比較與分析

表5.33 測試樣本之執行誤差

表5.34 簡化模型 II 所刪減的測試項目

1 Imin G_OPEN 點欠陷(輕)(X)

2 ufe GS_SHORT 點欠陷(合計)(X)

3 Rge1 SC_SHORT 2連續(重)(X)

4 Rsd1 CS_OPEN 2連續(輕)(X)

5 不明(>0) GSR_OPEN 2連續(合計)(X)

6 CS_LEAK GSR_SHORT 多連續(重)(X)

7 OTHLEAK GSRI_OPEN 多連續(輕)(X)

8 IOFFLK GSRI_SHORT 多連續合計}(X)

9 GTLEAK SSR_OPEN 距離NG(重)(X)

10 EXT_SHI SSR_SHORT 距離NG(輕)(X)

11 SITO_SH SSRI_OPEN 距離NG(合計)(X)

12 SLFLEAK SSRI_SHORT 密度NG(重)(X)

13 R_GOOD CSR_OPEN 密度NG(輕)(X)

14 不明 CSR_SHORT 密度NG(合計)(X)

15 CS_LEAK(>0) CSRI_OPEN 縱2連續(重)(X)

16 OTHLEAK(>0) CSRI_SHORT 縱2連續(輕)(X)

17 LOW_VG(>0) G_POOR 縱2連續(合計)(X)

18 GTLEAK(>0) S_POOR 橫2連續(重)(X)

19 EXT_SHI(>0) 不明 橫2連續(輕)(X)

20 EXT_CHG(>0) 橫2連續(合計)(X)

21 點欠陷(合計)(>0)

消耗性材料的節省金額：

依電器測試材料(手動測試治具)每個月的消耗性材料作評估，一測試項目需用耗材費 15,000 元,共 19 項，15,000 元/月 X19 = 285,000 元/月。

依人工檢測所使用的測試設備的每個月的消耗性材料作評估，一測試項目需用耗材費 用12,000 元，共 31 項，12,000 元/月 X31 = 372,000 元/月。

時間的節省：18 分鐘/片

(A.) 依原始資料，目前 9 吋 LCD 的新產品投入 25 片，需 5 天才產出。

平均4.8 小時/片( 5 天÷25 片 x 24 小時/天= 4.8 小時/片)，節省的 18 分鐘/片等於 0.3 小時/片 (18 分÷ 60 分鐘/小時)，所以改善後的製程後每片的產出時間為 4.5 時/

片(4.8 小時/片- 0.3 小時/片)。

(B.) 原有的測試製程，依原始資料，5 天產出 25 片，一個月 30 天可產出 150 片。改 善後的製程，一個月可產出160 片(30 天/月 x 24 小時/天÷4.5 小時/片)。

(C.) 定義每個月的產出率是每月產出量÷投入量(Output/ Input)，月產出率的變化率是 月產量變化量÷投入量，(160 片- 150 片)÷150 片= 6.7 %。

經過上述的分析，如果使用簡化模型 II，每個月總共節省的金額為 375,000 元/月+

285,000 元/月+ 372000 元/月= 1,032,000 元/月。目前 A 公司 9 吋的生產線有 3 條，若同 時生產9 吋 LCD 且每個月每條生產 12,000 片，每年一共有 12,000 片/月 x 3 條產線 X 12 個月= 432,000 片/年；因此，公司生產 9 吋 LCD 的新產品，每年可以總共節省 37,152,000 元 (1,032,000 元/月 X3 條產線 X 12 個月)。此外，每個月的產出率可提升 6.7%。使用簡 化模型II 之測試樣本的正確分類率為 83.33%，雖然未能達 100%，但是已經與完整模型 的分類正確分類率相同而且被品管和銷售部門認可。

第六章 結論

本研究目的在發展一個類神經網路模型來評估測試項目的合理性，利用過去產品測 試的歷史資料來做分析，以提供企業較合理的測試項目和評估模型，以便擬定較佳的測 試計畫，使企業在測試和自動化的管理達到最佳化，並有效的降低人工和設備投資的成 本。利用建構出來的分類模型，在實際的運用上的確幫助企業達到測試成本的降低，生 產率的提升和提高競爭力。

