【正文】 圖2 半導(dǎo)體製造過程產(chǎn)品異常應(yīng)用資料挖礦研究架構(gòu)圖造過程中能確實(shí)符合製程上的規(guī)格，因此量測(cè)出的數(shù)值將影響該批Lot的品質(zhì)。製造過程中產(chǎn)生報(bào)廢的原因錯(cuò)綜複雜，就以現(xiàn)行工程師的經(jīng)驗(yàn)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(yùn)用此彙整的表格提供工程師一對(duì)應(yīng)的訊息，以縮短找尋資料及因個(gè)人經(jīng)驗(yàn)判別的時(shí)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(bào)廢的產(chǎn)品，以盡早提出因應(yīng)措施。在於Lot QC方面將建置搜尋Data Lost及OOS的規(guī)則，說明如下︰1. 產(chǎn)品報(bào)廢現(xiàn)象原因分類及彙整半導(dǎo)體的製造程序是環(huán)環(huán)相扣的，如有任一程序發(fā)生異常通常會(huì)影響未來的製程甚至導(dǎo)致產(chǎn)品報(bào)廢。32資料處理為了使資料挖礦的資訊能符合實(shí)際需要及其正確性與完整性，對(duì)於挖掘前的資料處理是重要的關(guān)鍵。本研究在資料分類及彙整部分，為了提供資料挖礦模式一正確、乾淨(jìng)、完整的資料，必須確保來源資料的完整性，使得產(chǎn)生的資訊品質(zhì)達(dá)到有效性及正確性的要求，在資料挖礦部分採用關(guān)聯(lián)規(guī)則的Apriori演算法進(jìn)行關(guān)聯(lián)資料的搜尋，以及決策樹歸納法進(jìn)行可疑原因區(qū)別的建議。三、研究方法本節(jié)將探討半導(dǎo)體製造過程中，對(duì)於產(chǎn)品量測(cè)(Lot QC)資料異常及報(bào)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。 Tung et al., 2003），在實(shí)務(wù)應(yīng)用上，Srikant and Agrawal（1997）有提及關(guān)聯(lián)規(guī)則在商業(yè)、保險(xiǎn)、醫(yī)學(xué)等之應(yīng)用，其他主要的應(yīng)用領(lǐng)域包括購物籃分析（Fayyad et al., 1996）、商品擺架安排（Srikant and Agrawal, 1997）、欺騙行為偵查（Berry and Linoff, 1997）、醫(yī)學(xué)研究（葉忠和吳恆睿，2002），在半導(dǎo)體的應(yīng)用上，如透過半導(dǎo)體晶圓允收測(cè)試資料，建構(gòu)製程事故診斷資料挖礦架構(gòu)，以作為工程師及領(lǐng)域?qū)＜医鉀Q問題的參考，進(jìn)而提升其製程良率的改善（簡(jiǎn)禎富等，民90； Han and Kamber, 2000）。 Berzal et al., 2001。關(guān)於關(guān)聯(lián)規(guī)則的研究，主要是研究發(fā)掘關(guān)聯(lián)規(guī)則的演算法，如何從含有大量資料的資料庫中，快速的找出有意義的關(guān)聯(lián)規(guī)則（Srikant and Agrawal, 1996。3. 在搜尋資料庫，得出候選2項(xiàng)目集合的支持度以後，在找出頻繁2項(xiàng)目集合，並利用這些頻繁2項(xiàng)目集合的結(jié)合，產(chǎn)生3項(xiàng)目集合。Apriori演算法使用了候選項(xiàng)目集合(Candidate Itemset) 的觀念，若候選項(xiàng)目集合的支持度大於或等於最小支持度，則該候選項(xiàng)目集合為頻繁項(xiàng)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(xiàng)目集合是關(guān)聯(lián)規(guī)則的重點(diǎn)。