比率參數。產品總量指生產設備在生產作業程序中所生產之產品的數量。權重計算模組依據該組關聯性資訊中的高風險因子組合數，以及在該組待分析資料中的生產控制因子組合的總數量而計算權重參數。生產設備依據比率參數與權重參數而選擇性調整生產作業程序的設定。
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：
10、21:生產工廠
101:產品A
103:產品B
105:產品C
107:產品D
21a:生產設備
20:品質提升系統
23、30:資料提供裝置
25、50:資料分析裝置
27:評估與決策裝置
31:流程監控模組
33:資料庫
35:輸出模組
37:資料篩選模組
38:品質檢驗模組
39、51:接收模組
58:權重計算模組
53:傳送模組
55:組合產生模組
57:比率計算模組
S501、S503、S505、S507、S509:步驟
第1圖，其係生產不同產品的生產工廠之示意圖。
第2圖，其係舉例說明與生產作業程序相關的資料之示意圖。
第3圖，其係品質提升系統之示意圖。
第4圖，其係資料提供裝置之示意圖。
第5圖，其係資料分析裝置之示意圖。
第6圖，其係資料分析裝置根據待分析資料而產生評估結果的流程圖。
如前所述，對製造業而言，如何改善整體的生產作業程序並提升良率，為一相當複雜的問題。實務上，製造業的生產工廠類型很多，除了實際生產的產品可能不同外，生產工廠的生產過程也有相當差異。以半導體製造業為例，至少包含晶圓製造廠與測試廠。晶圓製造廠主要生產積體電路，而測試廠則對積體電路進行測試。乍看之下，晶圓製造廠與測試廠所做的事情並不相同，其生產作業程序的品質管理的考量也會不同。但就資料分析的角度而言，無論是晶圓製造廠、測試廠或是其他各種製造廠，其生產作業程序均可以“產品”為導向而進行分析。
對晶圓製造廠而言，其產品為實際製造出的積體電路，而其生產作業程序為製造各種積體電路的製程。另一方面，對測試廠而言，其產品是針對各種積體電路進行測試後產生的測試結果，而其生產作業程序即為針對各種積體電路進行測試的測試流程。更進一步的，即便是傳統製造業，其生產作業程序的差異為產品類型不同。但就資料分析的觀點而言，生產作業程序中影響產品品質優劣的生產因子，與實際生產的產品品質之間的連結與關聯性等，都可採用本發明的做法，以類似的作法對不同類型的生產作業程序進行資料分析。
如前所述，製造業的品質管理涉及人、機器、材料、方法與環境五個品質管理要素。實務上，這五個品質管理要素個別均再包含多種參數，且各個參數可能的設定也相當多種。無論是人、機 器、材料、方法與環境中的哪一個品質管理要素改變，亦無論其可能包含的參數種類與參數個數、參數值的變化如何，對本案的品質提升系統而言，都僅是需考慮之品質因子的個數增加與否，以即品質因子的個數等問題。此種關於需要考慮那些品質因子，以及品質因子選擇的順序等差異，均屬於應用上的變化，此處不予詳述。
為簡化說明，以下以積體電路測試廠的生產作業程序為例。並以幾個機器要素作為舉例。此處考慮的機器要素包含三種類型：測試機台(tester)、積體電路測試板(load board)，以及受測積體電路在測試板上的位置(site)。其中，測試機台將以參數T表示；積體電路測試板將以參數L表示；以及，受測積體電路在測試板上的位置將以參數S表示。
請參見第2圖，其係舉例說明與生產作業程序相關的資料之示意圖。後續的說明亦將基於第2圖的舉例。其中，假設第一組生產作業程序(F1)用於對產品A進行測試；第二組生產作業程序(F2)用於對產品A進行測試；第三組生產作業程序(F3)用於對產品B進行測試；第四組生產作業程序(F4)用於對產品C進行測試；以及，第五組生產作業程序(F5)用於對產品D進行測試。
首先，假設在第一組生產作業程序(F1)中，對產品A的測試僅涉及一種類型的生產控制因子，即，測試機台T。其中用到6個測試機台(T1~T6)對產品A進行測試。其次，假設在第二組生產作業程序(F2)中，對產品A的測試涉及兩種類型的生產控制因子，包含測試機台T與積體電路測試板L。其中用到6個測試機台(T1~T6)和20個積體電 路測試板(L1~L20)對產品A進行測試。接著，假設在第三組生產作業程序(F3)中，對產品B的測試涉及兩種類型的生產控制因子，包含測試機台T與積體電路測試板L。其中用到6個測試機台(T1~T6)和15個積體電路測試板(L1~L15)對產品B進行測試。此外，還假設在第四組生產作業程序(F4)中，對產品C的測試涉及三種類型的生產控制因子，包含測試機台T、積體電路測試板L和受測積體電路在測試板上的位置S。其中用到6個測試機台(T1~T6)、8個積體電路測試板(L1~L8)和10個受測積體電路在測試板上的位置(S1~S10)對產品C進行測試。最後，假設在第五組生產作業程序(F5)中，對產品D的測試涉及兩種類型的生產控制因子，包含積體電路測試板L和受測積體電路在測試板上的位置S。其中用到12個積體電路測試板(L1~L12)和18個受測積體電路在測試板上的位置(S1~S18)對產品D進行測試。
承上所述，屬於同一種類型的生產控制因子可能再進一步區分為多個生產控制因子。例如，對測試機台類型的生產控制因子而言，每一個測試機台都可視為一個生產控制因子。因此，若使用6個測試機台，則相當於有六個生產控制因子。
表1為與第2圖的多組生產作業程序(Fi)相對應之生產控制因子組合的總數量(Xi)與產品總量(Yi)的列表。其中，生產控制因子組合的總數量(Xi)係指，在生產該產品的生產作業程序中，綜合性影響產品品質的各個生產控制因子所共同形成的各種排列組合。
表1
Figure 108136295-A0305-02-0010-1
如前所述，假設在第一組生產作業程序(F1)中，與生產產品A相關的生產控制因子僅有一種類型，即，測試機台T。若生產工廠內有20個測試機台(T1~T20)，但僅使用測試機台T1~T6對產品A進行測試。則，在第一組生產作業程序(F1)中，產品A可能由這六個測試機台(T1~T6)的任一者進行測試。據此，與第一組生產作業程序(F1)相對應的生產控制因子組合的總數量X1共有6種。
又例如，在第二組生產作業程序(F2)中，與生產產品A相關的生產控制因子包含測試機台T與積體電路測試板L兩種類型。若生產工廠內的20個測試機台(T1~T20)中僅使用其中的六個測試機台T1~T6對產品A進行測試，且若生產工廠共有50片積體電路測試板(L1~L50)，但僅使用其中的20片積體電路測試板L1~L20對產品A進行測試。因此，在第二組生產作業程序(F2)中，產品A可能由這6個測試機台(T1~T6)中的任一者，搭配這20片積體電路測試板(L1~20)中的任一者進行測試。測試機台(T1~T6)與積體電路測試板(L1~L20)共可能 形成6*20=120種不同的組合。據此，與第二組生產作業程序(F2)相對應的生產控制因子組合的總數量X2共有120種。
同理，依照類似的計算方式可以得出以下數值。與第三組生產作業程序(F3)相對應的生產控制因子組合的總數量X3共有6*15=90種。與第四組生產作業程序(F4)相對應的生產控制因子組合的總數量X4共有6*8*10=480種。與第五組生產作業程序(F5)相對應的生產控制因子組合的總數量X5共有12*18=216種。
實際應用時，生產控制因子組合同時受到不同品質管理要素(人、機器、材料、方法與環境)等面向的影響。由於生產作業程序可能受到影響的變因相當多，實際將本案構想應用於生產工廠時，生產控制因子組合的總數量可能達到數百、數千或更多。為簡化說明，此處僅以”機器”這個要素進行討論，並且，僅以機器要素中的少數幾種類型的生產控制因子(測試機台T、積體電路測試板L、受測積體電路在測試板上的位置S)對產品品質的影響與否作為例子。
進行資料分析時，涉及各種類型的資料以及衍生多種計算所需的參數。為便於說明，本文以不同的英文字母表示這些參數。此外，為便於識別這些參數對應的生產作業程序，本文均以變數i代表與各個參數對應的生產作業程序(i=1~5)。