本研究利用過去的測試記錄來評估現有測試項目的合理性，提供企業較正確的測試 項目和評估模型，以便擬定較合適的測試計畫和有效執行測試。理論上，本研究建議應 用倒傳遞類神經網路來建立測試分類的模型，對於測試項目簡化的合理化提供了一個科 學的方法。本研究以一實例進行分析，於論文中建構了五種倒傳遞的類神經網路模型和 二種用統計迴歸分析的結果，經過資料分析，去除一些非相關屬性和離群的數值以後, 我 們採用了刪除1/2 測試項目再加上以工程專業判斷後必需的測試項目的倒傳遞的類神經 網路模型，這個模型的訓練和測試數據相較其他模型佳。此外，本研究亦發現，線性逐 步迴歸模型的測試的分類率與上述的模型幾乎一樣， 該模型可以找到 13 個自變數對依 變數有顯著的影響。

本研究刪減了70 個測試項目，其中只有 19 個電器測試(手動測試治具)和 31 個人工 檢測的項目對整個測試的時間和成本的節省有直接的影響，其他 20 個自動化測試的項 目，不會因為測試項目減少而節省成本。這說明了，新產品剛導入量產初期，需要較多 的人工檢測和手動測試治具，當製程和產品日趨成熟穩定，將這些必要且是人工的測試 改由自動化測試設備執行，是最經濟的方式。

測試和產品的品質有著密切關係，當新產品剛量產之初，一定有很多問題需藉由測 試的方法去找問題，進而解決問題改善產品品質。本研究建議儘可能等到產品品質穩定 後，再應用本研究的方法去找精簡測試項目。

本研究提供了一個方法可以幫助企業擬定較佳的測試計畫和測試項目，可改善繁複 且耗時的測試，對未來應該被深入研究的議題，有以下幾點研究方向:

(1) 探討如何利用自動化的取得測試資料，即時迅速建立模組，得到最合適有效 的測試項目, 以應付產品多變化，產品生命週期較短的產品。

(2) 建議可用其他不同的分類和簡化的方法，比較不同方法其分類和簡化測試項 目的準確性。

(3) 本研究應用倒傳遞的類神經網路和迴歸分析於測試項目的簡化上，期望能提 供判斷測試項目的知識給生產測試單位；也可應用在其他的決策問題上，使得 人為判斷的影響程度減至最低，以提升判斷決策的方向。

(4) 可探討應用類似此研究的時機，新的製程和產品品質不穩定，需要測試找出 問題來改善產品的品質，此時測試考慮的是完整性，而非簡化。舊的製程和產 品品質穩定，則需要做精簡的分析。

(5) 在成本分析上，應該要加上因為刪除一些測試項目造成誤判的成本，如此才 能反應出完整的成本。

參考文獻

[1] 賴佳宏，「薄膜電晶體液晶顯示器(TFT-LCD)產業之技術發展趨勢研究」，私立中原 大學企業管理研究所，碩士論文，2004 年。

[2] 林素雲，「利用類神經網路建構物件導向量測雛型研究---以光電元件(TFT-LCD) 電測製程為例」，國立交通大學資訊管理研究所，碩士論文，1998 年。

[3] 盧延昇，「LCD-TFT 製程整合性良率分析」，私立南華大學資訊管理研究所，

碩士論文，2006 年。

[4] 吳幸儒，「應用類神經網路於自動跪員機提款預測之研究」，國立交通大學工業 工程研究所，碩士論文，2007 年。

[5] 蘇朝墩，類神經網路及其應用，上課教材，2002 年。

[6] 李建宏，「類神經網路在最佳化設計之應用」，國立中興大學碩士論文，民國八十 七年。

[7] 吳嘉哲，「類神經網路式最佳參數設計法則」，國立中興大學碩士論文，民國八十 七年。

[8] 葉怡成，類神經網路模式應用與實作，儒林圖書公司，台北市，民國八十九年四 月。

[9] 陳丞璽，「應用類神經網路於晶粒表面銲墊變色辨識之研究」，國立交通大學工業 工程研究所，碩士論文，2004 年。

[10] 林藤，「結合田口品質工程與類神經網路於 SMT 錫膏印刷製程參數選定之研究」，

國立台北科技大學生產系統工程與管理研究所，碩士論文，2004 年。

[11] Laurence Fausett, Fundamentals Of Neural Network Architecture, Algorithms, And Applications, New Jersey, 1994

[12] Douglas C. Montgomery, Design and Analysis Of Experiments, 5^th Edition, John WILEY & SONS, Fifth Edition, 1997

[13] TFT-LCD簡介，http://auo.com/auoDEV/technology.php?sec=tftIntro&ls=tc