《[信息与通信]SVANEC质量分析与管理系统》由会员分享，可在线阅读，更多相关《[信息与通信]SVANEC质量分析与管理系统（46页珍藏版）》请在金锄头文库上搜索。
1、上广电上广电NEC液晶显示器公司 质量分析与管理系统液晶显示器公司 质量分析与管理系统 SAS解决方案简介解决方案简介议题?SVA-NEC需求分析 ?SAS 技术介绍 ?应用案例 ?为什么采用SAS ?产品演示?灵活的报表工具对js质量状况进行多角度查询、展现?专业的分析工具来进行js质量问题原因查找?强大的工具来进行(数量级)大数据量的处理与分析?缺陷问题高级分析设备关联性?要求可扩展性的方案SVA-NEC 需求分析质量分析和管理系统SAS 建议采取阶段性的实施方案建立基本质量 报告数据仓库建立基本质量 报告数据仓库统计质量分析统计质量分析数据挖掘 质量分析系统数据挖掘 质量分析系统?建立及
2、整理质量数据仓库建立及整理质量数据仓库?提供强力用户对质量数据进行探索和研究的工具，包括汇总，基本统计量分析提供强力用户对质量数据进行探索和研究的工具，包括汇总，基本统计量分析SAS BI SERVER + SAS Enterprise GuideSAS/ACCESS to ORACLE?引入统计及质量分析工具引入统计及质量分析工具?增加控制图，质量原因分析等功能增加控制图，质量原因分析等功能SAS/QC + SAS/STATSAS/INSIGHTSAS OLAP (可选）可选）SAS Intelligence Storage(可选）可选）SAS ETL Server (可选）可选）用数据挖掘
3、方法建立：用数据挖掘方法建立：?研究设备关联组合研究设备关联组合?探索最佳生产路径探索最佳生产路径?预测生产目标预测生产目标SAS Enterprise Miner第一阶段第二阶段第三阶段第一阶段第二阶段第三阶段数据服务数据服务应用服务应用服务过程 数据过程 数据生产 数据环境 数据IntranetIntranet企业信息门户企业信息门户数据整合平台数据整合平台历史数据历史数据历史数据历史数据设备数据设备数据设备数据设备数据过程数据过程数据过程数据过程数据模型数据模型数据模型数据模型数据检验数据检验数据检验数据检验数据质量数据中心质量数据中心商务智能商务智能OLAP历史 检验其他QMS系统架构
4、设计SAS ETL Server Access to ERP/DBMSSAS BI ServerEnterprise GuideSAS Intelligence Storage质量管理与过程改进质量管理与过程改进数据挖掘过程改进质量分析综合查询SAS QC, STAT, Insight, Enterprise MinerOLAP Server第一阶段推荐 产品第一阶段推荐 产品配置建议议题?SVA-NEC需求分析 ?SAS 技术介绍 ?应用案例 ?为什么采用SAS ?产品演示SAS9 BI Server集成应用环境 ?SAS 业务智能通过集成目标用户套件来满足不同 类型的用户的需求业务智能通过
5、集成目标用户套件来满足不同 类型的用户的需求公共的体系架构公共的体系架构共享元数据共享元数据共享智能数据共享智能数据业务元数据业务元数据SAS ETL StudioSAS Web Report StudioSAS Enterprise GuideSAS Add-In for Microsoft OfficeSAS Information Delivery PortalSAS EM 5.0SASEnterprise Guide -适用于各级用户的智能分析终端? 以.NET体系结构构造? 方便的图形化任务、 过程流图? 强大的OLAP分析器? 支持存储过程创建? 进行深入的统计分析? 在企业内发布
6、分析结 果SAS BI Server- SAS Add-In for Microsoft Office 随时随地使用SAS? Microsoft Office插件? 提供通过Microsoft Office访问SAS的能力? 支持远程任务提交， 如SAS应用服务器执 行存储过程? 直接导入结果 ? 支持客户化展现SAS/STAT-覆盖了所有的实用数理统计分析方 法?方差分析及一般线性模型（包括因素分析，方差分量模型， 混合模型等）?回归分析?多变量分析（主成分分析、因子分析和典型相关等）?判别分析?聚类分析?属性数据分析?生存分析等共四十多个过程。?SAS/QC 软件提供为整个企业中所有质量改
7、进工作提供广泛的专业化工具?从设计实验和评估产品可靠性到监视流程稳定性和确定加工能力。 ?识别和了解过程异常 ?专业工具 改善产品 优化流程 提升客户满意度 ?可以处理多个过程的海量数据，从 全企业高度来考察质量SAS/QC 质量分析的利器SAS BI Server- Web Report Studio 适合普通报表用户SAS OLAP Server(可选件）SAS/INSIGHT(可选)-可视化的数据探索与分析可视化的数据探索与分析?图形化的分析：?考察单变量（或指标）的分布?显示多变量（或指标）数据?回归分析、方差分析和广义线 形模型SAS Enterprise Miner适合过程改进专家
8、制造历史数据包含超过300个制造过程产生数以千计的组合,对于多变量 分析,人力将受到极大限制,太多的时间花费使得企业失去了竞争优势.使用数据挖掘技术,采用半自动化的问题发现方法,为分析人员的假设验 证提供了极大的帮助.SAS Enterprise Miner 软件提供了广泛的工具来 充分发挥分析人员的创新能力数据挖掘技术在半导体行业应用SAS提供了对于大数据量的高速分析能力议题?SVA-NEC需求分析 ?SAS 技术介绍 ?应用案例 ?为什么采用SAS ?产品演示方法-数据挖掘和质量控制Data MiningData MiningSimulationSimulationControl Char
