商業智慧於半導體封裝業產品異常原因之整合式分析

商業智慧於半導體封裝業產品異常原因之整合式分析

史哲坤

林文揚

張弘毅

義守大學 資訊管理系

國立高雄大學 資訊工程系

義守大學 資訊管理系

[email protected]

[email protected]

[email protected]

摘要

在半導體封裝產業產品生產過程中，製程的良 率一直是經營者所關心的問題，因為良率的高低， 直接關係到產品的品質與實際的獲利。因此，如何 找出產生不良產品的原因並加以改進，是半導體封 裝業品質管理的重要工作。目前許多的業者在分析 不良產品的原因上，仍仰賴員工的經驗，且分析過 程極耗費時間，往往無法即時找出原因，提出改善 的方法。 針對此一問題，本研究提出運用商業智慧的概 念，將資料倉儲與資料探勘技術導入產品異常原因 的分析作業中，建構一整合式的分析作業平台，以 期能從產品製造過程的眾多紀錄中，迅速且自動地 找出造成異常的原因供管理者參考，以提出改善的 方法，另一方面，也可以減少後續問題產品的追蹤 與客戶抱怨的聲音。根據我們對一家個案公司的實 際建置結果，發現確實可具體找出重要的異常原 因，協助決策者提出改善措施。 關鍵詞：商業智慧、資料倉儲、資料探勘、決策樹、 半導體封裝產業。

1. 前言

近年來，半導體產業競爭趨勢日益劇烈，各家 業者莫不以降低成本，增加競爭優勢為考量，以封 裝產業為例，其固定成本壓縮已到一瓶頸，除了基 板成本尚有較高彈性之外，其他材料成本部分，都 幾乎相差無幾。因此，就管理階層來考量，如何將 內部設備、資源、人力有效管理與運用是相當重要 的一個課題。 在半導體封裝業的產品生產過程中，製程的良 率一直是經營者所關心的課題。因為良率的高低， 直接關係到產品的品質與實際的獲利；製程的良率 若不佳，會大幅提高產品的單位成本，進而降低企 業在市場上的競爭力與獲利。因此，如何找出產生 不良產品的原因並加以改進，是半導體封裝業品質 管理中極為重要的工作。目前許多的業者在分析不 良產品的原因上，仍仰賴員工的經驗，且分析過程 極耗費時間，往往無法即時找出原因，提出改善的 方法。 針對此一問題，本研究提出運用商業智慧的概 念，將資料倉儲與資料探勘技術導入產品異常原因 的分析作業中，嘗試從產品製造過程的眾多紀錄 中，迅速且自動地找出造成異常的原因供管理者參 考，以提出改善的方法，另一方面，也可以減少後 續問題產品的追蹤與客戶抱怨的聲音。 根據我們對一家個案公司的實際建置結果，發 現確實可具體找出重要的異常原因，協助決策者提 出改善措施。例如我們發現：某些材料的組合，特 別容易造成產品的斷線，因此挑選適當的材料搭配 將會是相當重要的課題；而某些生產單位的特定時 段，出現人為作業疏失的比例相當高，則公司應該 著手從改善員工的教育訓練制度來考量。 本論文的其餘的章節安排如下：第二節，將說 明目前半導體封裝產業背景知識與相關研究，以及 資料倉儲、資料探勘相關基本知識的介紹。第三 節，將說明個案公司舊有的系統架構與流程缺失， 以及需改善的問題。第四節，將說明本論文所提出 的 基 於 商 業 智 慧 概 念 的 新的 系 統 架 構 及 處 理 流 程，以及如何導入資料倉儲與資料探勘技術。第五 節，介紹雛型設計與實驗分析，說明目前有哪些現 成的工具可以使用，整理資料的過程、步驟、方法， 以及實驗結果。第六節，說明本篇論文結論以及未 來需要強化與改善的研究方向。

2. 背景知識與相關研究

2.1 封裝作業流程

半 導 體 產 品 的 封 裝 作 業 是 一 極 為 繁 瑣 的 過 程，如圖 1 所示，上游客戶是以整片晶圓(Wafer) 方式來投料下單[3]，經過晶圓研磨、切割，黏晶 粒，焊線，封膠，烘烤，正印，植球…等一連串過 程後，製造出實際的成品。 圖 1 封裝作業流程圖

