生产故障管理分析方法技术

本发明专利技术公开了一种生产故障管理分析方法，本发明专利技术属于现场生产故障管理技术领域，包括故障数据生成、数据分析和故障报告生成，基于物联网技术和大数据分析方法，通过数据分析和积累，利用最终质检得到的产品缺陷信息和位置找到工艺过程中造成产品缺陷的工艺、设备或者产品本身的故障原因的生产管理分析方法。

Analysis method of production fault management

The invention discloses a production fault management analysis method, which belongs to the field of field production fault management technology, including fault data generation, data analysis and fault report generation, based on the Internet of things technology and large data analysis method, through data analysis and accumulation, the product defect information obtained by the final quality inspection is used. And location to find out the production management analysis method that causes defects in the process, equipment or product itself.

【技术实现步骤摘要】
生产故障管理分析方法
本专利技术属于现场生产故障管理
，具体涉及一种生产故障管理分析方法。
技术介绍
随着科技的发展，现代化的半导体封装测试工厂生产质量管理分析已经有了很多高度自动化和智能化的方法及系统。目前生产线自动管理的技术方案，各个工位的监控和数据分析相对独立，而实际生产中当前工位检测到的问题有可能是上一工位原因引起的，而当前工位的问题也有可能到下一工位才会体现，因此，现在的监控方式存在检测漏洞，而本方案采用物联网和大数据的方法，对数据进行抓取、梳理和共享，实现各个工位数据的交换，全面监控来自于产品本身和生产设备硬件的问题；制造工厂的流程控制系统均是对本流程或者站点的工艺技术指标进行监视管控，这些工艺技术指标包括工艺过程中影响产品生产质量的输入输出参数，一旦发现这些参数超出了管控的范围(通过统计学计算定义的范围)，便会提示操作人员，同时对造成产品潜在问题的设备进行管制，触发响应系统使操作人员立刻对设备进行故障检修，对受影响的产片进行搁置处理。然而，很多产品缺陷问题并不能够完全与现有已知的工艺过程参数有关，这表示，即使现有的工艺过程参数完全在质量要求之内，依然有可能造成产品的缺陷，这些缺陷一般要通过成品出厂前的最终质检来找出，最终质检包括产品表面的缺陷检测(包括污染，裂痕，重要部件缺失等)和电性能检测等，在最终质检中发现有问题的产品，需要通过人工追溯是各个工序中那个环节出现问题，然后人为通知相关工艺人员对设备进行检查，对有问题的产品进行人为搁置，而整个过程存在大量的时间的延迟，并且人工追溯因为标准模糊，存在很大不确定性，特别是在对于芯片封装制造工艺过程中，生产和封装可能并不在同一生产地，然后前、后续过程件的问题隐患则具有一定的关联。
技术实现思路
本专利技术的目的在于提供一种基于物联网技术和大数据分析方法，通过数据分析和积累，利用最终质检得到的产品缺陷信息和位置找到工艺过程中造成产品缺陷的工艺、设备或者产品本身的故障原因的生产管理分析方法。本专利技术的目的是通过以下技术方案实现的：一种生产故障管理分析方法，其特征在于包括：生成故障数据、数据分析和生成故障报告；所述故障数据生成，记录下生产过程中各生产设备的流程数据和测试过程中的测试数据；从记录下的流程数据和测试数据中抽取出生产设备发生故障和/或产品产生缺陷时的数据内容生成故障数据；所述数据分析，通过分析找出产生故障的原因，并将故障数据进行分类，并对每一类型的故障的原因进行趋向性的统计分析，得到每个类型故障的故障原因数据，并将统计分析的故障原因数据整合生成与该类型故障对应的故障库；所述故障报告生成，在生产设备发生故障和/或产品产生缺陷时，根据故障和/或缺陷类型从所述数据分析生成的故障库中调取对应的故障原因数据，并将所述故障原因数据进行加工处理并生成故障报告和/或故障处理任务。