如表1所示，在第一組生產作業程序(F1)中，生產控制因子組合的總數量X1為6種。另，在第一組生產作業程序(F1)中，生產工廠共測試10,000個產品A。在第二組生產作業程序(F2)中，生產控制因子組合的總數量X2為120種。另，在第二組生產作業程序(F2)中，生產工廠共測試10,000個產品A。在第三組生產作業程序(F3)中，生產控 制因子組合的總數量X3為90種。另，在第三組生產作業程序(F3)中，生產工廠共測試8,000個產品B。在第四組生產作業程序(F4)中，生產控制因子組合的總數量X4為480種。此外，此處假設在第四組生產作業程序(F4)中，生產工廠共測試12,000個產品C。在第五組生產作業程序(F5)中，生產控制因子組合的總數量X5為216種。另，在第五組生產作業程序(F5)中，生產工廠共測試15,000個產品D。
請參見第3圖，其係品質提升系統的實施例之示意圖。品質提升系統20包含資料提供裝置23、資料分析裝置25，以及評估與決策裝置27。品質提升系統可設置在生產工廠21內。或者，僅將資料提供裝置23設置在生產工廠21內，做為偵測生產設備21a的狀態使用。此外，另以網路或數據線等各種類型的通訊方式，將資料提供裝置23信號連接或電連接至資料分析裝置25，以及評估與決策裝置27。
廣義而言，生產工廠21使用生產設備21a生產產品，但其實際“生產”產品的過程，則依據產品的類型不同而異。在測試廠中，生產設備21a相當於用於測試產品的機台。或者，在晶圓製造廠中，生產設備21相當於製造半導體晶片的機台。亦即，生產設備21a的種類與生產作業程序所進行的步驟，均隨著生產工廠21所製造的產品類型而改變。
資料提供裝置23可為，安裝在生產設備21a上的各類感測器。資料提供裝置23持續監控生產設備21a在生產產品時，伴隨產生的各種感測參數，並進而依據這些感測參數產生待分析資料。之後，資料提供裝置23將待分析資料傳送至資料分析裝置25。資料分析裝置25在接收待分析資料後，執行本發明的資料分析方法並產生分析結果。這些分析結果可協助使用者判斷，在生產工廠21所採用的這些生 產作業程序中，哪一個或哪幾個生產作業程序所生產的產品的品質較有疑慮(需要被優先關注)。此外，分析結果還可進一步讓使用者知道該些需要被優先關注的生產作業程序中，是那些生產控制因子組合相對較容易產生離群產品(例如，不良品)。在本文中，將這些相對較容易產生離群產品的生產控制因子組合稱為，高風險生產控制因子組合(risky combination of quality factors)(簡稱為，高風險因子組合)。
評估與決策裝置27可視為一資料讀取平台，提供操作介面讓使用者(生產設備21a的管理者)進行後續管理。例如，修改在資料提供裝置23上的相關設定，決定需要再進一步取得的分析資料應如何產生。或者，評估與決策裝置27可與生產設備21a連線，並用於修改生產設備21a的生產作業程序。關於評估與決策裝置27的操作，將因生產設備21a的生產作業程序、資料提供裝置23如何取得分析資料等實務上的各種考量而異，故此處不予討論。關於資料提供裝置23與資料分析裝置25的操作，將於下文說明。
請參見第4圖，其係資料提供裝置之示意圖。資料提供裝置30包含：流程監控模組31、資料篩選模組37、品質檢驗模組38、資料庫33、接收模組39與輸出模組35。關於資料提供裝置30的運作方式，將於第4圖說明，此處先簡要說明各個元件的連接關係與用途。
流程監控模組31與品質檢驗模組38電連接於生產設備。資料篩選模組37電連接於流程監控模組31、品質檢驗模組38、資料庫33與接收模組39。輸出模組35電連接於資料庫33。接收模組39電連接於流程監控模組31、資料篩選模組37與品質檢驗模組38。輸出模組35和接收模組39可透過直接連線或網路連線等不同通訊方式，與資料分析裝置25和評估與決策裝置27進行資料傳輸。
生產設備在生產(測試)產品的同時，流程監控模組31將對生產設備進行監控，並各種記錄相關的各種參數。例如，測試該產品的日期、時段(期間)、實際用於測試該產品的相關機台、用於測試該產品的機台各自測試多少數量的該產品等。其監控紀錄可能是24小時無時無刻都在進行監控。此外，生產設備的生產作業程序可能涉及相當多種生產控制因子。流程監控模組31可能是一個或多個元件，根據生產作業程序的不同而裝置於生產設備上。因此，流程監控模組31產生的原始監控資料的資料量相當龐大。
為能較為快速地進行資料分析，資料篩選模組37可根據預設的篩選條件而對原始監控資料進行初步的篩選。篩選條件例如，選擇那些產品需要進行品質分析、決定用於分析的生產該產品的期間(例如：一周、一天)與數量等。實際應用時，篩選條件可由使用者預先設定，亦可依據評估與決策裝置27的設定而改變。
資料篩選模組37對原始監控資料進行資料篩選後，將篩選後產生的待分析資料存放在資料庫33中。其後，若資料分析裝置25準備進行資料分析時，將透過輸出模組35讀取存放在資料庫33的待分析資料。或者，資料篩選模組37亦可直接經由輸出模組35將待分析資料傳送至資料分析裝置25。
資料篩選模組37除了根據篩選條件而選出待分析資料外，亦將篩選條件傳送至品質檢驗模組38。由品質檢驗模組38針對符合該些篩選條件的產品進行品質檢驗，進而判斷在符合該些篩選條件所生產的產品中，是否存在不符合品質標準的產品。例如，資料篩選模組37決定以某一特定日期生產的產品的生產資料作為待分析資料。則，品質檢驗模組38便對該特定日期所生產的產品進行品質檢驗。
品質檢驗模組38依照篩選條件而對產品進行品質檢驗後，將計算其中不符合品質標準的產品的數量。在本文中，將這些不符合品質標準的產品定義為離群產品。所謂品質標準可為既定標準或以各項統計方法辨識之異常值。例如，依據三西格馬定律(3-sigma rule)決定，或是依據1.5倍的四分位距(interquartile range,IQR)而判定是否為離群產品。關於離群產品判斷方式與離群產品的比率的計算方式等細節，此處不與贅述。表2為延續前述表1舉例的離群產品的比率Ri(i=1~5)與離群產品數量Zi(i=1~5)。
Figure 108136295-A0305-02-0015-2
在第一組生產作業程序(F1)中，生產設備所生產的產品A的離群產品的比率為3%(R1=3%)。這個產品A的離群產品的比率R1是指同樣在第一組生產作業程序(F1)中，由全部的生產控制因子組合所共同產生的產品A的離群產品，佔全部生產的產品A的產品總量的比率。進一步搭配表1的產品A的產品總量Y1=10,000後，可計算得出，在生產產品A的第一組生產作業程序(F1)中，共產生300個離群產品。
在第二組生產作業程序(F2)中，生產設備所生產的產品A的離群產品的比率為3%(R2=3%)。這個產品A的離群產品的比率R2是指在第二組生產作業程序(F2)中，由全部的生產控制因子組合所共同產生的產品A的離群產品，佔全部生產的產品A的產品總量的比率。進一步搭配表1的產品A的產品總量Y2=10,000可計算得出，在生產產品A的第二組生產作業程序(F2)中，共產生300個離群產品。
在第三組生產作業程序(F3)中，生產設備所生產的產品B的離群產品的比率為5%(R3=5%)。這個產品B的離群產品的比率R3是指在第三組生產作業程序(F3)中，由全部的生產控制因子組合所共同產生的產品B的離群產品，佔全部生產的產品B的產品總量的比率。進一步搭配表1的產品B的產品總量Y3=8,000可計算得出，在生產產品B的第三組生產作業程序(F3)中，離群產品數量為400個。
在第四組生產作業程序(F4)中，生產設備所生產的產品C的離群產品的比率為4%(R4=4%)。這個產品C的離群產品的比率R4是指在第四組生產作業程序(F4)中，由全部的生產控制因子組合所共同產生的產品C的離群產品，佔全部生產的產品C的產品總量的比率。進一步搭配表1的產品C的產品總量Y4=12,000可計算得出，在生產產品C的第四組生產作業程序(F4)中，共產生480個離群產品。
在第五組生產作業程序(F5)中，生產設備所生產的產品D的離群產品的比率為6%(R5=6%)。這個產品D的離群產品的比率R5是指在第五組生產作業程序(F5)中，由全部的生產控制因子組合所共同產生的產品D的離群產品，佔全部生產的產品D的產品總量的比率。進一步搭配表1的產品D的產品總量Y5=15,000可計算得出，在生產產品D的第五組生產作業程序(F5)中，共產生900個離群產品。
