利用Hotelling's T2 分解方法處理機台錯誤偵測與分類之研究

Fault Detection and Classification of Batch Profile Data based on Decomposition of Hotelling's T2

張慶宏

指導教授 ： 曾勝滄

國立清華大學/理學院/統計學研究所/碩士(2009年)

摘要

批次製程目前應用的領域包括半導體等製程工業，而產品受限於機台的量測成本與產能限制，其品質特徵值通常難以即時取得，造成執行線上製程管制的困難，所以如何有效利用製程變數資料，執行錯誤偵測與分類，是目前製程管制的重要課題。目前已提出之批次製程統計分析流程是利用位移尺度化將製程中平移或漂移的現象抽離，並利用剩餘的殘差資料來建立健康指標，制定管制界限以監控批次的健康情形。本文將Mason et al. (1995, 1997) 所提出分解Hotelling’s T2的方法，實際應用到批次製程資料分析中，當健康指標監控出有批次發生異常現象時，可找出並歸納該批次發生異常現象的可歸屬原因。另外在半導體製程中，批次之間除了有平移或漂移的現象外，還存在如平均數結構改變的系統性變異，本文針對平均數結構改變的現象，提供監控及找出可歸屬原因的方法，以達成有效改善製程之目的。

關鍵字

錯誤偵測與分類 ； 可歸屬原因 ； 系統性變異 ； 平均數結構改變 ； 批次製程 ； 分解法

並列摘要

無資料

並列關鍵字

Hotelling's T2

參考文獻

[11] 趙安國 (2008), “批次剖面資料之錯誤偵測分析”, 國立清華大學統計學研究所碩士論文.

[2] Akima, H., (1970). “A New Method of Interpolation and Smooth Curve Fitting Based on Local Process,” Journal of Association for Computing Machinery, 17, 589-602.

[3] Johnson, R. A. and Wichern, D. W. (2007). Applied Multivariate Statistical Analysis, 6th ed., Prentice Hall, New Jersey.

[5] Kaistha, N., Moore, C. F. and Leitnaker, M.G. (2004). “A Statistical Process Control Framework for the Characterization of Variation in Batch Profiles,” Technometrics, 46, 53-67.

[6] Tracy, N.D., Young, J.C., Mason, R. L. (1992). “Multivariate Control Charts for Individual Observations,” Journal of Quality Technology, Vol.24, No. 2, 88-95.