2.2 商業智慧

商 業 智 慧 (Business Intelligence ， BI) 一 辭 是 Gartner Group 的 Howard Dresner 於 1989 年首先提 出的概念[17]，泛指能透過資料的淬取、整合及分 析，支援決策過程的技術和商業處理流程，其目的 是為了協助使用者在決策時的分析需求。 簡而言之，一個良好的商業智慧系統必須要能 夠同時滿足三項要素：正確的資訊、及時、合適的 人員；亦即能將正確的資訊及時地呈現給合適的人 員使用。目前常見的商業智慧架構大致上包含資料 來源、資料儲存、以及資料分析呈現三個部分。事 實上這概念與後來 W.H. Inmon[13]所提出的資料 倉儲理念不謀而合，故現在的商業智慧系統幾乎都 以資料倉儲為核心[5]，其典型架構如圖 2 所示 [11]。 圖 2 以資料倉儲為核心的商業智慧系統架構[11] 綜合來說，建置一個商業智慧系統最首要的課 題是要能將企業內的相關資料，包含 CRM、ERP、 SCM 或是其他的資訊系統所產生的異質資料，經由 資料擷取、轉換、傳送(Extract Transform Load，ETL) 到資料倉儲加以儲存，隨後供使用者利用各類的資 料分析技術或工具，如報表、線上即時分析(On-Line Analytical Processing，OLAP)、資料探勘、統計分 析等來獲得可用的資訊，以應用於銷售、行銷、財 務、人力資源、生產、研發等各個層面的決策支援。

2.3 相關研究

據我們所蒐集的文獻顯示，過去幾年來已有一 些研究在探討如何將人工智慧的技術導入在半導 體產業，茲整理如下： 在[3][6]的研究中，首先提出利用關聯規則探 勘方法來探勘在半導體製程中，各機台的參數設定 與不良品之間的關係，可說是國內這方面研究的先 驅。 在同一時期，[8]的研究中利用資料探勘、本 體論(Ontology)及網路服務(Web-Services)等技術發 展了一套半導體設備遠端診斷系統，以期縮短機台 設備錯誤診斷及故障排除的時間，故其研究重點在 於機台設備的故障排除指引。 在[4]的研究中，導入線上製程管理與監控系 統來監控製程良率的變化。工程師藉由自動化機台 所蒐集到的資料，來進行產品的監控或是故障分 析，並利用幾種資料探勘方法－基因表現規劃法 (GEP) 、 倒 傳 遞 類 神 經 網 路 (Back-Propagation Neural Network, BPN)、決策樹(Decision Tree)來建 立分類與預測模型，藉此挖掘在製程資料中所隱藏 的知識。 在[7]的研究中，則探討在 DRAM 封裝廠導入 電腦整合製造(CIM)系統，其利用資料倉儲以及線 上即時分析的技術，以關聯性模組的演算法設計出 資料探勘引擎，以彌補現有的管理資訊系統上的分 析預測能力的不足，以提升產品良率，縮短製程時 間，減少封裝機台停機次數。 在[9]的研究中，作者針對半導體前段製程之 環境特性下，以瓶頸機台的生產績效，來預測未來 生產量，做為未來生產決策或生產排程之參考。其 分別以基因規劃(Genetic Programming，GP)以及類 神經網路，進行生產績效預測，並比較兩種預測結 果。 在[2]的研究中，則以服務品質來取代價格競 爭的客戶導向服務，並針對客戶關係管理(Customer Relationship Management，CRM)系統，透過 IBM 的 Intelligent Miner 工具進行探勘實作，並進一步分析 客戶的行為，產生具有價值的產品推薦模型。也就 是去發掘客戶類別與產品之間的關係，找出客戶類 別所感興趣的產品，當有同屬性的新產品時，可以 主動向客戶推薦，藉此提升銷售機會。