請參見第5圖，其係資料分析裝置之示意圖。資料分析裝置50包含接收模組51、組合產生模組55、比率計算模組57、權重計算模組58與傳送模組53。其中，接收模組51電連接於組合產生模組55、比率計算模組57與權重計算模組58。接收模組51將從資料提供裝置取得的待分析資料，傳送至組合產生模組55、比率計算模組57與權重計算模組58。其後，組合產生模組55、比率計算模組57與權重計算模組58分別利用待分析資料而分別進行不同的計算與分析。
組合產生模組55電連接於比率計算模組57與權重計算模組58。組合產生模組55對與各組生產作業程序(F1~F5)對應的待分析資料分別進行關聯性分析，並將各組生產作業程序(F1~F5)的分析結果傳送至比率計算模組57與權重計算模組58。其後，比率計算模組57將進行比率計算，且權重計算模組58將進行權重計算。
傳送裝置53電連接於權重計算模組58與比率計算模組57，且傳送模組53信號連接於評估與決策裝置27。傳送裝置53將比率計算模組57所產生的比率參數，以及權重計算模組58產生的權重參數傳送至評估與決策裝置27。
在前述例子中，假設在第一組生產作業程序(F1)中，經由測試機台(T1~T6)合計共6種與生產作業程序相關的生產控制因子組合所測試之產品A的離群產品數量為300個。但是，因為每個測試機台(T1~T6)仍有其差異處，所以這300個離群產品並不會是由6個測試機台(T1~T6)平均產生。也就是說，並不是每個測試機台(T1~T6)均產生50個離群產品。
流程監控模組31會在生產設備生產每個產品的過程中，同時記錄實際用於生產該產品的生產控制因子組合。因此，當一 個產品被確認為離群產品時，可以參照這些監控紀錄得知該離群產品是由哪些生產控制因子組合所產生。據此，資料分析裝置50可以參照監控紀錄與品質檢驗結果進行分析，進而得知經由哪些用於測試該產品的生產控制因子組合進行測試後的產品，較容易因不符合品質要求而被認定為離群產品。
根據本發明的實施例，組合產生模組55用於對各個離群產品與生產作業程序中的生產控制因子組合進行關聯性分析。即，從多個生產產品時的生產控制因子中，先使用排列組合方法，產生各種生產控制因子組合。接著，再以各項異常分析等統計方法(如3-sigma,1.5*IQR)，辨識該些生產控制因子組合中，具有較高風險的生產控制因子組合。組合產生模組55將產生如表3所示的關聯性分析結果。
表3為組合產生模組55產生的關聯性分析結果的舉例。關於組合產生模組55如何從待分析資料中，評估哪些生產控制因子組合較容易產生離群產品，並將該些較容易產生離群產品的生產控制因子組合視為高風險因子組合，可根據不同類型之生產工廠的特性與需求而定義。因此，此處僅就組合產生模組55的分析結果加以使用，而不就其如何產生分析結果加以說明。另，本文將生產作業程序中，由高風險因子組合所生產的離群產品數量，稱為高風險組合的離群產品個數。
Figure 108136295-A0305-02-0018-3
Figure 108136295-A0305-02-0019-4
根據表1，用於測試產品A的第一組生產作業程序(F1)中，共有6個生產控制因子組合(X1=6)。組合產生模組55針對表2所列的Z1=300個產品A的離群產品進行關聯性分析後，確認在這6個生產控制因子組合中，共有三種高風險因子組合，分別為測試機台T1、T2、T3。此處將這三種生產控制因子組合定義為在第一組生產作業程序(F1)中的高風險因子組合。
表3進一步列出在第一組生產作業程序(F1)中，實際採用這三種高風險因子組合時，所產生的產品A的離群產品的個數。其中，經測試機台T1測試的產品A中，共有120個產品A被品質檢驗模組38判定為離群產品；經測試機台T2測試的產品A中，共有90個產品A 被品質檢驗模組38判定為離群產品；以及，經測試機台T3測試的產品A中，共有50個產品A被品質檢驗模組38判定為離群產品。換言之，在第一組生產作業程序(F1)中，由高風險因子組合(T1)所生產的離群產品數量為120個；由高風險因子組合(T2)所生產的離群產品數量為90個；以及，由高風險因子組合(T3)所生產的離群產品數量為50個。
根據表1，用於測試產品A的第二組生產作業程序(F2)中，共有120個生產控制因子組合(X2=120)。組合產生模組55針對表2所列的Z2=300個產品A的離群產品進行關聯性檢查後，確認在這120個生產控制因子組合中，共有5種高風險因子組合，分別為：測試機台T1搭配積體電路測試板L2的組合(T1+L2)、測試機台T1搭配積體電路測試板L3的組合(T1+L3)、測試機台T2搭配積體電路測試板L3的組合(T2+L3)、測試機台T2搭配積體電路測試板L1的組合(T2+L1)，以及測試機台T3搭配積體電路測試板L3的組合(T3+L3)。
表3列出這五種高風險因子組合實際產生的產品A的離群產品的個數。其中，經測試機台T1搭配積體電路測試板L2的組合(T1+L2)所測試的產品A中，共有90個產品A被品質檢驗模組38判定為離群產品；經測試機台T1搭配積體電路測試板L3的組合(T1+L3)測試的產品A中，共有30個產品A被品質檢驗模組38判定為離群產品；經測試機台T2搭配積體電路測試板L3的組合(T2+L3)測試的產品A中，共有50個產品A被品質檢驗模組38判定為離群產品；經測試機台T2搭配積體電路測試板L1的組合(T2+L1)測試的產品A中，共有20個產品A被品質檢驗模組38判定為離群產品；以及，經測試機台T3搭配積體電路測試板L3的組合(T3+L3)測試的產品A中，共有40個產品A被品質檢驗模組38判定為離群產品。換言之，在第二組生產作業程序(F2)中，由高 風險因子組合(T1+L2)所生產的離群產品數量為90個；由高風險因子組合(T1+L3)所生產的離群產品數量為30個；由高風險因子組合(T2+L3)所生產的離群產品數量為50個；由高風險因子組合(T2+L1)所生產的離群產品數量為20個；以及，由高風險因子組合(T3+L3)所生產的離群產品數量為40個。
根據表1，用於測試產品B的第三組生產作業程序(F3)中，共有90個生產控制因子組合(X3=90)。組合產生模組55針對表2所列的Z3=400個產品A的離群產品進行關聯性檢查後，確認在這90個生產控制因子組合中，共有4種高風險因子組合，分別為：測試機台T2與積體電路測試板L11的組合(T2+L11)、測試機台T6與積體電路測試板L3的組合(T6+L3)、測試機台T5與積體電路測試板L5的組合(T5+L5)，以及測試機台T1與積體電路測試板L9的組合(T1+L9)。
表3列出這四種高風險因子組合實際產生的產品B的離群產品的個數。其中，經測試機台T2搭配積體電路測試板L11的組合(T2+L11)所測試的產品B中，共有150個被品質檢驗模組38判定為離群產品；經測試機台T6搭配積體電路測試板L3的組合(T6+L3)測試的產品B中，共有95個產品B被品質檢驗模組38判定為離群產品；經測試機台T5搭配積體電路測試板L5的組合(T5+L5)測試的產品B中，共有70個產品B被品質檢驗模組38判定為離群產品；以及，經測試機台T1搭配積體電路測試板L9的組合(T1+L9)測試的產品B中，共有45個產品B被品質檢驗模組38判定為離群產品。換言之，在第三組生產作業程序(F3)中，由高風險因子組合(T2+L11)所生產的離群產品數量為150個；由高風險因子組合(T6+L3)所生產的離群產品數量為95個；由高風險因 子組合(T5+L5)所生產的離群產品數量為70個；以及，由高風險因子組合(T1+L9)所生產的離群產品數量為45個。
