進階搜尋


下載電子全文  
系統識別號 U0026-1107201722564900
論文名稱(中文) 應用馬氏-田口系統建構機台健康指標-以半導體封裝研磨製程為例
論文名稱(英文) Utilizing the Mahalanobis-Taguchi System to Building Machine Health Index - With a Case of Wafer Grinding Process in Semiconductor Assembly
校院名稱 成功大學
系所名稱(中) 工業與資訊管理學系碩士在職專班
系所名稱(英) Department of Industrial and Information Management (on the job class)
學年度 105
學期 2
出版年 106
研究生(中文) 李翊禎
研究生(英文) Yi-Chen Lee
學號 R37041375
學位類別 碩士
語文別 中文
論文頁數 70頁
口試委員 指導教授-張裕清
口試委員-王泰裕
口試委員-蔡青志
口試委員-胡政宏
中文關鍵字 機台健康指標  馬氏-田口系統  移動變異數/共變異數  指數加權移動平均管制圖 
英文關鍵字 Health Index  MTS  Moving variance and covariance  EWMA 
學科別分類
中文摘要 根據德國工業4.0報告,未來智慧工廠於各個生產環節過程中需蒐集大量資料,並將其結合為一物聯網,以期機器設備皆具有獨立自主能力,自動完成生產線操作,而設備間透過互相溝通即時監控週遭環境,自動偵出問題並通知人員處理。為確保作業品質,產業間設備不斷地往自動化發展並加入大量感知器,除降低人員作業可能風險,並可隨時偵測機台狀態。隨著自動化程度愈高,異常停機會導致連續性機台停機,因此機台即時健康監控系統於自動化導入後是必需的,若未能於機台發生異常前提早預警並立即派人修復,可能會導致更嚴重品質風險。以半導體封裝產業設備,透過SECS/GEM讓主機與機台溝通,並要求機台內部資訊拋出,以將資料集中彙整分析。由於機台狀態特徵眾多,因此利用馬氏-田口系統(Mahalanobis-Taguchi System, MTS)篩選關鍵機台狀態特徵,刪除不必要及多餘的機台狀態特徵,以增加作業效率及降低分析成本;再合併計算移動變異數/共變異數矩陣之行列式值,並代入指數加權平均管制圖(EWMA)及換算機台健康分數,供工程人員判斷機台健康狀況之依據。本研究重點結論為:(1)減少33.33%機台狀態特徵數量,從24個降為15~16個,降低資料分析成本及增加處理效率;(2)利用移動變異數可以消除不同機台製造程式差異;(3)提供管理者及工程師較簡易的方式即時了解機台狀態。
英文摘要 As yield control becoming more and more rigorous, most industries expect to detect defective items prior to the completion of production. In this study, the main focus is to create a machine health index based on data collected by Semiconductor Equipment Communication Standard (SECS/GEM) such as temperature, pressure, voltage and others information to establish model to improve production quality.

However, collecting too much machine characteristics is always associated with high cost and low process efficiency. In addition, using too much useless machine characteristics may actually decrease the accuracy of prediction model. Thus, we select the critical machine characteristics using the MTS first to reduce the dimension of the problem. Then, we adapt a moving variance-covariance statistic to eliminate the difference in average responses between various recipes. The variance-covariance matrix is converted to a scalar by taking its determinant. The determinant of moving variance-covariance is then translated to a EWMA statistic and finally a heath score. This health score can be referred to as an index which can significantly reduce engineers’ time to monitor the all machines.