就一般資料庫的探勘關(guān)聯(lián)規(guī)則上，其過程可為下列步驟(Han and Kamber, 2001)：1. 找出所有頻繁項(xiàng)目集合(Frequent Itemset)：依據(jù)定義，頻繁項(xiàng)目集合所出現(xiàn)的次數(shù)必須與使用者預(yù)先定義的最小支持度數(shù)目相同。其代表的物理意義為關(guān)聯(lián)規(guī)則的條件機(jī)率比母體中原本發(fā)生的機(jī)率大才具有意義。此指標(biāo)之物理意義為當(dāng)前提項(xiàng)目X發(fā)生時(shí)，可推得結(jié)論為結(jié)果項(xiàng)目Y的信賴度。2. 信賴度：，即代表在前提項(xiàng)目X發(fā)生的情況下，前提項(xiàng)目X與結(jié)果項(xiàng)目Y又同時(shí)發(fā)生的機(jī)率。此三項(xiàng)指標(biāo)的計(jì)算公式與物理意義分別闡述如下：1. 支持度：，即代表前提項(xiàng)目X與結(jié)果項(xiàng)目Y一起出現(xiàn)的機(jī)率。Y〈If X, then Y〉，X為前提項(xiàng)目組（Antecedent item set），Y為結(jié)果項(xiàng)目組（Consequent item set），X和Y皆為所有相異物品項(xiàng)目集合的子集合，且。而D則是所有交易記錄T的集合。過去對(duì)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)定很重要，否則條件太鬆可能造成結(jié)果多且凌亂，相反地，如果條件太嚴(yán)可能忽略掉一些罕見變數(shù)的有趣樣型。 陳家仁等，民92）。 Han and Kamber, 2001。24關(guān)聯(lián)規(guī)則關(guān)聯(lián)規(guī)則是資料挖礦模式中最常被應(yīng)用模式之一（Berry and Linoff, 1997。資料挖礦中所使用的挖掘技術(shù)與類型，通常包含關(guān)聯(lián)規(guī)則、分類規(guī)則、叢集規(guī)則、預(yù)測(cè)分析、趨勢(shì)分析、偏差分析等類型。綜合以上，資料庫知識(shí)發(fā)現(xiàn)和資料挖礦的目的皆相同，同樣是從資料庫的大量資料中發(fā)現(xiàn)有用的資訊以提供決策者參考，只是資料庫知識(shí)發(fā)現(xiàn)描述出資料準(zhǔn)備階段之過程，也就是資料如何從資料庫轉(zhuǎn)換成資料挖礦工具可運(yùn)用的程序皆完整的描述，然而要達(dá)到資料挖礦的目的，資料挖礦的定義已隱含有資料準(zhǔn)備的概念，因此，可直接採用資料挖礦此一名詞。 KDD）、知識(shí)萃取（Knowledge extraction）、資料考古學(xué)（Data archeology）、資料捕撈（Data dredging）（Han and Kamber, 2001）。在本研究中將以資料挖礦的技術(shù)建立一適合使用者查詢與分析資料的方法，以協(xié)助工程人員的問題追蹤與分析。這些資料經(jīng)過規(guī)劃之後有規(guī)則的將及時(shí)資料與歷史資料個(gè)別置於關(guān)聯(lián)的資料項(xiàng)中，並適當(dāng)適時(shí)的進(jìn)行儲(chǔ)存與備份的工作。不論是即時(shí)的生產(chǎn)資料或是歷史資料將存放在系統(tǒng)所指定的資料庫中。其次是Recipe即製程參數(shù)的資料流，當(dāng)使用者透過自動(dòng)化系統(tǒng)的介面取得機(jī)臺(tái)與Lot ID的關(guān)係之後，系統(tǒng)將提供一組適合該Lot在此機(jī)臺(tái)製造的參數(shù)，這就是自動(dòng)化系統(tǒng)所帶來的便利之一。關(guān)於晶圓廠自動(dòng)化系統(tǒng)之資料倉儲(chǔ)，以前段製程FAB生產(chǎn)流程中的Lot Transportation、Lot History、Recipe、Data Collection等四種資料流來了解在自動(dòng)化系統(tǒng)的製造環(huán)境中，系統(tǒng)是如何紀(jì)錄與取得各產(chǎn)品的生產(chǎn)資料以及所需要的資料是存放於何處。