根據表1，用於測試產品C的第四組生產作業程序(F4)中，共有480個生產控制因子組合(X4=480)。組合產生模組55針對表2所列的Z4=480個產品C的離群產品進行關聯性檢查後，確認在這480個生產控制因子組合中，共有5種高風險因子組合，分別為：測試機台T1、積體電路測試板L2與受測積體電路在測試板上的位置S8的組合(T1+L2+S8)；測試機台T2、積體電路測試板L3與受測積體電路在測試板上的位置S7的組合(T2+L3+S7)；測試機台T1、積體電路測試板L3與受測積體電路在測試板上的位置S1的組合(T1+L3+S1)；測試機台T2、積體電路測試板L6與受測積體電路在測試板上的位置S2的組合(T2+L6+S2)；以及，測試機台T6、積體電路測試板L5與受測積體電路在測試板上的位置S6的組合(T6+L5+S6)。
表3列出這五種高風險因子組合實際產生的產品C的離群產品的個數。其中，經測試機台T1、積體電路測試板L2搭配受測積體電路在測試板上的位置S8的組合(T1+L2+S8)所測試的產品C中，共有120個產品C被品質檢驗模組38判定為離群產品；經測試機台T2、積體電路測試板L3搭配受測積體電路在測試板上的位置S7的組合(T2+L3+S7)所測試的產品C中，共有80個產品C被品質檢驗模組38判定為離群產品；經測試機台T1、積體電路測試板L3搭配受測積體電路在測試板上的位置S1的組合(T1+L3+S1)所測試的產品C中，共有50個產品C被品質檢驗模組38判定為離群產品；經測試機台T2、積體電路測試板L6搭配受測積體電路在測試板上的位置S2的組合(T2+L6+S2)所測試的產品C中，共有40個產品C被品質檢驗模組38判定為離群產 品；以及，經測試機台T6、積體電路測試板L5搭配受測積體電路在測試板上的位置S6的組合(T6+L5+S6)所測試的產品C中，共有20個產品C被品質檢驗模組38判定為離群產品。換言之，在第四組生產作業程序(F4)中，由高風險因子組合(T1+L2+S8)所生產的離群產品數量為120個；由高風險因子組合(T2+L3+S7)所生產的離群產品數量為80個；由高風險因子組合(T1+L3+S1)所生產的離群產品數量為50個；由高風險因子組合(T2+L6+S2)所生產的離群產品數量為40個；以及，由高風險因子組合(T6+L5+S6)所生產的離群產品數量為20個。
根據表1，用於測試產品D的第五組生產作業程序(F5)中，共有216個生產控制因子組合(X5=216)。組合產生模組55針對表2所列的Z5=900個產品D的離群產品進行關聯性檢查後，確認在這216個生產控制因子組合中，共有6種高風險因子組合，分別為：測試機台T9與受測積體電路在測試板上的位置S2的組合(T9+S2)、測試機台T5與受測積體電路在測試板上的位置S2的組合(T5+S2)、測試機台T2與受測積體電路在測試板上的位置S3的組合(T2+S3)、測試機台T1與受測積體電路在測試板上的位置S1的組合(T1+S1)、測試機台T1與積體電路測試板S15的組合(T1+S15)，以及測試機台T7與積體電路測試板S8的組合(T7+S8)。
表3列出這6種高風險因子組合實際產生的產品D的離群產品的個數。其中，經測試機台T9搭配受測積體電路在測試板上的位置S2的組合(T9+S2)所測試的產品D中，共有300個產品D被品質檢驗模組38判定為離群產品；經測試機台T5搭配受測積體電路在測試板上的位置S2的組合(T5+S2)所測試的產品D中，共有200個產品D被品質檢驗模組38判定為離群產品；經測試機台T2搭配受測積體電路在測試板 上的位置S3的組合(T2+S3)所測試的產品D中，共有150個產品D被品質檢驗模組38判定為離群產品；經測試機台T1搭配受測積體電路在測試板上的位置S1的組合(T1+S1)所測試的產品D中，共有120個產品D被品質檢驗模組38判定為離群產品；經測試機台T1搭配受測積體電路在測試板上的位置S15的組合(T1+S15)所測試的產品D中，共有60個產品D被品質檢驗模組38判定為離群產品；以及，經測試機台T7搭配受測積體電路在測試板上的位置S8的組合(T7+S8)所測試的產品D中，共有40個產品D被品質檢驗模組38判定為離群產品。換言之，在第五組生產作業程序(F5)中，由高風險因子組合(T9+S2)所生產的離群產品數量為300個；由高風險因子組合(T5+S2)所生產的離群產品數量為200個；由高風險因子組合(T2+S3)所生產的離群產品數量為150個；由高風險因子組合(T1+S1)所生產的離群產品數量為120個；由高風險因子組合(T1+S15)所生產的離群產品數量為60個；以及，由高風險因子組合(T7+S8)所生產的離群產品數量為40個。
如前所述，在每個生產作業程序中，有一部分的生產控制因子組合相對較容易產生離群產品(即，高風險因子組合)。本文將每個生產作業程序中的高風險因子組合的總數量稱為，高風險因子組合的個數Gi(簡稱為，高風險因子組合數)。
據此，在表3中，與第一組生產作業程序(F1)相對應的高風險因子組合數為G1=3；與第二組生產作業程序(F2)相對應的高風險因子組合數為G2=5；與第三組生產作業程序(F3)相對應的高風險因子組合數為G3=4；與第四組生產作業程序(F4)相對應的高風險因子組合數為G4=5；以及，與第五組生產作業程序(F5)相對應的高風險因子組合數為G5=6。
之後，表3所列出的高風險因子組合數Gi與由該些高風險組合產生的離群產品個數，將進一步提供給比率計算模組57和權重計算模組58使用。接著說明比率計算模組57的操作。關於比率計算模組57進行的資料處理，可參見表4的舉例。比率計算模組57自組合產生模組55接收由各個高風險組合的離群產品個數後，將其加總後，計算高風險因子組合所產生之離群產品數量Mi(簡稱為，高風險組合的離群產品總數)。
此外，比率計算模組57還將計算高風險組合的離群產品總數Mi與產品總量Yi之間的比率。比率計算模組57計算此比率的結果，相當於在生產作業程序中，由高風險因子組合所生產的離群產品，佔該生產作業程序的(待測資料中的)全部產品總量而計算得出的比率Ni。本文將這個比率表示為Ni(比率參數)，並將其命名為高風險組合-離群產品生產比率(ratio of outlier product produced by risky combination)。表4列示依據前述說明而計算的高風險組合的離群產品總數Mi與高風險組合-離群產品生產比率Ni。
Figure 108136295-A0305-02-0025-5
Figure 108136295-A0305-02-0026-6
在表4中，以高風險組合的離群產品總數(Mi)代表與各個生產作業程序(Fi)相對應之，因為採用高風險因子組合而產生的離群產品數量。此外，根據高風險組合的離群產品總數(Mi)與產品總量(Yi)可以進一步計算與各個生產作業程序(Fi)相對應的高風險組合-離群產品生產比率Ni=(Mi/Yi)*%。高風險組合-離群產品生產比率Ni=(Mi/Yi)*%相當於，在實際生產的產品中，由這些高風險因子組合測試的離群產品所占的比率。
根據表3可以得知，在第一組生產作業程序(F1)所產生的300個產品A的離群產品中，共有120個離群產品是由測試機台T1產生；共有90個離群產品是由測試機台T2產生；以及，共有50個離群產品是由測試機台T3產生。因此，測試機台T1、T2、T3共產生M1=120+90+50=260個離群產品，而測試機台T4、T5、T6(即，非高風險組合)共產生300-260=40個離群產品。是故，在表4中，與第一組生產作業程序(F1)對應的高風險組合的離群產品總數(M1)為260。針對第一組生產作業程序(F1)，比率計算模組57可根據表4所示之高風險組合的離群產品總數M1，以及表1所示之產品總量Y1，計算與第一組生 產作業程序(F1)對應的高風險組合-離群產品生產比率N1=M1/Y1=260/10,000=2.6%。