3. 現行封裝產品異常分析作業的缺失

目前半導體封裝廠的品保部門的處理方式如 圖 3 所示：由抽檢人員在產品製造單位各站別，下 去實際抽樣產品，檢查是否符合客戶要求的規格， 並將結果數據或手寫記錄於表格中，或輸入系統資 料庫，之後交接給下一班人員，利用每日統計結 果，製作每週報表；利用每週統計結果，製作每月 報表，以得出產品的良率統計報表。在上述的分析 作業過程中，工程師往往需要查詢許多的資料庫或 是 Excel 報表檔案，才能得到相關資料，過程可能 會花費一天以上，有時甚至可能會超過三天，再加 上報表的資料記錄與整理有些部分是半人工作業 方式，因此要得到最正確的資料往往可能會拖延數 十日之久。 工具 萃取 轉換 操作端 資料 外部資料 監督及管理 資料倉儲 資料超市 伺服 分析 OLAP Servers 資料來源 查詢/報告 資料挖掘 資料索引

圖 3 半導體封裝業品保部門實際作業面流程 就以我們所研究的個案公司為例，工程師首先 要去生產資料庫查詢相關該產品過程資料，之後確 認產品使用的材料規格是否符合規定，之後再參考 報表組提供的良率報表相關缺點，將這些資料整 理，並與後續實驗分析後產生的相關報告，輸入到 客戶抱怨系統，並附上查閱到的相關資料檔案後送 簽，經過電子文件系統流程的傳簽後，將結果通知 客戶作最後的確認，其處理流程如圖 4 所示。 圖 4 現行封裝產品異常分析作業流程 根據我們實際的觀察與訪談發現在此種處理 模式下，該個案公司的產品異常原因分析過程常面 臨下列困難： 1. 原始資料收集的不確實，工程師因經驗不足，遺 漏一些有價值的參考資料，導致提供給客戶的分 析結果不正確，影響公司形象及信譽。 2. 異質性資料庫的操作與查詢技術，必須花費相當 長的時間，並且需要不斷在公司實際操作與學 習，時間上需花費半年至一年才能完全熟練，對 於公司的人力成本將是一大負擔。 3. 資料來源分散，無資料整合的機制，對於產品異 常問題無法深入探討，導致工程師解讀資訊各憑 經驗，對於公司的競爭力長久下來會有不良影 響。 4. 無法深入探究造成產品異常的背後原因。

4. 導入商業智慧的解決方案

4.1 解決構想

根據前述的分析，目前在半導體封裝產品的異 常原因分析作業的缺點主要可歸納為兩方面： 1. 缺乏一致性的資料來源 2. 缺乏適當的分析方法 因為缺乏一致性的資料來源，故容易漏失重要的資 料，也需花費極多的人力才能得到正確的資訊；也 因缺乏適當的分析工具，故無法及時地呈現適當的 資訊給合適的人員使用。為解決上述問題，我們乃 提 出 將 商 業 智 慧 的 架 構 導入 產 品 異 常 的 分 析 作 業，其架構如圖 5 所示。 圖 5 導入商業智慧的品質分析架構 在此架構中，所有與產品品質分析有關的資料 來源，包括生產資料庫、資材資料庫、良率資料庫… 等皆整合至一個單一的資料倉儲，稱之為產品異常 資料倉儲。之後使用者可透過各種資料方析工具， 如 OLAP、資料探勘(決策樹、關聯分析等)，從中 發掘有用的資訊，圖 6 顯示導入此系統架構後的產 品異常分析流程。 圖 6 導入商業智慧的部門處理問題流程

4.2 資料倉儲的建置

如前所述，資料倉儲是整個商業智慧架構的核 心，也是決定整個系統成敗的重要因素。根據資料 倉儲先驅 Kimball 的建議[15]，一個完善的資料倉儲 建置包含下列主要步驟：