所述故障数据生成过程中的生产设备包括测试工艺设备、封装工艺设备和质检设备。所述故障数据生成过程中生产流程数据包括生产过程中各生产设备的温度、电压以及生产设备各部件代号名称。所述故障数据生成过程中的测试数据包括产品质量检测的电性能测试结果和表面缺陷检测结果。所述生产流程数据和/或测试数据是由各生产设备实时采集并通过网络上传至服务器，再由集中数据处理单元进行整合。所述数据分析过程中将故障数据进行分类具体是指将故障数据按照生产设备发生故障的类型或产品产生缺陷的类型进行聚类。所述聚类的具体方法为DBSCAN(Density-BasedSpatialClusteringofApplicationswithNoise)聚类算法或者KNN(k-NearestNeighboralgorithm)聚类算法等。所述产品缺陷包括产品表面污损和电性能不达标。所述按照产品产生缺陷的类型进行聚类是指按照产品表面污损的位置和/或电性能不达标项目进行聚类。所述数据分析过程中对每一类型的故障的原因进行趋向性的统计分析包括通过趋向性的统计分析手段找出引起生产设备发生某一类故障和/或产品产生某一类缺陷次数最多的原因作为该类生产设备故障的故障和/或产品的故障原因。所述数据分析中进行趋向性的统计分析的手段包括卡方分布分析、二项分布分析和变异性控制图。所述故障报告生成中将所述故障原因数据进行加工处理具体是指将生产设备故障和/或产品缺陷按照类型进行聚类，并结合所述故障库中的故障原因数据进行趋向性的统计分析得到该故障的故障原因数据并计入故障库中。所述故障报告生成过程中，故障报告包括故障代码、引起故障的工艺流程信息、设备或者组件的名称、受影响的产品代号和故障发生时间。所述故障报告生成过程中，故障处理任务包括故障描述、故障位置信息、故障原因描述和任务反馈单。所述故障报告生成过程后还包括一个故障应急过程，所述故障应急过程具体是指，当设备和/或产品发生故障时，控制设备通过服务器控制发生故障的设备停工待检和/或控制设备发出指令截留出现问题的产品待检。一种生产故障管理分析系统，其特征在于：包括服务器、中心处理器和设置在各生产设备上的数据采集装置，所述服务器、中心处理器和数据采集装置联网，所述数据采集装置用于将生产过程中各生产设备的流程数据和测试过程中的测试数据记录下并通过服务器传送至中心处理器进行数据处理生成故障库，中心处理器将生成的故障库传回服务器中保存。所述服务器中包含数据交换模块和数据存储模块，数据交换模块用于与所述中心处理器和数据采集装置进行数据交换并将交换来的数据送入数据存储模块中存储。所述数据采集装置包括若干镜头朝向生产设备的摄像机。一种计算设备，包括：一个或多个处理器，存储器，所述存储器存储指令，当所述指令被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如上所述的生产故障管理分析方法。一种非暂时性机器可读存储介质，其存储有可执行指令，所述指令当被执行时使得所述机器执行如上所述的生产故障管理分析方法。本专利技术提供的一种生产故障管理分析方法，利用最终质检得到的设备的故障、产品缺陷信息和位置。其中此信息可以以产品代号和缺陷代码及缺陷位置等存在后台数据库中，同时连接各个工艺流程中的设备信息例如生产时间，产品代号，生产设备部件等，通过各种统计学方法进行特异性、趋向性分析，包括机器学习中的非监督学习的聚类方法，统计学中的卡方分布，二项分布等，找到工艺过程中造成产品缺陷的工艺或者设备或者备件，及时通知相关人员，自动停止有问题的设备运行，自动搁置受影响的产品，这样可以减少因为问题发现延迟导致的不必要损失，同时还可以在处理过程中将实际故障原因补入故障库中，实现数据的累计，并且随着真实故障原因数据的累计还能增加故障库准确度；DBSCAN聚类算法是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类。KNN聚类算法即邻近算法，或者说K最近邻(k-NearestNeighbor)分类算法是常见数据挖掘分类方法之一。所谓K最近邻，就是k个最近的邻居的意思，每个样本都可以用它最接近的k个邻居来代表。KNN算法的核心思想是：如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具本文档来自技高网...