根據表3可以得知，在第二組生產作業程序(F2)所產生的300個產品A的離群產品中，共有90個離群產品是由測試機台T1與積體電路測試板L2的組合(T1+L2)產生；共有30個離群產品是由測試機台T1與積體電路測試板L3的組合(T1+L3)產生；共有50個離群產品是由測試機台T2與積體電路測試板L3的組合(T2+L3)產生、共有20個離群產品是由測試機台T2與積體電路測試板L1的組合(T2+L1)產生，以及共有40個離群產品是由測試機台T3與積體電路測試板L3的組合(T3+L3)產生。是故，在表4中，與第二組生產作業程序(F2)對應的高風險組合的離群產品總數(M2)為90+30+50+20+40=230，而其他的120-5=115種生產控制因子組合(即，非高風險組合)共產生300-230=70個離群產品。針對第二組生產作業程序(F2)，比率計算模組57可根據表4所示之高風險組合的離群產品總數M2，以及表1所示之產品總量Y2，計算與第二組生產作業程序(F2)對應的高風險組合-離群產品生產比率N2=M2/Y2=230/10,000=2.3%。
根據表3可以得知，在第三組生產作業程序(F3)所產生的400個產品B的離群產品中，共有150個離群產品是由測試機台T2與積體電路測試板L11的組合(T2+L11)產生；共有95個離群產品是由測試機台T6與積體電路測試板L3的組合(T6+L3)產生；共有70個離群產品是由測試機台T5與積體電路測試板L5的組合(T5+L5)產生，以及共有45個離群產品是由測試機台T1與積體電路測試板L9的組合(T1+L9) 產生。是故，在表4中，與第三組生產作業程序(F3)對應的高風險組合的離群產品總數M3為150+95+70+45=360，而其他的90-4=86種生產控制因子組合(即，非高風險組合)共產生400-360=40個離群產品。針對第三組生產作業程序(F3)，比率計算模組57可根據表4所示之高風險組合的離群產品總數M3，以及表1所示之產品總量Y3，計算與第三組生產作業程序(F3)對應的高風險組合-離群產品生產比率N3=M3/Y3=360/8,000=4.5%。
根據表3可以得知，在第四組生產作業程序(F4)所產生的480個產品C的離群產品中，共有120個離群產品是由測試機台T1、積體電路測試板L2與受測積體電路在測試板上的位置S8的組合(T1+L2+S8)產生；共有80個離群產品是由測試機台T2、積體電路測試板L3與受測積體電路在測試板上的位置S7的組合(T2+L3+S7)產生；共有50個離群產品是由測試機台T1、積體電路測試板L3與受測積體電路在測試板上的位置S1的組合(T1+L3+S1)產生；共有40個離群產品是由測試機台T2、積體電路測試板L6與受測積體電路在測試板上的位置S2的組合(T2+L6+S2)產生，以及共有20個離群產品是由測試機台T6、積體電路測試板L5與受測積體電路在測試板上的位置S6的組合(T6+L5+S6)產生。是故，在表4中，與第四組生產作業程序(F4)對應的高風險組合的離群產品總數M4為120+80+50+40+20=310，而其他的480-5=475種生產控制因子組合(即，非高風險組合)共產生480-310=170個離群產品。針對第四組生產作業程序(F4)，比率計算模組57可根據表4所示之高風險組合的離群產品總數M4，以及表1所示之 產品總量Y4，計算與第四組生產作業程序(F4)對應的高風險組合-離群產品生產比率N4=M4/Y4=310/12,000=2.6%。
根據表3可以得知，在第五組生產作業程序(F5)所產生的900個產品D的離群產品中，共有300個離群產品是由測試機台T9與受測積體電路在測試板上的位置S2的組合(T9+S2)產生；共有200個離群產品是由測試機台T5與受測積體電路在測試板上的位置S2的組合(T5+S2)產生；共有150個離群產品是由測試機台T2與受測積體電路在測試板上的位置S3的組合(T2+S3)產生、共有120個離群產品是由測試機台T1與受測積體電路在測試板上的位置S1的組合(T1+S1)產生；共有60個離群產品是由測試機台T1與積體電路測試板S15的組合(T1+S15)產生；以及，共有40個離群產品是由測試機台T7與積體電路測試板S8的組合(T7+S8)產生。是故，在表4中，與第五組生產作業程序(F5)對應的高風險組合的離群產品總數M5為300+200+150+120+60+40=870，而其他的216-6=210種生產控制因子組合(即，非高風險組合)共產生900-870=30個離群產品。針對第五組生產作業程序(F5)，比率計算模組57可根據表4所示之高風險組合的離群產品總數M5，以及表1所示之產品總量Y5，計算與第五組生產作業程序(F5)對應的高風險組合-離群產品生產比率N5=M5/Y5=870/15,000=5.8%。
待產生與各組生產作業程序(F1~F5)對應之高風險組合-離群產品生產比率後，接著判斷該些高風險組合-離群產品生產比率的高低。關於高風險組合-離群產品生產比率的高低與否的判斷，取決於 各生產工廠的產品良率水準。通常，可以一平均數值作為比較基礎。即，將高於高風險組合-離群產品生產比率的平均值的高風險組合-離群產品生產比率視為偏高。反之，將低於高風險組合-離群產品生產比率的平均值的高風險組合-離群產品生產比率視為偏低。例如，在表4中，高風險組合-離群產品生產比率的平均值為3.56%。因此，第一組、第二組與第四組生產作業程序(F1、F2、F4)所對應的高風險組合-離群產品生產比率較低，而第三組和第五組生產作業程序(F3、F5)所對應的高風險組合-離群產品生產比率較高。
比率計算模組57算出高風險組合-離群產品生產比率Ni後，可透過傳送模組53將高風險組合-離群產品生產比率傳送至評估與決策裝置27。由於權重計算模組58與比率計算模組57的操作彼此獨立。因此，權重計算模組58與比率計算模組57可先後或同時進行計算。接著說明權重計算模組58的操作。關於權重計算模組58進行的資料處理，可參見表5的舉例。
為便於說明，本文將高風險因子組合個數Gi與生產控制因子組合的總數量Xi之間的比率，定義為高風險組合比率Ji。當高風險組合比率Ji越高時，代表高風險因子組合數Gi佔生產控制因子組合的總數量Xi的比率越高。亦即，全部生產控制因子組合中，有較高比率的生產控制因子組合相對容易生產出離群產品。
此外，在本文中，針對每一組生產作業程序(F1~F5)定義一高風險組合集中度(K1~K5)。如前所述，高風險組合比率Ji代表高風險因子組合數Gi占生產控制因子組合的總數量Xi的比率 (Ji=Gi/Xi)。另一方面，高風險組合集中度Ki相當於，非屬於高風險因子組合占生產控制因子組合的總數量Xi的比率(Ki=1-Ji)。
若高風險組合數量越多時，高風險組合比率Ji越高，且高風險組合集中度Ki越低。高風險組合數量越多，代表有相對較多種生產控制因子組合均相對容易產生離群產品。換言之，容易產生離群產品的生產控制因子組合也較為分散。另一方面，高風險組合比率Ji越低，則高風險組合集中度Ki越高。此種狀況代表高風險組合數量越小，也代表離群產品越集中在特定高風險組合之中。連帶的，可視為由高風險因子組合產生的離群產品的情況較為特定且集中。也因此，高風險組合集中度Ki可代表高風險因子組合的集中度。為便於比較各組生產作業程序(F1~F5)的高風險因子組合的集中度，此處另定義一集中度權重Wi。
權重計算模組58首先依據高風險因子組合數Gi與生產控制因子組合的總數量Xi，計算高風險組合比率Ji。接著，權重計算模組58進一步利用高風險組合比率Ji，計算高風險組合集中度Ki。由高風險組合集中度Ki的計算方式可以看出，高風險組合集中度Ki可代表較容易產生離群產品的高風險因子組合在全部生產控制因子組合之間的分散與否。之後，權重計算模組58再利用高風險組合集中度Ki計算集中度權重Wi(權重參數)。關於權重計算模組58如何對前述舉例而進行的操作與計算，列示於表5。
表5
Figure 108136295-A0305-02-0032-7
第一組生產作業程序(F1)的高風險組合比率J1，可根據表3的高風險因子組合數G1與表1的生產控制因子組合的總數量X1而計算。高風險組合比率J1=G1/X1=3/6=0.5。依循類似的方式可計算得出第二組生產作業程序(F2)的高風險組合比率J2=G2/X2=5/120=0.042；第三組生產作業程序(F3)的高風險組合比率J3=G3/X3=4/90=0.044；第四組生產作業程序(F4)的高風險組合比率J4=G4/X4=5/480=0.01；以及，第五組生產作業程序(F5)的高風險組合比率J5=G5/X5=6/216=0.03。