1. 需求定義，即主題分析 2. 資料來源分析 3. 資料模式的建立 4. 資料轉換與匯入 5. 資料倉儲啟用 其中又以步驟2~3最為關鍵，故此處我們僅針對此 二步驟加以說明。 4.2.1 資料來源分析 在確定資料倉儲所需的資料來源之前，首先必 須了解分析的問題。根據圖 1 的封裝產品生產過 程，我們可以發現造成產品異常的可能因素大致可 分為下列幾種(如圖 7 所示)： 1. 人為的因素：例如，產品有指紋污染或 OP 放錯 基板方向導致卡貨。因此需要具備的資料有，當 時作業員工編號、性別、年齡、學歷、年資等。 2. 機台的因素：例如，參數誤差導致產品出現氣 泡，或 Wafer 破片。因此需要具備的資料有，機 台編號、機台購入年份、供應商、維護廠商等。 3. 材料的因素：例如，基板上有異物附著，導致產 品失敗。因此需要具備的資料有，材料編號、名 稱、供應商、規格，單價等。 4. 製程的因素：製程設計不良所引起的，例如 INK 管制不佳、INK 動作未規範等。 圖 7 造成封裝產品異常的可能因素 由上述對問題的分析，我們可以了解在人為問 題部份所需要的詳細資訊，需要從人事資料庫取 得；機台問題所需要的詳細資訊，則需要從生產資 料庫與機台資料庫取得；而材料問題所需要的詳細 資訊，則必須從資材資料庫與供應商資料庫取得， 生產紀錄資料庫；至於因製程設計不良的因素，則 需仰賴專家的知識，無法自現有的資料庫中取得。 除此之外，我們還可由良率資料庫中獲得有關各產 品良率的統計資料，以及由相關部門獲得有關客戶 抱怨的產品異常問題。 4.2.2 資料模式的建立 目前的資料倉儲資料模式通常採用星狀綱要 (Star-Schema)[14]的架構來組織所儲存的資料，其 架構如圖 8 所示，由事實資料表(Fact Table)及一連 串相關的維度資料表(Dimension Tables)所組成。在 事實資料表中，儲存各個維度資料表的主鍵，以及 欲觀察的測量值(measure)，而這些測量值通常都是 屬完全附加(additive)的測量值，是可累加的值；維 度資料表則記錄各個資料表中的所有屬性，提供使 用者從不同的角度來觀察欲分析的資料。 針對產品異常原因的分析主題，分析者所可據 以 觀 察 的 指 標 主 要 為 產 品 發 生 異 常 的 次 數 (count)，與產品的良率；前者是屬於可累加的測量 值，而後者則屬於不可累加，但可由前者經由平均 計算而得，故在星狀綱要架構中的測量值定為產品 發生異常的次數。另外從前述的產品異常發生因素 方析，我們可以歸納出包含產品、員工、材料、供 應商、生產機台、以及產品缺點等維度。整個完整 的產品異常綱要架構如圖 8 所示。 圖 8 產品異常星狀綱要架構

5. 系統雛型建置與實驗驗證

為驗證我們所提出的以商業智慧概念建構的 產品異常原因分析的系統的可行性，我們乃選定一 個案公司進行實驗。為縮短建置時間，加速實驗的 進行，我們採用系統雛型開發方法。

5.1 雛型建置

首先在資料來源方面，因為個案公司的來源資 料庫種類繁多，所以在此雛型系統的建置上我們只 鎖定重要相關的幾個資料庫，包括：製造生產資料 庫、資材資料庫、客戶資料庫、良率資料庫、缺點 模式資料庫、內部與外部客戶抱怨處理改善資料 庫。