【技术保护点】
1.一种生产故障管理分析方法，其特征在于包括：故障数据生成、数据分析和故障报告生成；所述故障数据生成，记录下生产过程中各生产设备的流程数据和测试过程中的测试数据；从记录下的流程数据和测试数据中抽取出生产设备发生故障和/或产品产生缺陷时的数据内容生成故障数据；所述数据分析，通过分析找出产生故障的原因，并将故障数据进行分类，并对每一类型的故障的原因进行趋向性的统计分析，得到每个类型故障的故障原因数据，并将统计分析的故障原因数据整合生成与该类型故障对应的故障库；所述故障报告生成，在生产设备发生故障和/或产品产生缺陷时，根据故障和/或缺陷类型从所述数据分析生成的故障库中调取对应的故障原因数据，并将所述故障原因数据进行加工处理并生成故障报告和/或故障处理任务。

【技术特征摘要】
1.一种生产故障管理分析方法，其特征在于包括：故障数据生成、数据分析和故障报告生成；所述故障数据生成，记录下生产过程中各生产设备的流程数据和测试过程中的测试数据；从记录下的流程数据和测试数据中抽取出生产设备发生故障和/或产品产生缺陷时的数据内容生成故障数据；所述数据分析，通过分析找出产生故障的原因，并将故障数据进行分类，并对每一类型的故障的原因进行趋向性的统计分析，得到每个类型故障的故障原因数据，并将统计分析的故障原因数据整合生成与该类型故障对应的故障库；所述故障报告生成，在生产设备发生故障和/或产品产生缺陷时，根据故障和/或缺陷类型从所述数据分析生成的故障库中调取对应的故障原因数据，并将所述故障原因数据进行加工处理并生成故障报告和/或故障处理任务。2.如权利要求1所述的一种生产故障管理分析方法，其特征在于：所述故障数据生成过程中的生产设备包括测试工艺设备、封装工艺设备和质检设备。3.如权利要求1或2所述的一种生产故障管理分析方法，其特征在于：所述故障数据生成过程中生产流程数据包括生产过程中各生产设备的温度、电压以及生产设备各部件代号名称。4.如权利要求1或2所述的一种生产故障管理分析方法，其特征在于：所述故障数据生成过程中的测试数据包括产品质量检测的电性能测试结果和表面缺陷检测结果。5.如权利要求1或2所述的一种生产故障管理分析方法，其特征在于：所述生产流程数据和/或测试数据是由各生产设备实时采集并通过网络上传至服务器，再由集中数据处理单元进行整合。6.如权利要求1所述的一种生产故障管理分析方法，其特征在于：所述数据分析过程中将故障数据进行分类具体是指将故障数据按照生产设备发生故障的类型或产品产生缺陷的类型进行聚类。7.如权利要求6所述的一种生产故障管理分析方法，其特征在于：所述聚类的具体方法包括DBSCAN聚类算法或者KNN聚类算法。8.如权利要求6所述的一种生产故障管理分析方法，其特征在于：所述产品缺陷包括产品表面污损和电性能不达标。9.如权利要求7所述的一种生产故障管理分析方法，其特征在于：所述按照产品产生缺陷的类型进行聚类是指按照产品表面污损的位置和/或电性能不达标项目进行聚类。10.如权利要求1或6所述的一种生产故障管理分析方法，其特征在于：所述数据分析过程中对每一类型的故障的原因进行趋向性的统计分析包括通过趋向性的统计分析手段找出引起生产设备发生某一类故障和/或产品...

【专利技术属性】
技术研发人员：刘倩，田聪，李成伟，彭义，
申请(专利权)人：英特尔产品成都有限公司，英特尔公司，
类型：发明
国别省市：四川,51