接著，利用與各組生產作業程序(Fi)對應的高風險組合比率Ji(i=1~5)而分別計算與各組生產作業程序(Fi)相對應的高風險組合集中度Ki(i=1~5)。其中，第一組生產作業程序(F1)的高風險組合集中度K1=1-J1=0.5；第二組生產作業程序(F2)的高風險組合集中度K2=1-J2=0.958；第三組生產作業程序(F3)的高風險組合集中度 K3=1-J3=0.96；第四組生產作業程序(F4)的高風險組合集中度K4=1-J4=0.99；以及，第五組生產作業程序(F5)的高風險組合集中度K5=1-J5=0.97。
在本文中，將高風險組合集中度Ki(i=1~5)中，具有最大數值者定義為最大高風險組合集中度Kmax。並且，以各個高風險組合集中度Ki與最大的高風險組合集中度Kmax的比值作為與各組生產作業程序(Fi)相對應的集中度權重Wi。根據此定義方式，與各組生產作業程序(Fi)相對應的集中度權重Wi(i=1~5)的範圍介於0~1之間。根據表5，此處的Kmax=K4=0.99。
如表5所示，與第一組生產作業程序(F1)相對應的集中度權重W1=K1/Kmax=0.5/0.99=0.51；與第二組生產作業程序(F2)相對應的集中度權重W2=K2/Kmax=0.96/0.99=0.97；與第三組生產作業程序(F3)相對應的集中度權重W3=K3/Kmax=0.96/0.99=0.97；與第四組生產作業程序(F4)相對應的集中度權重W4=K4/Kmax=0.99/0.99=1；以即，與第五組生產作業程序(F5)相對應的集中度權重W5=K5/Kmax=0.97/0.99=0.98。
集中度權重的高低判斷可採用80/20法則。例如，若集中度權重為0.8或以上時，視為集中度權重值較高。在表5中，與第二組生產作業程序(F2)對應的集中度權重W2、與第三組生產作業程序(F3)對應的集中度權重W3、與第四組生產作業程序(F4)對應的集中度權重W4，以及與第五組生產作業程序(F5)對應的集中度權重W5均大 於0.9。因此，這四組生產作業程序(F2~F5)都對應於非常高的集中度權重。
表6為評估與決策裝置27根據高風險組合-離群產品生產比率Ni，以及集中度權重Wi(i=1~5)而計算各個生產作業程序的品質積分(quality score)。
Figure 108136295-A0305-02-0034-8
評估與決策裝置27根據表4的高風險組合-離群產品生產比率Ni的與表5的集中度權重Wi，計算兩者的乘積後，得出品質積分Si=Ni*Wi。品質積分Si的計算會針對各組生產作業程序(Fi)而分別進行。在此實施例中，與第一組生產作業程序(F1)對應的品質積分S1=N1*W1=2.6%*0.51=0.01326；與第二組生產作業程序(F2)對應的品質積分S2=N2*W2=2.3%*0.97=0.02231；與第三組生產作業程序(F3)對應的品質積分S3=N3*W3=4.5%*0.97=0.04365；與第四組生產作業程序(F4)對應的品質積分S4=N4*W4=2.6%*1=0.026；以及，與第五組生產作業程序(F5)對應的品質積分S5=N5*W5=5.8%*0.98=0.05684。
由表6可以看出，與第五組生產作業程序(F5)對應的品質積分S5高於與第三組生產作業程序(F3)對應的品質積分S3；與第三 組生產作業程序(F3)對應的品質積分S3高於與第四組生產作業程序(F4)對應的品質積分S4；與第四組生產作業程序(F4)對應的品質積分S4高於與第二組生產作業程序(F2)對應的品質積分S2；以及，與第二組生產作業程序(F2)對應的品質積分S2高於與第一組生產作業程序(F1)對應的品質積分S1。即，S5>S3>S4>S2>S1。這些品質積分的排序結果代表第五組生產作業程序(F5)須優先被關注。
由表3可以看出，在第五組生產作業程序(F5)，較容易產生不良品的高風險因子組合為(T9+S2)、(T5+S2)、(T2+S3)、(T1+S1)、(T1+S15)以及(T7+S8)。因此，生產設備的管理者或使用者，便可以根據評估與決策裝置27的計算結果，獲知需要針對與第五組生產作業程序(F5)的這些高風險因子組合(T9+S2)、(T5+S2)、(T2+S3)、(T1+S1)、(T1+S15)以及(T7+S8)相關的生產控制因子(即，測試機台(T1、T2、T5、T7、T9)以及受測積體電路在測試板上的位置(S1、S2、S3、S8、S15))進行檢修。
請參見第6圖，其係資料分析裝置50根據待分析資料而產生評估結果的流程圖。首先，接收模組51自資料提供裝置30接收與各生產作業程序對應的待分析資料(步驟S501)。接著，組合產生模組55依據與各生產作業程序Fi(i=1~5)對應的待分析資料進行關聯性分析，得出與各生產作業程序Fi(i=1~5)對應的高風險因子組合數(Gi)與高風險組合的離群產品個數(步驟S503)。
其後，比率計算模組57先依據與高風險因子組合在各生產作業程序所生產的離群產品數量，計算高風險組合的離群產品總數 Mi。接著，比率計算模組57再根據計算高風險組合的離群產品總數Mi與待分析資料中的產品總量Yi(i=1~5)，分別計算與各個生產作業程序Fi(i=1~5)對應的比率參數Ni(i=1~5)(步驟S507)。
另一方面，權重計算模組58針對各生產作業程序Fi(i=1~5)計算權重參數Wi(i=1~5)(步驟S505)。權重計算模組58計算集中度權重Wi(i=1~5)的方式如表5所示，其中，高風險因子組合數Gi來自組合產生模組55的分析結果，而生產控制因子組合的總數量Xi直接來自待分析資料。
最後，評估與決策裝置27以比率參數Ni(i=1~5)與權重參數Wi(i=1~5)的乘積作為品質積分Si(i=1~5)(步驟S509)。若第i組生產作業程序對應的品質積分Si(i=1~5)越高時，代表與第i組生產作業程序須優先追蹤問題。
前述說明係以品質管理中的機器要素中的幾種設備參數(測試機台T、積體電路測試板L，以及受測積體電路在測試板上的位置S)作為生產控制因子的舉例。同樣的，針對品質管理的其他四個品質管理要素(人、材料、方法與環境)也可被視為其他的生產控制因子。這些生產控制因子是否影響在生產作業程序中產生的產品，及該些產品的品質是否需要提升等，也可以採用與前述分析類似的方式。更進一步的，也可能同時考慮不同類型的要素對是否產生離群產品的影響。例如，同時考慮兩種材料參數、四種不同類型且各自包含不同數量的機器要素，以及三種生產環境對於產品的影響。對本案的品質提升系統而言，無論是人、機器、材料、方法與環境參數，都可視為 生產控制因子。
當資料分析裝置產生分析結果後，評估與決策裝置可以針對該組分析結果而對生產設備的使用加以修正。例如，針對容易產生離群產品的高風險機台進行維修，或是改用其他的機台進行生產等。或者，評估與決策裝置可以根據分析結果而修改篩選條件。例如，提高監控資料的取得頻率(原本為每十分鐘取出一筆監控資料，改為每分鐘取出一筆監控資料)、特別加強對高風險的生產控制因子監控等。換言之，使用者可藉由評估與決策裝置對生產設備進行檢查、維護、更換等方式，調整生產作業程序的設定。
綜上，本案所述的資料取得與分析的過程，可以迭代方式反覆計算與更新。據此，品質提升系統可以快速且主動地識別各個生產控制因子的異常情形。據此，採用此種品質提升系統地製造業可加速地發現問題成因並盡早排除，達到提升產品良率的效果。
製造業的生產工廠類型很多，例如，可能是生產衣物、鞋類等日用品的生產工廠，或是生產積體電路、手機、筆電的生產工廠。除了實際生產的產品可能不同外，生產工廠的生產過程也有相當差異。儘管生產過程存在差異，但將生產過程的各個生產控制因子以參數化的方式表示的概念仍大致類似。是故，本案的作法可以在修改後，廣泛地應用於各種不同類型的製造業的生產工廠。
