成功大學博碩士論文系統

簡易檢索 / 詳目顯示

回結果列表

研究生：	洪瑜君 HUNG, YU-CHUN
論文名稱：	以資料探勘技術識別造成彩色濾光片製程缺陷之群聚現象 Defect clustering indentification in color filter fabrication process using data mining techniques
指導教授：	吳植森 Wu, Chin-Sen
學位類別：	碩士 Master
系所名稱：	管理學院 - 工業與資訊管理學系碩士在職專班 Department of Industrial and Information Management (on the job class)
論文出版年：	2007
畢業學年度：	95
語文別：	中文
論文頁數：	77
中文關鍵詞：	決策樹、資料探勘、Colored Filter 、叢聚分析法、TFT-LCD 、視覺化
外文關鍵詞：	cluster analysis, Colored Filter, TFT-LCD, visualization, Decision Tree, Data Mining
相關次數：	點閱：90 下載：0
分享至:	分享至facebook 分享至twitter

查詢本校圖書館目錄查詢臺灣博碩士論文知識加值系統勘誤回報

TFT-LCD全名稱為「薄膜電晶體液晶顯示器」(Thin Film Transistor Liquid Crystal Display)。發明於1960年，經過不斷的改良在1991年時成功的商業化為筆記型電腦用面板，並且不斷拓展TFT-LCD模組在從傳統的電腦顯示器的應用轉向到電視應用，台灣的面板大廠也不斷的拓展TFT-LCD這一塊市場，更在2005年擬定於台南科學園區內成立世界最大液晶電視專區，命名為「樹谷園區」。

「樹谷園區」的成立，將整合台灣中、下游廠商，帶動整體產業的成長，其中不乏將帶動周邊零組件的成長，LCD零組件有玻璃基板、彩色濾光片、偏光板/抗反射膜/抗暈眩膜、驅動IC、背光模組、冷陰極管、LED光源、平面光源、導光板、印刷電路板、鐵框/模(治)具/支架、控制IC、INVERTER、ITO導電玻璃、其它.....等。

在TFT-LCD所有零組件中，以彩色濾光片(Color Filter) 的成本最為昂貴。本研究以彩色濾光片做為研究對象，探討缺陷之連續性群聚現象，缺陷之群聚現象以目前之SPC管制圖技術，並無法達到有效的控管。本研究應用資料探勘 (Data Mining)技術，探勘產品中的不良缺陷資料。在實證過程中，以決策樹方法找出最有可能的產生缺陷的製程，針對特定製程所產出之不良原因資料，再以叢聚分析法將不良缺陷資料分群，最後以視覺化技術，分析是否具有缺陷群聚現象產生。如能針對群聚現象之缺陷造成原因進行分析，將可改善製程品質，並執行集中蒐集與集中修復，可提升製程品質並降低缺陷判定時間，進而提升製程良率。

The name of TFT-LCD is the abbreviation of "Thin Film Transistor Liquid Crystal Display " TFT-LCD consists of many parts. Colored filter is the most costly module. This research investigated the defects consecutive clustering phenomenon occured in colored filter fabrication process. The phenomenon can not be controlled effectively by current SPC control charts. The purpose of this research is to locate defective zones promptly from defected data using data mining. Firstly, the "decision tree" is used to find out the most possible defected process. Secondly, the defected data collected from the identified process is clustered using k-mean method. Finally , we validate the defected clustering phenomenon by visualization techniques. The quality of TFT - LCD will be improved if the causes of defected clustering phenomenon can be analyzed in a short
time.