資料倉儲部分我們採用 MS SQL Server 2000 來建置，而資料分析工具則使用 SQL Server 2000 中所提供的 Analysis Services 工具來進行實驗分析。 另外，因本研究是以改善品保部門產品分析流 程與異常問題為主，所以在實際資料的匯入部分， 我們以客戶抱怨成立的案件為主，以 2004 年為例， 約有 10,000 件成立的案件。之後根據案件記載的基 本生產資訊，再與異常問題有高度關聯性的資料庫 來過濾篩選出本實驗所需資料。然而因實際生產產 品種類繁多，相關生產資料庫之歷史資料又將近有 80,000 筆的紀錄，因此本研究只針對目前客戶投料 比例最高、獲利能力最佳、短期間不會被淘汰之產 品，以及近半年期間的資料來加以分析，而實際產 品名稱因牽涉到商業機密問題，本研究將以代號來 稱呼。 接下來說明資料擷取與彙整的做法。如圖 3 所 示，個案公司的原始產品異常問題案件是在 Lotus Notes 資料庫上，其屬於文件管理式資料庫，不同 於關聯式資料庫的特性，因此必須先透過 ODBC 元 件的輔助，以 Lotus Notes Script 語法設計出可直接 轉出到關聯式資料庫的資料表格之程式模組，並對 資料格式進行轉換。所以初步的篩選與判斷，可以 利用資料庫內提供的視域(View)下查詢條件。之 後，因資料來源有些屬於 Oracle 或是 MySQL 或其 他，因此我們利用 Excel VBA 功能，設計出可溝通 不同資料庫之簡單查詢介面，並利用 Excel 排序與 篩選的優點，及時將查詢到的不同資料庫來源資料 整合起來(如圖 9 所示)，隨後再匯入資料倉儲。 圖 9 資料彙整查詢介面與結果 另外在資料匯入資料倉儲之前，還需將某些資 料做轉換，才能符合後續分析的需求，茲舉例如下： 1. 人員的資料：工號(姓名、年資)與班別(分為 1、 2、3)，有可能是連續數值，必須將之轉為類別 型態。 2. 機台資料：以內部機台編號為主，因為機台類型 的不同，功能與所屬站別也會不盡相同，因此， 必須根據其編號法則將之轉為可資分辨的類別 屬性資料。 3. 異常缺點：因異常問題是以數字代號紀錄於資料 庫，也因此必須將此數值資料轉為文字描述(如 表 1 所示)，才能了解實際的問題。 表 1 異常原因描述對照表 代號 描述 10051072 沖線 10069308 露金/露銅 10069553 缺球 10071309 腳位偏移 10071488 崩裂 10071510 斷線

5.2 問題模式定義與分析工具選擇

根據 Michael Berry 和 G. Linoff 的歸納整理 [10]，一般資料探勘的過程主要有下列四個步驟: 1. 界定問題 2. 利用資料探勘工具將資料轉換成可以付諸行動 的資訊 3. 採取行動 4. 評估結果 首先在問題的界定上，雖然我們所建構的資料 倉儲可以搭配不同的分析工具，分析各種不同的問 題，如運用 OLAP 分析工具可以從各種不同的角度 如人員、供應商、材料、機台等，來觀察產品異常 的數量變化。但此處我們先鎖定個案公司的品保部 門工程師最關心的議題—如何根據客戶抱怨成立 的案件，由相關生產資料中找出可以造成產品異常 的原因為何，以提供決策主管謀求改善之道—進行 實驗分析。 接下來是最主要的步驟，運用適當的探勘工具 將資料轉換成可以付諸行動的資訊。在決定使用的 工具前，首先要將問題的本質定義清楚，即所要處 理的問題是屬於何種資料探勘的工作，一般而言， 可以分為總結、關聯、分類、群集、預測、趨勢分 析等[10][12]。此處我們所處理的問題，在本質上 可視為是一種關聯分析，即找出各種造成產品異常 的可能因素與特定產品缺陷的關聯性，故我們可以 運用關聯分析的工具來找出如下的關聯規則： 0 年資 2  手指污染=是 (1) 然而，上述的關聯規則與一般的關聯規則並不完全 相同，主要差別在於規則的右項只由一個項目所組 成，故此種規則又可視為是分類規則[16](將產品 缺陷視為是分類的類別，各種可能因素視為分類的 依據)。由此分析，我們可以發現可使用的工具為 關聯分析或分類方法。 然而，一般的關聯分析方法若非針對分類工作 而設計[16]，則無法限定構成右項的項目屬性與數 目。我們發現 SQL Server 2000 的 Analysis Services

工具中的關聯分析即是如此。故我們乃轉用另一種 方析方法，即分類工具。一般的分類方法最常使用 的是決策樹。所謂的決策樹即是運用樹狀的結構來 表示決策，產生資料分類的法則，這些決策樹方法 最主要的有 ID3、CART、CHAID、和 C4.5[12]。 圖 10 所示極為一決策樹範例，所對應的規則即為 前述式子(1)的規則。 規則：0年資 2  手指污染=是 可能處置：加強資淺人員的教育訓練 圖 10 決策樹範例 根據統計，決策樹的使用率是所有探勘方法中 最高的，達 16%[1]，此乃因決策樹相較於其他方 法(回歸公式或是類神經網路的黑箱作業)，的確比 較容易讓人理解。而這點是相當重要的，因為企業 導入資料探勘時，有時不只是希望能有準確的模 型，更重要的是，能否讓規則以人類所能理解的形 式來呈現，這樣在後續實際導入的過程中所產生的 排斥與阻力才能降到最小。因此我們決定採用決策 樹來處理此一問題。

