Process analysis method and process analysis system. The process analysis method includes the process data of multiple products. The method also includes the use of at least one of the non probabilistic type classifier and the probabilistic type classifier to process the process data to obtain the contribution of each process parameter. The method also includes determining whether the classifier accuracy is greater than the threshold value. The method further includes, if the classifier accuracy is greater than the threshold, the process parameters are a delete operation to remove with the lowest contribution of technological parameters, and at least one of them again using non probabilistic type classifier and classifier type probability of process data operations; and if the classifier accuracy is greater than the threshold, the process parameter set the key parameters.
【技术实现步骤摘要】
工艺异因分析方法与工艺异因分析系统
本公开涉及一种工艺异因分析方法与工艺异因分析系统。
技术介绍
制造业将原物料加工为产品的过程称为制造流程(或简称工艺)。随着科技日新月异,可被制造的产品越来越多样化、精细化,而相对地工艺也愈发复杂,可调控的工艺参数也越来越多。在制造现场环境中,亦存在着许多会使工艺条件产生变异因素,例如每日的气温、湿度等环境因子都有所不同。因此机械设备经过长时间的运作,其物理化学特性产生的偏移、原物料的来源、成分、操作人员的熟练度、经验等变动的因素提高了维持工艺条件稳定的难度。而当工艺条件不稳定、产生变异时,往往会造成产品的缺陷产生。长久以来,制造现场的工程人员面对产品缺陷,皆希望尽快找出缺陷的成因,以调整工艺,恢复正常生产。制造现场的缺陷成因分析在传统上通常是靠人工分析各种机械设备运转时留下的记录,例如各种工艺的控制参数、测量参数,或各种人为操作留下的记录,例如作业记录、操作记录等,来找出造成缺陷的重要工艺参数。这种方式高度仰赖资深人员经验,且面对日益复杂的工艺条件时,即使是资深人员,亦须花费许久的时间才能找出成因所在,而在此同时,便可能产出更多的不良品。因此,有许多工艺异因分析技术被发展出来,可对制造过程中留下的大量数据进行自动的分析,以期快速锁定造成缺陷的重要工艺参数,协助工程人员快速排除异常,回复正常的生产,减少缺陷造成的损失。目前的工艺异因分析技术,有些受限于可分析的数据类型,有些则无法分析各成因参数的贡献程度,更重要的是,在导入制造现场时,常因制造现场碍于人力、物力、成本考虑而无法提供完整的工艺参数信息,导致分析产生偏误,仍有 ...
【技术保护点】
一种工艺异因分析方法,其特征在于,包括:获得多个产品的工艺数据,该工艺数据包括对应这些产品的多个工艺参数及产品质量参数;使用非概率类型分类器及概率类型分类器的至少其中之一对该工艺数据作运算,以获得每一这些工艺参数的贡献度;判断分类器正确率是否大于阈值;若该分类器正确率大于该阈值时,对这些工艺参数进行删除操作以删除具有最低的该贡献度的工艺参数,并再次使用该非概率类型分类器及该概率类型分类器的至少其中之一对该工艺数据运算,以获得每一这些工艺参数的该贡献度;以及若该分类器正确率不大于该阈值时,将这些工艺参数设定为关键工艺参数。