The proposed method is applied to wafer grinding process in semiconductor assembly and we found that: (1) The MTS is effectively in reduce the number of critical machine characteristics; in our case, a 33.33% reduction of the characteristics quantity from 24 to 15~16 which improves efficiency of data processing and also decreases the cost of analysis; (2) The moving variance-covariance statistic does eliminate the difference in average between recipes; (3) The machine health index is simple and easy to use.
論文目次 摘要 i
誌謝 vii
目錄 viii
表目錄 xi
圖目錄 xii
第一章 緒論 1
第一節 研究背景 1
第二節 研究動機 3
第三節 研究目的 4
第四節 論文架構 5
第二章 文獻探討 6
第一節 半導體產業 6
一、半導體封裝 6
二、晶圓研磨(Wafer Grinding, W/G) 8
三、晶圓薄化(Wafer Thinning) 10
第二節 SECS/GEM 11
一、SEMS/GEM簡介 11
二、SECS/GEM之資料結構及溝通流程 12
第三節 馬氏-田口系統 14
一、馬氏距離及馬氏空間 16
二、直交表(Orthogonal Arrays, OAs) 18
三、信號雜訊比(Signal-to-noise ratio, S/N Ratio) 18
第四節 機台健康指標 20
第五節 統計製程管制 24
一、Shewhart管制圖 24
二、累積和管制圖(CUSUM) 25
三、指數加權移動平均管制圖(EWMA) 25
第六節 小結 26
第三章 研究方法 27
第一節 研究問題描述 27
第二節 研究步驟 28
第三節 資料前處理 29
第四節 半導體製程設備模型建構 30
第五節 移動變異數統計量 35
第六節 EWMA對應統計量 37
第七節 健康指標分數 38
第八節 小結 39
第四章 個案分析 40
第一節 資料前處理 40
一、資料蒐集及前處理 40
二、機台及機台製造程式變異檢定 42
第二節 MTS建構 44
第三節 機台健康指標 48
一、 移動統計量 49
二、 健康指標分數 51
三、 個案實例分析 56
第四節 小結 60
第五章 結論 61
第一節 研究結論 61
第二節 研究限制及未來研究方向 62
參考文獻 63
附錄A 68

表目錄
表1.1 2016年台灣IC產業產值統計結果 1
表2.1 SECS-II Data Streams 13
表3.1 機台與產品量測資料 30
表3.2 L12直交表配置 33
表4.1 機台狀態特徵常態性及變異性檢定結果 43
表4.2 標準直交表 44
表4.3 L32 實驗組合 45
表4.4 全部機台之效果增量及關鍵機台狀態特徵 47
表4.5 三種組合之正常群及異常群馬氏距離 48
表4.6 第9台及第13台關鍵機台狀態特徵 48
表4.7 第13台正常/異常資料EWMA及健康分數 53
表4.8 標準化後第9台及第13台之正常/異常之EWMA及健康分數 55
表4.9 2016年及2017年第9台和第13台全部資料之平均值及標準差比較 58
表4.10 健康分數及機故部分資料 58
表4.11 研究及真實結果關係表 59
表4.12 機故資料及研究結果判斷比較表 60
表A.1 第9台之效果增量及關鍵機台狀態特徵 68
表A.2 第13台之效果增量及關鍵機台狀態特徵 70