在本領域中的通常知識者均可瞭解：在上述的說明中，作為舉例之各種邏輯方塊、模組、電路及方法步驟皆可利用電子硬體、電腦軟體，或二者之組合來實現，且該些實現方式間的連線方式，無論上述說明所採用的是信號連結、連接、耦接、電連接或其他類型之替代作法等用語，其目的僅為了說明在實現邏輯方塊、模組、電路及方法步驟時，可以透過不同的手段，例如有線電子信號、無線電磁信號以及光信號等，以直接、間接的方式來進行信號交換，進而達到信號、資料、控制資訊的交換與傳遞之目的。因此說明書所採的用語並不會形成本案在實現連線關係時的限制，更不會因其連線方式的不同而脫離本案之範疇。
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。
S501、S503、S505、S507、S509:步驟

Claims (11)

  1. 一種資料分析裝置，應用於一生產設備，其中該生產設備係於一第一生產作業程序產生一第一產品，且該資料分析裝置係包含：一組合產生模組，其係針對與該第一生產作業程序對應的一第一組待分析資料進行一關聯性分析後，據以產生一第一組關聯性資訊；一比率計算模組，電連接於該組合產生模組，其係依據該第一組關聯性資訊中的複數個第一高風險組合的離群產品個數的總和，以及在該第一組待分析資料中的一第一產品總量而計算一第一比率參數，其中該第一產品總量係指該生產設備在該第一生產作業程序中所生產之該第一產品的數量；以及，一權重計算模組，電連接於該組合產生模組，其係依據該第一組關聯性資訊中的一第一高風險因子組合數，以及在該第一組待分析資料中的一第一生產控制因子組合的總數量而計算一第一權重參數，其中該生產設備係依據該第一比率參數與該第一權重參數而選擇性調整該第一生產作業程序的設定。
  2. 如申請專利範圍第1項所述之資料分析裝置，其中該生產設備於一第二生產作業程序生產一第二產品，其中該組合產生模組係針對與該第二組生產作業程序對應的一第二組待分析資料進行該關聯性分析後，據以產生一第二組關聯性資訊，該比率計算模組係依據該第二組關聯性資訊中的複數個第二高風險組合的離群產品個數的總和，以及在該第二組待分析資料中的 一第二產品總量而計算一第二比率參數，其中該第二產品總量係指該生產設備在該第二生產作業程序中所生產之該第二產品的數量，且該權重計算模組係依據該第二組關聯性資訊中的一第二高風險因子組合數，以及在該第二組待分析資料中的一第二生產控制因子組合的總數量而計算一第二權重參數，其中該生產設備係依據該第二比率參數與該第二權重參數而選擇性調整該第二生產作業程序的設定。
  3. 如申請專利範圍第2項所述之資料分析裝置，其中將該第一比率參數與該第一權重參數相乘後得出一第一品質積分，且將該第二比率參數與該第二權重參數相乘後得出一第二品質積分，其中，當該第一品質積分高於該第二品質積分時，與該第一生產作業程序相關的複數個第一組生產控制因子須優先被調整；以及，當該第一品質積分低於該第二品質積分時，與該第二生產作業程序相關的複數個第二組生產控制因子須優先被調整。
  4. 如申請專利範圍第3項所述之資料分析裝置，其中該等第一組生產控制因子與該等第二組生產控制因子不同。
  5. 如申請專利範圍第3項所述之資料分析裝置，其中該等第一組生產控制因子中的至少一者與該等第二組生產控制因子相同。
  6. 如申請專利範圍第1項所述之資料分析裝置，其中該組合產生模組係於該關聯性分析中，根據該第一組待分析資料而確認在與該第一生產作業程序相關的複數個第一組生產控制因子中的至少一個第一高風險組合，以及，判斷與該至少一個第一高風險組合所對應之該第一高風險組合的離群產品個數的總和與該至少一個第一高風險組合所對應之該第一高風險因子組合數。
  7. 如申請專利範圍第6項所述之資料分析裝置，其中該等第一組生產控制因子係與該第一生產作業程序中的一品質管理要素相關。
  8. 一種資料分析方法，應用於分析一生產設備的一資料分析裝置，其中該生產設備係於一第一生產作業程序生產一第一產品，包含以下步驟：針對與該第一生產作業程序對應的一第一組待分析資料進行一關聯性分析後，據以產生一第一組關聯性資訊；依據該第一組關聯性資訊中的複數個第一高風險組合的離群產品個數的總和，以及在該第一組待分析資料中的一第一產品總量而計算一第一比率參數，其中該第一產品總量係指該生產設備在該第一生產作業程序中所生產之該第一產品的數量；以及，依據該第一組關聯性資訊中的一第一高風險因子組合數，以及在該第一組待分析資料中的一第一生產控制因子組合的總數量而計 算一第一權重參數，其中該生產設備係依據該第一比率參數與該第一權重參數而選擇性調整該第一生產作業程序的設定。
  9. 如申請專利範圍第8項所述之資料分析方法，其中該生產設備於一第二生產作業程序生產一第二產品，且該資料分析方法更包含以下步驟：針對與該第二組生產作業程序對應的一第二組待分析資料進行該關聯性分析後，據以產生一第二組關聯性資訊；依據該第二組關聯性資訊中的複數個第二高風險組合的離群產品個數的總和，以及在該第二組待分析資料中的一第二產品總量而計算一第二比率參數，其中該第二產品總量係指該生產設備在該第二生產作業程序中所生產之該第二產品的數量；以及，依據該第二組關聯性資訊中的一第二高風險因子組合數，以及在該第二組待分析資料中的一第二生產控制因子組合的總數量而計算一第二權重參數，其中該生產設備係依據該第二比率參數與該第二權重參數而選擇性調整該第二生產作業程序的設定。
  10. 如申請專利範圍第9項所述之資料分析方法，其中更包含以下步驟：將該第一比率參數與該第一權重參數相乘後得出一第一品質積分；以及，將該第二比率參數與該第二權重參數相乘後得出一第二品質積分，其中， 當該第一品質積分高於該第二品質積分時，與該第一生產作業程序相關的複數個第一組生產控制因子須優先被調整；以及當該第一品質積分低於該第二品質積分時，與該第二生產作業程序相關的複數個第二組生產控制因子須優先被調整。
  11. 一種品質提升系統，包含：一資料提供裝置，包含：一流程監控模組，其係對用於生產一產品的一生產設備所進行的一生產作業程序進行監控，進而產生複數筆監控資料；以及，一資料篩選模組，電連接於該流程監控模組，其係依據一篩選條件而自該等監控資料中選擇一組待分析資料；以及，一資料分析裝置，信號連接於該資料提供裝置，包含：一組合產生模組，其係針對與該生產作業程序對應的該組待分析資料進行一關聯性分析後，據以產生一組關聯性資訊；一比率計算模組，電連接於該組合產生模組，其係依據該組關聯性資訊中的複數個高風險組合的離群產品個數的總和，以及在該組待分析資料中的一產品總量而計算一比率參數，其中該產品總量係指該生產設備進行該生產作業程序所生產之該產品的數量；以及，一權重計算模組，電連接於該組合產生模組，其係依據該組關聯性資訊中的一高風險因子組合數，以及在該組待分析資料中的一生產控制因子組合的總數量而計算一權重參數，其中該生 產設備係依據該比率參數與該權重參數而選擇性調整該生產作業程序的設定。
TW108136295A 2019-10-07 2019-10-07 資料分析裝置、資料分析方法以及與其相關的品質提升系統 TWI736999B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW108136295A TWI736999B (zh) 2019-10-07 2019-10-07 資料分析裝置、資料分析方法以及與其相關的品質提升系統
CN201911052126.2A CN112700076A (zh) 2019-10-07 2019-10-31 数据分析装置、数据分析方法以及与其相关的品质提升系统
US16/696,529 US20210103275A1 (en) 2019-10-07 2019-11-26 Data analyzing device, data analyzing method, and associated quality improvement system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW108136295A TWI736999B (zh) 2019-10-07 2019-10-07 資料分析裝置、資料分析方法以及與其相關的品質提升系統

Publications (2)

Publication Number Publication Date