摘要…………………………………………………………II
Abstract …………………………………………………III
誌謝…………………………………………………………IV
目錄… ………………………………………………………V
表目錄 ……………………………………………………VII
圖目錄………………………………………………………IX
第一章  緒論 ………………………………………………1
第一節 研究背景與動機……………………………………1
第二節 研究目的……………………………………………2
第三節 研究步驟……………………………………………4
第四節 研究範圍與限制……………………………………5
第五節 論文架構……………………………………………6
第二章  文獻探討 …………………………………………7
第一節  製程介紹 …………………………………………7
2.1.1   TFT LCD 之製程介紹 ……………………………7
2.1.2   Color Filter 之製程介紹………………………9
第二節　製造工程檢測技術………………………………11
2.2.1   彩色濾光片工程的檢測設備……………………12
2.2.2   彩色濾光片檢查設備……………………………13
2.2.3   缺陷原因…………………………………………15
第三節  資料探勘技術……………………………………17
2.3.1   決策樹分類法……………………………………21
2.3.2   叢聚分析法………………………………………23
第四節  管制圖……………………………………………28
第五節  相關文獻探討……………………………………30
第六節  小結………………………………………………32
第三章  研究方法…………………………………………34
第一節　研究方法架構……………………………………34
第二節　資料前置處理……………………………………37
第三節　發展模式與假設…………………………………42
第四節  決策樹分類法……………………………………44
第五節  叢聚分析法………………………………………45
第六節  小結………………………………………………47
第四章  研究結果分析與探討……………………………48
第一節  資料前置處理……………………………………49
第二節　決策樹分類法之分類結果………………………51
第三節　叢聚分析法之分群結果…………………………55
4.3.1   使用k-Mean演算法執行10點缺陷以上分群……56
4.3.2   使用k-Mean演算法執行10點缺陷以下分群……59
4.3.3   使用k-Mean演算法執行細部座標分群…………63
4.3.4   使用 Minitab視覺化分析………………………65
第五章  結論與未來研究方向……………………………66
第一節  結論………………………………………………66
第二節  未來研究方向與建議……………………………67
參考文獻……………………………………………………68
附錄…………………………………………………………72
表目錄
表2-1 缺陷種類與形成原因………………………………16
表2-2 管制圖種類…………………………………………29
表3-1 玻璃通過履歷資料…………………………………37
表3-2 玻璃履歷資料………………………………………38
表3-3 缺陷屬性資料………………………………………39
表3-4 資料化約後的缺陷資料表…………………………40
表3-5 資料轉換後之缺陷資料表…………………………41
表3-6 缺陷屬性表…………………………………………44
表3-7 缺陷屬性表…………………………………………46
表3-8 具時間屬性之缺陷屬性表…………………………46
表4-1 各站之缺陷數統計量………………………………51
表4-2 各缺陷之缺陷數統計量……………………………52
表4-3 演算法J48(C4.5)分類結果之交叉驗證資料 ……53
表4-4 演算法J48(C4.5)分類結果之準確率資料 ………53
表4-5演算法J48(C4.5)分類結果之準確率資料…………53
表4-6 演算法J48(C4.5)分類結果之交叉驗證資料 ……55
表4-7 演算法J48(C4.5)分類結果之準確率資料 ………55
表4-8 10點以上之分群實驗結果…………………………56
表4-9 使用k-Mean分200群之執行結果 …………………57
表4-10 使用k-Mean演算法執行10點缺陷以上分群，分200群…58
表4-11 10點以下之分群實驗結果 ………………………60
表4-12 使用k-Mean分30群之執行結果 …………………61
表4-13 使用k-Mean分30群之分群結果 …………………61
表4-14 以趨勢方法預測未來群聚缺陷之發生 …………64
圖目錄
圖1-1  連續性之群聚現象…………………………………3
圖1-2  本研究之研究架構流程……………………………5
圖2-1  TFT-LCD 製造流程圖………………………………8
圖2-2  TFT-LCD 結構示意圖………………………………9
圖2-3  15吋面板成本結構 ………………………………10
圖2-4  彩色濾光片結構 …………………………………10
圖2-5  彩色濾光片製作流程 ……………………………11
圖2-6  R.B.G製程…………………………………………12
圖2-7  彩色濾光片的製程與對應的檢查項目與設備 …13
圖2-8  資料探勘作業流程 ………………………………20
圖2-9  分類法之各種分類技術 …………………………21
圖2-10 叢聚分析法之各式演算法 ………………………24
圖2-11 管制圖 ……………………………………………28
圖3-1  研究架構 …………………………………………34
圖3-2  研究建構程序 ……………………………………36
圖3-3  資料整理流程 ……………………………………39
圖3-4  本研究之發展模式 ………………………………43
圖3-5  批號決策樹之建構 ………………………………45
圖4-1  資料清理前之資料檔 ……………………………49
圖4-2  資料前理後之資料檔 ……………………………50
圖4-3  資料化約後之資料檔 ……………………………50
圖4-4  k-Mean演算法之視覺化分析10點以上之群聚結果…59
圖4-5  k-Mean演算法之視覺化分析結果 ………………62
圖4-6  小小模位之座標位置圖 …………………………63
圖4-7  以Minitab 之Scatterplot功能，執行缺陷分佈狀況分析…65
                                    