圖目錄
圖2.1 電子構裝技術層次示意圖 7
圖2.2 半導體封裝流程 8
圖2.3 研磨機內部簡易構造 9
圖2.4 內部吸除 9
圖2.5 晶圓研磨損傷比較 10
圖2.6 SEMI半導體設備自動化軟體標準應用狀況及相互關係 12
圖2.7 訊息溝通流程 13
圖2.8 多變量診斷系統 14
圖2.9 各分類法準確率比較 15
圖2.10 各分類法測試相對敏感度比較 16
圖2.11 馬氏距離與歐氏距離 17
圖2.12 S/N Ratio 19
圖2.13 設備同步監測方案 21
圖2.14 規格區域和實際成果區域 22
圖2.15 參數A下之製程狀態變異偵測值X圖形 23
圖2.16 參數B下之製程狀態變異偵測值X圖形 23
圖3.1 機台健康指標架構 28
圖3.2 資料前處理 29
圖3.3 移動統計量計算步驟 37
圖3.4 健康指標分數估算 39
圖4.1 原始非結構化資料 41
圖4.2 結構化資料 41
圖4.3 機台狀態特徵常態性及變異性檢定 43
圖4.4 全部機台之正常群馬氏距離 46
圖4.5 全部機台之異常群馬氏距離 46
圖4.6 篩選關鍵機台狀態特徵後全部機台之正常及異常群馬氏距離 47
圖4.7 第9台之機台製造程式x之原始及異常資料 49
圖4.8 第9台之機台製造程式x之原始資料A及原始資料B 50
圖4.9 第9台正常資料之EWMA 51
圖4.10 第9台正常資料之健康分數 52
圖4.11 第9台異常資料EWMA及健康分數 53
圖4.12 第9台健康分數 57
圖4.13 第13台健康分數 57
圖A.1 第9台之正常群及異常群馬氏距離 68
圖A.2 篩選關鍵機台狀態特徵後第9台之正常及異常群馬氏距離 69
圖A.3 第13台之正常群及異常群馬氏距離 69
圖A.4 篩選關鍵機台狀態特徵後第13台之正常及異常群馬氏距離 70

參考文獻 英文部分
Bourke, P. D. (1991). Detecting a shift in fraction nonconforming using run-length control charts with 100% inspection. Journal of Quality Technology, 23(3), 225-238.
Chakhunashvili, A. & Bergman, B. (2006). An EWMA Solution to Detect Shifts in a Bernoulli Process in an Out‐of‐control Environment. Quality and Reliability Engineering International, 22(4), 419-428.
Chen, A. & Blue, J. (2009). Recipe-independent indicator for tool health diagnosis and predictive maintenance. IEEE Transactions on Semiconductor Manufacturing, 22(4), 522-535.
Chen, A. & Wu, G. (2007). Real-time health prognosis and dynamic preventive maintenance policy for equipment under aging Markovian deterioration. International Journal of Production Research, 45(15), 3351-3379.
Cudney, E. A., Hong, J., Jugulum, R., Paryani, K. & Ragsdell, K. M. (2007). An evaluation of Mahalanobis-Taguchi system and neural network for multivariate pattern recognition. Journal of Industrial and Systems Engineering, 1(2), 139-150.
Gan, F. (1990). Monitoring observations generated from a binomial distribution using modified exponentially weighted moving average control chart. Journal of Statistical Computation and Simulation, 37(1-2), 45-60.
Gan, F. (1993). An optimal design of CUSUM control charts for binomial counts. Journal of Applied Statistics, 20(4), 445-460.
Gan, F. (1994). Design of optimal exponential CUSUM control charts. Journal of Quality Technology, 26(2), 109-124.
Han, J., Pei, J., & Kamber, M. (2011). Data mining: concepts and techniques: Elsevier.
O’Sullivan, P., Martinzez, J., Durham, J. & Felker, S. (1996). Advanced fault detection for the semiconductor industry. Future Fab International, 1(1), 71.
Reynolds Jr, M. R. & Stoumbos, Z. G. (1999). A CUSUM chart for monitoring a proportion when inspecting continuously. Journal of Quality Technology, 31(1), 87.
Sandireddy, S. & Jiang, T. (2005). Advanced wafer thinning technologies to enable multichip packages. In Microelectronics and Electron Devices, 2005. WMED'05. 2005 IEEE Workshop on (pp. 24-27). IEEE.
SEMI. (2000). SEMI E5-1000 SEMI equipment communications standard 2 message content (SECS-II).
Su, C.-T., Wang, P.-C., Chen, Y.-C., & Chen, L.-F. (2012). Data mining techniques for assisting the diagnosis of pressure ulcer development in surgical patients. Journal of medical systems, 36(4), 2387-2399.
Su, C. T. & Hsiao, Y. H. (2007). An evaluation of the robustness of MTS for imbalanced data. IEEE Transactions on Knowledge and Data Engineering, 19(10), 1321-1332.
Su, Chao-Ton, et al. Data mining techniques for assisting the diagnosis of pressure ulcer development in surgical patients. Journal of medical systems 36.4 (2012): 2387-2399.
Taguchi, G., Chowdhury, S., & Wu, Y. (2005). Taguchi's quality engineering handbook. 2005. Jhon Wiley & Sons Inc.
Taguchi, G. & Jugulum, R. (2007). The Mahalanobis-Taguchi strategy: a pattern technology system.
Taguchi, G. & Rajesh, J. (2000). New trends in multivariate diagnosis. Sankhyā: The Indian Journal of Statistics, 62(B); 233-248.
Taguchi, G., S. C., Yuin Wu. (2004). Taguchi's Quality Engineering Handbook.
Wang, H. (2002). A survey of maintenance policies of deteriorating systems. European Journal of Operational Research, 139(3), 469-489.
Wu, C.-T. & Kuo, J.-Y. (2007). Utilization of Bayesian Reliability Theory on the Investigation of IC Handler Machine Preventive Maintenance Timing in Semiconductor Testing House. Journal of Data Analysis, 2(3), 123-138.
Xiao, L., Song, S., Chen, X. & Coit, D. W. (2016). Joint optimization of production scheduling and machine group preventive maintenance. Reliability Engineering & System Safety, 146, 68-78.
Xu, F.-L., Zhao, Z.-Y., Zhan, W., Zhao, S.-S., Dawson, R. & Tao, S. (2005). An ecosystem health index methodology (EHIM) for lake ecosystem health assessment. Ecological Modelling, 188(2), 327-339.
Yang, T. & Cheng, Y.-T. (2010). The use of Mahalanobis–Taguchi System to improve flip-chip bumping height inspection efficiency. Microelectronics Reliability, 50(3), 407-414.