自1947年發(fā)明電晶體後，新的技術(shù)亦不斷的被發(fā)現(xiàn)，其技術(shù)的創(chuàng)新與快速使得積體電路製造在短短的數(shù)十年間迅速發(fā)展至今日的奈米半導(dǎo)體製程。目前在半導(dǎo)體產(chǎn)業(yè)的硬體建設(shè)上雖可滿足產(chǎn)業(yè)的大量需求，但是隨之而來的將是如何在快速生產(chǎn)與大量產(chǎn)能中，提升良率與及時(shí)發(fā)現(xiàn)異常等問題。二、文獻(xiàn)探討21半導(dǎo)體製程半導(dǎo)體技術(shù)變化快速，目前已進(jìn)入深次微米的時(shí)代，產(chǎn)業(yè)的生產(chǎn)趨勢(shì)將是集中資源於最具核心競(jìng)爭(zhēng)力產(chǎn)品的生產(chǎn)方式。2. 建構(gòu)製造過程中製程參數(shù)與機(jī)臺(tái)資料的關(guān)聯(lián)規(guī)則，以提供一可追蹤產(chǎn)品、製程或設(shè)備參數(shù)設(shè)定值的有用資訊，幫助製程或設(shè)備工程人員進(jìn)行問題追蹤。本研究是使用半導(dǎo)體自動(dòng)化系統(tǒng)的資料庫為資料挖礦的資料來源，並運(yùn)用資料挖礦中的關(guān)聯(lián)規(guī)則作為分析問題的方法，藉此協(xié)助製程工程人員如何在大量的生產(chǎn)資料中找出可能隱藏的訊息，以快速的找出與問題相關(guān)性的關(guān)聯(lián)資訊，確保問題能在較短的時(shí)間內(nèi)予以解決，不至於造成產(chǎn)品的損失擴(kuò)大。資料挖礦技術(shù)是一種統(tǒng)計(jì)工具的應(yīng)用，其結(jié)合該產(chǎn)業(yè)領(lǐng)域的專業(yè)與資料庫知識(shí)，從資料庫或其他資料儲(chǔ)藏系統(tǒng)中，針對(duì)大量的資料進(jìn)行篩選、推演與模式建構(gòu)等程序，以挖掘隱含在資料與模式中的訊息進(jìn)而轉(zhuǎn)換成為商機(jī)，或是提供決策者新的知識(shí)以利於決策的進(jìn)行（簡(jiǎn)禎富等，民90；簡(jiǎn)禎富等，民92）。就目前的企業(yè)對(duì)於數(shù)以百萬筆的歷史資料處理方式而言，當(dāng)產(chǎn)品發(fā)生異常或?yàn)樘囟ㄈ蝿?wù)而必須得到部份資訊的支援時(shí)，若將其一一分類並運(yùn)用於分析上，其實(shí)是件耗時(shí)且相當(dāng)困難的工作；通常在自動(dòng)化系統(tǒng)中資料庫僅記錄現(xiàn)場(chǎng)正使用的已設(shè)定參數(shù)值，因而當(dāng)產(chǎn)品被發(fā)現(xiàn)已產(chǎn)生異常時(shí)往往無法及時(shí)取得當(dāng)時(shí)製造過程中的參數(shù)設(shè)定值，必須依賴製程或設(shè)備工程人員的紀(jì)錄或是其他備份的資料庫，資料不易取得且方法繁雜。在半導(dǎo)體廠製造環(huán)境中，不乏包含200種以上的製程與設(shè)備種類，若以半導(dǎo)體製程的創(chuàng)新速度與產(chǎn)品多樣性生産特性、或是生産能力及其大批量生産方式發(fā)展而言，對(duì)於目前已存在的八吋廠或是十二吋廠來說，不論是製程設(shè)備或是自動(dòng)化系統(tǒng)的規(guī)劃上，皆會(huì)影響晶圓廠的成本與生產(chǎn)效率。在半導(dǎo)體製造技術(shù)日趨進(jìn)步與純熟之下，已進(jìn)入八吋、十二吋晶圓的年代，這其中大量資金的投入是不可或缺的，特別是十二吋晶圓廠其所投入的金額約需30億美元。 methods by which obtained data may be appropriately processed, by which affected products