中文部份
丁一賢、陳牧言，資料探勘，滄海出版社，民國94年。
尹相志，SQL Server 2005資料採礦聖經，學貫行銷，民國94年。
官生平，簡易SPC持續改善，中華民國品質學會，民國93年。
范光照，自動化光學檢測特別報導，量測資訊 (104) ，工業研究院量測技術發展中心，民國94年。
紀國鐘、鄭晃忠等，液晶顯示器技術手冊，台灣電子材料正元件協會出版，民國91年。
洪德芳、黃文輝、楊雅嵐，專業測試及驗證研究：以彩色濾光片偏光板為例，工業技術研究院出版，民國92年。
梁素真、楊玟萍，探索中、日、韓大型彩色濾光片產業現況與未來佈局，產業經濟與資訊服務，工業技術研究院產業經濟與資訊服務中心，民國91年。
張鈞傑、黃俊堯、鄭晃忠，缺陷檢測技術在液晶顯示器製造之應用，科儀新知，第25卷第三期，p.23-35，民國92年。
鄭春生，以類神經網路為基發展製程管制程序監控具有群聚現現之產品缺點，元智大學工業工程系碩士論文，民國88年。
鄭彩華，彩色濾光片濺鍍製程之品質管制系統研發，成功大學，民國94年。
宏瀨科技，http://www.hstech.com.tw/product.htm，民國95年。
友達光電股份有限公司，TFT-LCD技術製造流程，http：//www.auo.com，民國95年。
產業資訊服務網，經濟部技術處產業技術知識服務計畫專案辦公室，
http://www.itis.org.tw，民國95年。

英文部份
Zhou, C., Nelson,P.C., Xiao,W., Tripak,T.M., and Lane,S.A., An Intelligent Data Mining System for Drop Test Analysis, IEEE Transactions on Electronics Packaging Manufacturing, 24(3), pp.222-231, 2001.
Braha, D. and Shmilovici, A., Data mining for improving a cleaning process in the sesemiconductor industry, IEEE Transactions On Semiconductor Manufacturing, 15(1),
pp. 91-101, 2002.
Vries, D.K.D., Methods to Quantify the Detection Probability of Killing Defects, IEEE Transactions On Semiconductor Manufacturing, 18(3), pp. 406- 411, 2005.
Kass, G.V., An exploratory technique for investigating large quantities of categorical data, Applied Statistics, 29(2), pp.119-127, 1980.
Witten, I.H. and Frank, E., Data Mining: Practical machine learning tools and techniques, 2nd Edition, Morgan Kaufmann, San Francisco, 2005.
Quinlan, J.R., Discovering rules from large collections of examples : a case stuey , Expert Systems in the Microelectronic Age , Edinburgh University Press , Edinburgh Scotland, 1979.
Quinlan, J.R., C4.5 : Programs for Machine Learning , Morgan Kaufmann, San Mateo , CA. , 1993.
Kusiak, A., Decomposition in data mining: An industrial case study , IEEE Transactions Electron. Packag. Manufact, 23, pp. 345–353, 2000.
Kusiak, A. & Kurasek, C., Data mining analysis of printed-circuit board defects. IEEE Transactions Robot. Autom, 17(2), pp. 191–196, 2001.
Chen, K.S., Wang, C.H. and Chen, H.T., A MAIC approach to TFT-LCD panel quality improvement , Microelectronics Reliability, 46, pp. 1189-1198, 2005.
Breiman, L., Friedman, J. and Stone, C.J., Classification and Regression trees , Belmont, Calif : Wadsworth, 1984.
Su, C.T., Wang, P.S. and Hsu, C.C., Effective Approaches for Low Temperature Polysilicon TFT LCD Post-Mapping Yield Control Problem , IEEE Transactions On Automation
Science And Engineering, 2(2), pp. 198- 206, 2005.
Wang, C.H. and Huang, C.L., Monitoring defects in IC fabrication using a Hotelling T/sup/2 control chart, IEEE Transactions On Semiconductor Manufacturing, 18(1) , pp. 140-147, 2005.
Qinbao, S., Martin, S., Michelle, C. and Carolyn, M., Software defect association mining and defect correction effort prediction, IEEE Transactions On Software Engineering , 32(2), pp. 69-82, 2006.

校內：2017-08-06公開
校外：2037-08-06公開電子論文尚未授權公開，紙本請查館藏目錄

簡易檢索 / 詳目顯示

相關論文