9、tControl ChartDesign of ExperimentDesign of ExperimentImplementation BackgroundData VolumemorelessOff LineOn Line1) 缺陷分析: 对于突发缺陷的早期预警1) 缺陷分析: 对于突发缺陷的早期预警 半自动化的方法，/W测试和排序方法来寻找最可能是产品缺陷原因的设备, 以及过程控制的参数. 决策树直观地展现了机器关联的顺序, 结果从最强关联 因素的分枝出发. (Example shows the analysis of snapped wires.)通过运 用关联规则, 可以找到引起产品
10、缺陷的可能的设备组合2) 生产过程改善 （Work out SPC Conditions）：2) 生产过程改善 （Work out SPC Conditions）： 保证高质量产品的的过程条件保证高质量产品的的过程条件 通过对影响生产条件和产品功能的属性值的精确预测, 可以对过程参 数进行合理的调整来改善生产。方法方法- 例: 缺陷分析(决策树)Exposure Integration TimeRegist Application6400100%Total478874.8%No Snap161225.2%Snapped1990100%Total42021.1%No Snap157078.9%S
11、napped1848100%Total35019.5%No Snap148880.5%Snapped152100%Total7046.1%No Snap8253.9%Snapped56100%Total1730.4%No Snap3969.6%Snapped4354100%Total435174.8%No Snap30.1%Snapped4410100%Total436899.1%No Snap420.9%SnappedDiffuse As Density= 58.765Equipment: Coater AEquipment: Coater B, C= 61.25方法-生产设备的组合和缺陷分
12、析 (关联分析)CVD Machine A = High resistivity & Short-Circuit Failure37.634411.666731 Cleansing Machine B & CVD Machine B = Snap Failure41.176511.666732：CVD Machine B = Pb Defect32.467516.66678Exposure Machine B = Lack38.0597177Exposure Machine B = Snap Failure38.80617.33336Etching Machine A = Snap Failu
13、re51.470611.666733CVD Machine B = Short-Circuit Failure33.766217.33335Cleansing Machine B = Open35.2564184Cleansing Machine B = Lack35.256418.33333Cleansing Machine B = Snap Failure42.3073222CVD Machine B = Snap Failure42.8571221RuleConfidence(%)Support(%)* Attach Processing Equipment Information as
14、 virtual item to Processing History Information (Link lot number with key)1) 降低测试时间和成本: 尽可能减少测试的流程和项目1) 降低测试时间和成本: 尽可能减少测试的流程和项目 通过识别前期测试与最终测试的强相关性,来判断是否需要其他的 测试以及简化测试 (减少测试人员).2) TAT Analysis: 分析延迟的原因2) TAT Analysis: 分析延迟的原因 - 根据不同设备数量或不同设备对处理时间的差异分析 - 按日期分析与外部问题的关联性, 如line halt. - 考察输入的量和设备数量的平衡,等
15、等.方法- 举例?应用流程历史数据, 尽早发现引起缺陷的设备 1.基于Western Electric 规则 (Runs Test), 检测警报信 息，采用控制图方法。根据预定时间运行批作业 2.分析与警报符合的检查的结果，运行决策树的批作业 3.生成HTML 格式报告，取决策树数据的第一层以分值大小 排序 “最可能原因”方法- 举例SAS 在半导体行业的应用范围SAS 在半导体行业的应用范围Pre-ProcessLate ProcessDiffusion 过程G/W 过程制造/完成 过程选择/BT 过程检查 过程制造 设备检查 设备 DataDataDataDataDataDataData
16、质量分析 数据集市质量分析数据仓库Data MartData MartDWHDWH统计质量管理系统 数据挖掘SPCSPCSPCSPCE-TestE-TestE-TestE-TestData MartData Mart案例某家著名LCD 生产厂关键问题解决方法?按照shop来整合数据(TFT, C/F, CELL and Module quality data) ?按照类别来整合数据(检查, 历史, 流程数据和环境 数据) ?数据领域扩展(包括module, FMS 和 APC 数据)?通过数据挖掘算法，如关联分析、决策数、IGN等 分析手段提升分析能力 ?通过集成的数据仓库减少了分析的时间?通过数据仓库收集 6 sigma 项目的数据，特别是在 M,A and I 步骤中 ? 通过数据挖掘建立标准的分析流程?利用神经网络、决策数方法开发 TC 泄露的模型需要整合生产流程数据需要整