中文部分
李知珈 (2013),「半導體廠機台即時製程狀態變異偵測值之分析」,成功大學工業與資訊管理學系學位論文。
徐祥禎 (2009),電子構裝結構分析,Retrieved from http://stam.org.tw/newsletter2a.php?SN=15&opp=download1
張皓然(2012),「發展支援向量資料描述-田口系統 (SVDD-TS) 於多變量分類問題之應用」,朝陽科技大學工業工程與管理系學位論文。
彭茂榮 (2016),2016年第二季台灣IC產業回顧與展望,IEK產業情報網。
游欽宏 (2005),半導體與平面顯示器製造自動化技術,機械月刊,31(12),6-23。
廖勝泰 (2000),SECS/GEM/HSMS Practice. Retrieved from 財團法人工業技術研究院 機械工業研究所。
趙安國 (2008),「批次剖面資料之錯誤偵測分析」,清華大學統計學研究所學位論文。
蕭宇翔、蘇朝墩和沙永傑 (2004),「應用 MTS 於非平衡資料分析之穩健性研究-以行動電話檢測流程為例」,國立交通大學工業工程與管理學系學位論文。
蘇朝墩 (1997),產品穩健設計 田口品質工程方法的介紹和應用,中華民國品質學會。
蘇朝墩 (2002),品質工程,中華民國品質學會。

網站部分
DISCO. (2014a). Dry polish wheels: gettering DP. Retrieved Dec. 15, 2016, from https://www.disco.co.jp/cn_t/products/catalog/pdf/dgp8761.pdf
DISCO. (2014b). Fully automatic grinder/polisher DGP8761. Retrieved Dec. 15, 2016, from https://www.disco.co.jp/cn_t/products/catalog/pdf/getteringdp.pdf
論文全文使用權限
  • 同意授權校內瀏覽/列印電子全文服務,於2020-07-05起公開。
  • 同意授權校外瀏覽/列印電子全文服務,於2020-07-05起公開。


  • 如您有疑問,請聯絡圖書館
    聯絡電話:(06)2757575#65773
    聯絡E-mail:etds@email.ncku.edu.tw