【正文】 7). 當(dāng)頻繁項目集合出現(xiàn)之後進行信賴度的計算，結(jié)果如表6所示。關(guān)聯(lián)規(guī)則之Apriori演算法是使用逐層搜尋的方法，每進行一個層次的搜尋則必須掃描資料庫一次，直到條件完成，即找到符合條件的頻繁項目集合，然而當(dāng)程式的條件愈為複雜，則相對的其重覆搜尋資料庫次數(shù)亦提高；也就是說與最小支持度比較產(chǎn)生頻繁項目集合，再結(jié)合產(chǎn)生下一級候選項目集合，直到不再結(jié)合產(chǎn)生出新的候選項目集合為止。五、結(jié)論與建議本研究對於半導(dǎo)體製造過程的問題追蹤，藉由資料挖礦的方法與步驟，進行大量資料的篩選、推演與模式建構(gòu)等過程，協(xié)助工程人員處理問題，盡可能減少在龐大的資料中挖掘的困難度，使其方便的挖掘出隱含的訊息，以及快速的找到與問題相關(guān)的關(guān)聯(lián)資訊。在未來的研究上，將資料挖礦觀念導(dǎo)入半導(dǎo)體製造過程中，則對於半導(dǎo)體整體的Wafer Level Tracking上，即由前端的Wafer Start以至於EDA(Engineer Data Analysis)的資料分析，將是另一種追蹤問題的方式，但是必需先將半導(dǎo)體自動化系統(tǒng)資料庫進行整合，以及建置更完整的領(lǐng)域經(jīng)驗知識庫，方可進行較為完善的資料挖礦。簡禎富、李培瑞、彭誠湧（民92），「半導(dǎo)體製程資料特徵萃取與資料挖礦之研究」，資訊管理學(xué)報，10(1)，頁6384。陳家仁、陳彥良、陳禹辰（民92），「在少樣商品或短交易長度情況下挖掘關(guān)聯(lián)規(guī)則」，資訊管理學(xué)報，9(2)，頁5572。本研究驗證上所採用的資料量及資料種類，與實際半導(dǎo)體系統(tǒng)的資料量比較相對較少，因此在執(zhí)行程式的速度與取得的資料方面會與實際值有落差。就程式運作上，Apriori演算法是必須完整的執(zhí)行結(jié)束，因為其逐層搜尋的方式必須由第一層開始，逐層比較其支持度再產(chǎn)生頻繁項目集合，若中途停止後其所產(chǎn)生的支持度將不具完整性，也無法真實呈現(xiàn)產(chǎn)出的結(jié)果。表3 候選1項目集合Itemset Down load Fail2 data error32 2 4 2 1表4 候選2項目集合Itemset Down load data error2 Down load 3 Down load data error2 Down load 3 Down load 1 Down load 1 Down load 1 data error 2 data error 2 data error 1 data error 2111 12 1表5 候選3項目集合Itemset Down load data error2 Down load 3 data error 2 data error 2 data error 22表6 候選4項目集合ItemsetConf. data error 2% data error 2% data error 2%2%表7 報廢現(xiàn)象分類對應(yīng)表原因因應(yīng)方式 data error 1. 確認CIM資料維護歷史資料2. 確認該設(shè)備異常紀(jì)錄狀況 data error 1. 確認CIM資料維護歷史資料2. 進一步確認 LQC 時的實際量測值 data error 1. 確認CIM資料維護歷史資料2. 確認該產(chǎn)品的製造過程歷史資料1. 確認 LQC 時的實際量測值2. 確認該產(chǎn)品的製造過程歷史資料表8 可疑產(chǎn)品追蹤清單Lot IDProduct IDRoute IDCurrent Oper. IDPastTimeData_Lot_08Data_Prod_A1Data_Route_AData_Oper_60102004/2/14 15:00Data_Lot_08Data_Prod_B1Data_Route_BData_Oper_24052004/2/15 09:00Data_Lot_18Data_Prod_B1Data_Route_BData_Oper_25062004/2/16 02:01Data_Lot_20Data_Prod_B1Data_Route_BData_Oper_26072004/2/16 05:00Data_Lot_09Data_Prod_B1Data_Route_BData_Oper_26072004/2/17 11:00Data_Lot_10Data_Prod_B1Data_Route_BData_Oper_26082004/2/17 11:0042結(jié)果與討論在實際半導(dǎo)體製造過程中，工程師必須透過部門與部門之間的協(xié)調(diào)，之後經(jīng)過資料庫管理部門的核可，才可透過資料庫管理人員依工程師的需要，進行資料搜尋，在經(jīng)過一連串的資料取得步驟之後，工程師最後才能再進行分析與討論，如此程序完成後問題可能已擱置數(shù)日了。