建構彩色濾光膜及微透鏡缺陷樣型分析之資料挖礦架構

Constructing a Data Mining Framework for Analyzing Defect Types of Color Filter and Microlens

黃馨滿(Hsin-Man Huang)

指導教授 ： 簡禎富

國立清華大學/工學院/工業工程與工程管理學系/碩士(2013年)

摘要

彩色濾光膜及微透鏡製程為製造CMOS影像感測器的一環，利用於相機、手機鏡頭。影像感測元件彩色濾光膜廠進行製造時可能會在感測區或非感測區造成缺陷樣型導致缺陷率提升，為了提升產品良率，希望於製造過程找出造成缺陷樣型的機台等原因，即時進行修復並減少重工情形。
目前多半是憑藉工程師的經驗來做故障排除的問題，錯誤及試驗法不夠快速且準確度不高，很容易造成人為對照的失誤及因為經驗不足而誤判，故本研究目的為發展一套彩色濾光膜及微透鏡資料挖礦架構模式，以協助工程師診斷造成缺陷樣型的原因。透過蒐集影像感測元件彩色濾光膜廠的缺陷樣型相關資料，結合列聯表分析的卡方獨立性檢定與Cramer’s V相關係數，利用關聯規則切割訓練集資料建立模型，測試集資料計算正確率篩選合適模型，配合演算法的支持度、信賴度與增益三個指標，定義篩選規則門檻值整理造成缺陷樣型的潛藏規則以進行規則評估。

關鍵字

彩色濾光膜及微透鏡製程 ； 缺陷樣型 ； 資料挖礦 ； 列聯表分析 ； 關聯規則

並列摘要

CMOS image sensor includes color filter and microlens process, which is used to manufacture cameras and phone lens. In color filter and image sensor manufacturing company’s manufacturing process, it may cause various defect types and defect rate in sensing or non-sensing area. To improve product’s yield and find causes of defect type, we should repair the tools in time and reduce the rework rate.
Now it almost uses engineers’ experience for trouble shooting. Try and error method is not quick enough and may cause errors because of less of experience. This research is aim for constructing a data mining framework of color filter and microlens to help engineers detecting causes of defect types. By using defect types’ data in fab, we could combine Chi-square test for independence, Cramer’s V correlation coefficient and divide training data set of Association Rules to build model. Using the correct rate of testing data set to select suitable model and setting threshold of three indexes：support, confidence and lift to screen useful rules before executing evaluation.

並列關鍵字

Color Filter and Microlens Process ； Defect Type ； Data Mining ； Crosstab Analysis ； Association Rules

參考文獻

彭金堂、張盛鴻、簡禎富、楊景晴（2005），建構關聯規則資料挖礦架構及其在台電配電事故定位之研究，資訊管理學報，12卷4期，頁121-141。

簡禎富、李培瑞、彭誠湧（2003），半導體製程資料特徵萃取與資料挖礦之研究，資訊管理學報，10卷1期，頁63-84。

Tseng, D.-C., Chung, I.-L., Tsai, P.-L. and Chou, C.-M. (2011), “Defect Classification for LCD Color Filters Using Neural-Network Decision Tree Classifier,” International Journal of Innovative Computing, Information and Control, Vol. 7, No. 7, pp. 3695-3707.

簡禎富、林昀萱、鄭仁傑（2008），建構模糊決策樹及其在有交互作用之半導體資料之資料挖礦以提昇良率之研究，品質學報，15卷3期，頁193-210。

Hsu, C.-Y., Chien, C.-F., Lin, K.-Y. and Chien, C.-Y. (2010), “Data Mining for Yield Enhancement in TFT-LCD Manufacturing : An Empirical Study,” Journal of the Chinese Institute of Industrial Engineers, Vol. 27, No. 2, pp.140-156.