整合資料探勘與時間序列之半導體零件變異預測模型

Translated title of the thesis: An Integrated Model of Data Mining and Time Series in Predicting Variations of Semiconductor Components
  • 羅 勝興

Student thesis: Master's Thesis

Abstract

當半導體正式進入奈米製程世代,且因應全球市場對於資訊電子產品傾向輕、薄、短、小的特性與高速化及高性能化的急遽發展,迫使半導體公司致力於縮小晶片內電路線之寬度,以獲得全球半導體產業競爭優勢,使得半導體製程更為複雜冗長、影響變數更多以及技術門檻愈來愈高。為克服製程技術不斷衍生的物理極限,半導體設備發展出各項精密感測器達成各種即時監控與偵測系統來提升晶圓良率與生產效率,但是並非所有半導體設備零件皆適用於裝載感測器來避免產出具缺陷的低良率晶圓。因此,本研究應用資料探勘技術來結合無感測器偵測所導致的晶圓缺陷特徵與其晶圓量測資料,據以建構一套晶圓缺陷偵測模型,並整合時間序列模型以預測未來零件發生變異之趨勢,進而發展出半導體零件變異預測模型,以利實現智慧製造系統之即時反饋零件生產狀態,達成長期監控以及預測與評估零件變異徵兆,來有效避免零件變異所衍發的大量晶圓良率損失問題。本研究論文最後將透過半導體覆晶封裝之凸塊製程的實例研究,闡明本研究模型之各項結構,如資料變數彙整與處理過程、晶圓缺陷分析與驗證、資料探勘建模與配適過程以及時間序列分析與ARIMA模型之應用,且經由實例成果證實本研究模型能夠有效地評估無感測器之半導體零件變異徵兆,並能準確地預測未來變異之趨勢,以排除量產前的預檢修成本與妥善評估零件檢修最佳時機,進而提升半導體設備整體效率、穩定晶圓良率以及節省半導體整體製造成本。
Date of Award2016 Jan 12
Original languageChinese
SupervisorYeu-Shiang Huang (Supervisor)

Cite this

'