【技术特征摘要】
2015.11.03 TW 1041361551.一种工艺异因分析方法,其特征在于,包括:获得多个产品的工艺数据,该工艺数据包括对应这些产品的多个工艺参数及产品质量参数;使用非概率类型分类器及概率类型分类器的至少其中之一对该工艺数据作运算,以获得每一这些工艺参数的贡献度;判断分类器正确率是否大于阈值;若该分类器正确率大于该阈值时,对这些工艺参数进行删除操作以删除具有最低的该贡献度的工艺参数,并再次使用该非概率类型分类器及该概率类型分类器的至少其中之一对该工艺数据运算,以获得每一这些工艺参数的该贡献度;以及若该分类器正确率不大于该阈值时,将这些工艺参数设定为关键工艺参数。2.如权利要求1所述的工艺异因分析方法,其特征在于,还包括:将利用该关键工艺参数建立的第一分类器与利用未进行该删除操作的这些工艺参数建立的第二分类器进行效能比较,并检查该第一分类器与该第二分类器是否有相近的分类效能。3.如权利要求1所述的工艺异因分析方法,其特征在于,其中若该分类器正确率不大于该阈值时,将这些工艺参数设定为该关键工艺参数的步骤包括:将尚未在该删除操作中被删除的工艺参数,加上在最后一次该删除操作中被删除的工艺参数,设定为该关键工艺参数。4.如权利要求1所述的工艺异因分析方法,其特征在于,还包括:依据输入信号以外部数据计算出的该分类器正确率来选择使用该概率类型分类器及该非概率类型分类器的至少其中之一对该工艺数据作运算。5.如权利要求1所述的工艺异因分析方法,其特征在于,还包括:在获得该工艺数据之后,对这些工艺参数中的非数值型变量进行数值编码。6.如权利要求5所述的工艺异因分析方法,其特征在于,其中该对这些工艺参数中的该非数值型变量进行该数值编码的步骤包括:利用虚拟变量法或最适规模法对该非数值型变量进行该数值编码。7.如权利要求1所述的工艺异因分析方法,其特征在于,其中每一这些产品包括多个区块,且获得这些产品的该工艺数据的步骤包括:获得对应每一这些区块的这些工艺参数,并获得对应每一这些产品的该产品质量参数。8.如权利要求7所述的工艺异因分析方法,其特征在于,其中获得这些产品的该工艺数据的步骤还包括:根据这些产品的该产品质量参数来初始化对应这些产品的这些区块的区块质量参数。9.如权利要求8所述的工艺异因分析方法,其特征在于,其中当这些产品的其中一个产品的该产品质量参数为无缺陷时,该其中一个产品的这些区块的该区块质量参数皆为无缺陷。10.如权利要求8所述的工艺异因分析方法,其特征在于,其中当这些产品的其中一个产品的该产品质量参数为有缺陷时,该其中一个产品的这些区块中的至少一区块的该区块质量参数为有缺陷。11.如权利要求8所述的工艺异因分析方法,其特征在于,其中使用该非概率类型分类器对该工艺数据作运算的步骤包括:求解具有变量选择结构的该非概率类型分类器;将该产品质量参数有缺陷的产品以该非概率类型分类器检验是否符合数据特性;以及若该非概率类型分类器不符合该数据特性时,依照比例将该产品中分类信心度低的至少一区块的该区块质量参数设定为有缺陷,并重新求解具该变量选择结构的该非概率类型分类器。12.如权利要求11所述的工艺异因分析方法,其特征在于,其中若该非概率类型分类器符合该数据特性时,获得每一这些工艺参数的该贡献度。13.如权利要求8所述的工艺异因分析方法,其特征在于,其中使用该概率类型分类器对该工艺数据作运算的步骤包括:分别建立该产品质量参数及该区块质量参数的概率模型;根据该产品质量参数及该区块质量参数定义似然函数;加入惩罚值以定义该概率模型的损失函数;以及利用最大期望算法求出每一这些工艺参数所对应的该贡献度。14.如权利要求13所述的工艺异因分析方法,其特征在于,其中该概率模型是基于逻辑回归来建立。15.如权利要求1所述的工艺异因分析方法,其特征在于,其中这些产品分为多个群组,且获得这些产品的该工艺数据的步骤包括:获得对应这些群组中每一这些产品的这些工艺参数,并获得对应每一这些群组的该产品质量参数。16.如权利要求1所述的工艺异因分析方法,其特征在于,其中获得这些产品的该工艺数据的步骤包括:获得对应每一这些产...
【专利技术属性】
技术研发人员:郑光宏,夏启峻,江宜霖,
申请(专利权)人:财团法人工业技术研究院,
类型:发明
国别省市:中国台湾,71
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。