(6). 重覆搜尋資料庫，與最小支持度比較，若產(chǎn)生的頻繁項目集合(Lk)大於或等於使用者所定義的最小支持度，則頻繁項目集合即被找到。(4). 再搜尋資料庫，得出該現(xiàn)象的候選2項目集合的支持度，再找出頻繁2項目集合，並利用這些頻繁2項目集合的結(jié)合，產(chǎn)生3項目集合。(2). %。以產(chǎn)品發(fā)生報廢為例，當(dāng)報廢的產(chǎn)品在工程師初步判斷之後，彙整報廢的特徵為電性偏低，並列出有影響的站點，以作為以下資料處理的線索來源。9. 最後整理頻繁項目集合，以產(chǎn)出所定義的目標(biāo)。5. 重覆搜尋資料庫，與最小支持度比較，若產(chǎn)生的頻繁項目集合(Lk)大於或等於使用者所定義的最小支持度，則頻繁項目集合即被找到。2. 依據(jù)該產(chǎn)品發(fā)生的現(xiàn)象及特徵進行第一次的資料庫掃描並定義最小支持度及最小信賴度?；举Y料的設(shè)定將確認其參數(shù)值、規(guī)格值、量測機臺與生產(chǎn)機臺的對應(yīng)及產(chǎn)品與機臺的對應(yīng)關(guān)係等，而機臺端將確認其是否已將資料完整蒐集。至於Lot QC方面，亦是以關(guān)聯(lián)規(guī)則的Apriori演算法與自動化系統(tǒng)的領(lǐng)域資料推導(dǎo)出發(fā)生問題的可能因素，以提供快速的資料搜尋途徑。Data lost的發(fā)生有兩種狀況，一為參數(shù)設(shè)定的不完整，可能是由資料維護時遺漏或工程師提供不完整；另一為機臺與系統(tǒng)的data傳送出現(xiàn)異常，可能是機臺端當(dāng)機或傳送機制停擺或系統(tǒng)端產(chǎn)生異常；至於OOS的產(chǎn)生即是製程條件的異常所致。製造過程中產(chǎn)生報廢的原因錯綜複雜，就以現(xiàn)行工程師的經(jīng)驗中，再彙整出現(xiàn)象原因及解決方案於領(lǐng)域資料庫中如表1所示，運用此彙整的表格提供工程師一對應(yīng)的訊息，以縮短找尋資料及因個人經(jīng)驗判別的時間，並且將其他同生產(chǎn)條件的產(chǎn)品列出可能發(fā)生此現(xiàn)象報廢的產(chǎn)品，以盡早提出因應(yīng)措施。32資料處理為了使資料挖礦的資訊能符合實際需要及其正確性與完整性，對於挖掘前的資料處理是重要的關(guān)鍵。三、研究方法本節(jié)將探討半導(dǎo)體製造過程中，對於產(chǎn)品量測(Lot QC)資料異常及報廢的產(chǎn)品如何應(yīng)用資料挖礦技術(shù)尋求合適的資訊以提供解決方案的選擇。 Berzal et al., 2001。3. 在搜尋資料庫，得出候選2項目集合的支持度以後，在找出頻繁2項目集合，並利用這些頻繁2項目集合的結(jié)合，產(chǎn)生3項目集合。過程中其關(guān)聯(lián)規(guī)則的總體效能是由步驟(1)所決定，因此有效的找出頻繁項目集合是關(guān)聯(lián)規(guī)則的重點。其代表的物理意義為關(guān)聯(lián)規(guī)則的條件機率比母體中原本發(fā)生的機率大才具有意義。2. 信賴度：，即代表在前提項目X發(fā)生的情況下，前提項目X與結(jié)果項目Y又同時發(fā)生的機率。Y〈If X, then Y〉，X為前提項目組（Antecedent item set），Y為結(jié)果項目組（Consequent item set），X和Y皆為所有相異物品項目集合的子集合，且。過去對於關(guān)聯(lián)規(guī)則已有相當(dāng)多的研究，也證明關(guān)聯(lián)規(guī)則為一有效之方法，其方法的特性主要是，關(guān)聯(lián)規(guī)則能容易解釋其產(chǎn)生的規(guī)則，且可完整呈現(xiàn)變數(shù)之間的影響，但篩選規(guī)則的條件設(shè)定很