5.3 實驗結果

限於篇幅，此處我們僅示範從資料倉儲中，對 特定單一產品的過去 1,400 筆歷史資料來分析，找 出不良產品形成的原因分類，以供後續生產相同產 品時參考，避免重蹈覆轍。由資料倉儲所擷取出的 資料片段如表 2 所示，經由決策樹所產生的結果如 圖 11 所示。 表 2 資料初步過濾篩選後的結果 最後我們將以上所產生出的產品異常原因的 分類規則，請相關業界資深工程師判斷，發現所採 掘出的分類規則確實有重要的參考價值，可據以作 為提出改善方針的依據。茲舉下列數例較具代表性 的規則加以說明：

規則 1：Wire Type = WXP and Compd Vendor = CV

 沖線 說明：當金線類型是使用 WXP 規格時與使用 CV01 供應商的封膠時，有 68.09%的機率會發生沖線的異 常問題。 處置：因此改善重點應著重於材料規格搭配與供應 商產品品質的選擇。 圖 11 產品異常問題分類的決策樹

規則 2：Shift = 1 and Wire Type = WAS and Compd

Type = not CPAS露金/露銅

說明：當第一班遇到使用 WAS 金線規格與非 CPAS

封膠規格時有 92.86%的機率會發生露金/露銅的異 常問題。

處置：第一班要加強 WAS 的金線規格與非 CPAS

封膠規格的教育訓練與操作。

規則 3：Plant = 5 and Sub Vendor = not SA and Epoxy

Vendor = not E02 and Wire Type = WXD 缺球

說明：在製造五廠使用非 SA 供應商的基板，與非 E02 供應商的銀膠，與使用 WXD 金線規格時，有 53.97%的機率會發生缺球的異常問題。 處置：在五廠的烤箱作業時導致基板變形有一定機 率，而使錫球無法順利上板，對於機台作業參數與 材料的搭配，工程師必須多加留意。

規則 4：Pkg Code = BV12 and Epoxy Type = EBC

and Wire Type = WCV 晶粒偏移

說明：在製造 BV12 規格的產品時，使用 EBC 規格 的銀膠，與使用 WCV 金線規格時，有 87.50%的機 率會發生晶粒偏移的異常問題。 處置：在生產 BV12 規格產品時，在使用 EBC 規格 的銀膠時，工程師需注意烤箱烘烤溫度是否不足， 導致後續打金線時造成晶粒偏移。

5.4 問題與討論

在整個雛型系統的建置及實驗分析過程中，我 們發現蒐集與整理異常資料來源方面的所花費的 時間相當多，因為在異質資料庫方面資料欄位的轉 換無法直接承襲原始資料型態，例如：日期格式必 須先轉換成 Text 型態格式才能儲存也才能供後續 的進一步處理；此外含有小數點資料在資料轉拋時 也會無法接受；相同的情況還有因原始資料長度過 長，Excel 欄位必須宣告成變數型態才有辦法存入。 另外，在資料探勘方面的問題，主要有三方 面：(1)資料預處理的過程過於耗時；(2)資料倉儲 的資料更新機制尚未有統一標準；(3)以決策樹分 類出來的樹層次過多。針對這三個問題，分別提出 不同的方法來解決。 1. 資料庫朝向整合單一類型：數值或文字型資料庫 都使用 Oracle 或 MS SQL 為主，目前已在運作 中的其他資料庫，陸續將資料以漸進方式轉換到 新資料庫中。因目前個人 E-Mail 環境收發還是 以 Notes 資料庫為主力平台，所以文件管理式資 料庫則保持原有系統的運作，但是往後將不再以 此平台開發新系統，徹底解決異質資料庫資料轉 換問題。而客戶抱怨系統將規劃成以 Web 介面 操作方式與關聯式資料庫架構來設計。 2. 資料更新機制必須配合產品價格、產量，動態調 整：因為某些週期的產品或許有實際分析價值， 但是可能因市場供需必須減產時，則應該適當的 過濾，透過市場相關資訊的變化及時調整資料倉 儲的資料，找出目前可以獲得最大分析效益之產 品，以供後續資料探勘的分析結果成為有用的資 訊。 3. 不以單一決策樹方法來做資料探勘：適當選用類 神經網路或關聯規則，利用不同工具多方面進行 資料的分析、預測，以獲得最客觀、最有價值的 資訊。