TW202115656A TW202115656A (zh) 2021-04-16
TWI736999B true TWI736999B (zh) 2021-08-21

Family

ID=75275136

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108136295A TWI736999B (zh) 2019-10-07 2019-10-07 資料分析裝置、資料分析方法以及與其相關的品質提升系統

Country Status (3)

Country Link
US (1) US20210103275A1 (zh)
CN (1) CN112700076A (zh)
TW (1) TWI736999B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8612043B2 (en) * 2008-03-06 2013-12-17 Applied Materials, Inc. Yield prediction feedback for controlling an equipment engineering system
US8615724B2 (en) * 2011-12-29 2013-12-24 Flextronics Ap Llc Circuit assembly yield prediction with respect to form factor
TW201843533A (zh) * 2017-05-05 2018-12-16 荷蘭商Ａｓｍｌ荷蘭公司 用以預測器件製造製程之良率的方法
TW201913255A (zh) * 2017-09-08 2019-04-01 中國鋼鐵股份有限公司 製程偵錯與診斷方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6580960B1 (en) * 2000-06-22 2003-06-17 Promos Technologies, Inc. System and method for finding an operation/tool combination that causes integrated failure in a semiconductor fabrication facility
US20130030862A1 (en) * 2011-07-30 2013-01-31 International Business Machines Corporation Trend-based target setting for process control
TWI659317B (zh) * 2018-03-12 2019-05-11 財團法人資訊工業策進會 為一生產線決定一控制條件組之裝置及其方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8612043B2 (en) * 2008-03-06 2013-12-17 Applied Materials, Inc. Yield prediction feedback for controlling an equipment engineering system
US8615724B2 (en) * 2011-12-29 2013-12-24 Flextronics Ap Llc Circuit assembly yield prediction with respect to form factor
TW201843533A (zh) * 2017-05-05 2018-12-16 荷蘭商Ａｓｍｌ荷蘭公司 用以預測器件製造製程之良率的方法
TW201913255A (zh) * 2017-09-08 2019-04-01 中國鋼鐵股份有限公司 製程偵錯與診斷方法

Also Published As

Publication number Publication date
CN112700076A (zh) 2021-04-23
TW202115656A (zh) 2021-04-16
US20210103275A1 (en) 2021-04-08

Similar Documents

Publication Publication Date Title
CN112382582B (zh) 一种晶圆测试分类方法及系统
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
CN107665172B (zh) 一种基于复杂加权软件网络的软件缺陷预测方法
US8112249B2 (en) System and methods for parametric test time reduction
CN105550938B (zh) 县域耕地质量评价成果异常值检验方法
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
US20100168896A1 (en) Method for improving a manufacturing process
TWI736999B (zh) 資料分析裝置、資料分析方法以及與其相關的品質提升系統
CN110927478B (zh) 一种确定电力系统变压器设备的状态的方法和系统
US20120316803A1 (en) Semiconductor test data analysis system
CN113687995B (zh) 一种基于神经网络的芯片筛测方法
JP5348351B2 (ja) リスクプロファイル生成装置
TWI692695B (zh) 提升產品製程品質之回饋系統及其方法
TWI689888B (zh) 決定半導體製造系統的不良設備的方法及程式產品
Singh et al. Design of multiple deferred state repetitive group sampling plan for inverse Weibull distribution based on life test
Chouichi et al. THE DETECTION AND THE CONTROL OF MACHINE/CHAMBER MISMATCHING IN SEMICONDUCTORMANUFACTURING
TWI832403B (zh) 用於多維動態部件平均測試之方法、設備及非暫時性電腦可讀媒體
Heo et al. A modified lasso model for yield analysis considering the interaction effect in a multistage manufacturing line
Seifi et al. Designing different sampling plans based on process capability index
Agarwal Markovian software reliability model for two types of failures with imperfect debugging rate and generation of errors
US20240019858A1 (en) Method and apparatus for monitoring a process
CN117495158A (zh) 用于电网基建项目工序质量链的构建与优化方法
JP5692800B2 (ja) リスクプロファイル生成装置
Ji et al. A study on the statistical comparison methods for engineering applications
Ding et al. Repetitive testing of multiple products with limited capacity