6. 結論

在這篇論文中，我們針對半導體封裝業品質管 理的重要工作—導致產品缺失的原因分析，將商業 智慧的架構導入產品異常的原因分析的作業流程 中，並藉由一個案公司的雛型系統的建置，驗證此 架構的實際可行性。根據實際的分析結果，確實可 發掘顯示問題產品發生的背後因素，並可輔助決策 者提出具體的改善措施。與過去相關研究的不同之 處在於，本研究探討的是一個完整的分析解決方 案，在分析流程的規劃、資料來源的整合、與資料 探勘技術的利用，都已全面兼顧，且所能分析的範 圍廣泛地涵蓋了各種可能的因素。而實驗範圍雖然 是以部門為單位，但實際執行與處理原則將可以適 用於整個企業的運作。 在未來的研究中，我們將完成整個系統的建 置，以及其他如資料超市建構與資料預處理效率的 改善，並且將更深入探討其它可運用的資料探勘技 術與演算法，以改善可預期的在探勘大量資料時所 花費的時間。另外，尚可將此結果運用在研發部門 初期的少批量產上，來分析產品失敗的原因，以節 省處理問題的人力；或是運用在 IE 生產排程的規劃 上。

參考文獻

[1] 尹相志，資料採礦服務，維科圖書有限公司， 頁 18-19 及 93-125，2003。 [2] 王媚慧，應用資料探勘於顧客的行為分析--以半導體業為例，淡江大學資訊工程學系碩 士論文，2003。 [3] 江峰俊，半導體製程之分類式資料探勘，國 立台灣科技大學電機工程系碩士論文，1999。 [4] 吳宗彥，資料探勘技術應用於半導體製程良 率之管理，華梵大學資訊管理學系碩士論 文，2003。 [5] 周文卿，資料倉儲--企業拓展商業智慧領域 的基石，經營決策論壇，第 24 期，民國 90 年 3 月，http://www.gss.com.tw。 [6] 洪紹鯤，半導體製程之資料探勘，國立台灣 科技大學電機工程系碩士論文，1999。 [7] 范滄仁，以全球資訊網為基礎之 CIM 資料探 勘系統整合架構--以半導體封裝廠為例，國 立交通大學資訊管理碩士論文，2002。 [8] 黃榮吉，應用資料探勘與本體論之半導體設 備遠端診斷系統之開發，國立成功大學製造 工程研究所碩士論文，1999。 [9] 楊曉涵，應用資料探勘方法建立半導體生產 績效預測系統，華梵大學資訊管理學系碩士 論文，2003。

[10] M.J.A. Berry and G. Linoff, Data Mining

Techniques, John Wiley & Sons, 1997.

[11] S.Chaudhuriand U.Dayal,“An overview of datawarehouseand OLAP technology,”ACM SIGMOD Record, Vol. 26, pp. 65-74, 1997.

[12] J. Han and M. Kamber, Data Mining Concepts

and Techniques, Morgan Kaufmann, 2001.

[13] W. Inmon, Building the Data Warehouse, John Wiley & Sons, 1994.

[14] R. Kimball, The Data Warehouse Toolkit, John Wiley & Sons, 1996.

[15] R. Kimball, L. Reeves, M. Ross, and W. Thornthwaite, The Data Warehouse Lifecycle

Toolkit, John Wiley & Sons, 1998.

[16] B. Liu, W. Hsu, and Y. Ma, “Integrating classification and association rule mining,”in

Proc. 1998 Int. Conf. Knowledge Discovery and Data Mining (KDD’98), pp. 80-86, 1998.