品质管理系统及其方法技术方案

一种品质管理系统及其方法。品质管理方法包含由数据库中取得生产批的品质历史数据，依据生产批的品质历史数据，将生产批归类为N个异常事件集合，依据生产批的品质历史数据，将每个异常事件集合内多个异常事件的每个异常事件对应至合适的异常事件等级，设定对应于每个异常事件等级的待估测的风险系数，根据生产批的品质历史数据及这些异常事件等级，计算每个异常事件等级对应的待估测的风险系数，依据这些异常事件等级及计算后的这些风险系数，产生线性回归方程式，根据线性回归方程式，预测生产批的高可靠度区间所对应的风险分数。

Quality management system and method

Quality management system and method thereof. The quality management method including obtaining quality history data from the database of the batch production, quality according to historical data of production batch, batch production will be classified as a set of N abnormal events, historical data on the quality of the production batch, each abnormal event each abnormal event set multiple abnormal events corresponding to the appropriate level of abnormal events, set corresponding to each level to estimate abnormal event risk coefficient, according to the quality of historical data batch and grade of these abnormal events, each level corresponds to the calculation of abnormal events to estimate the risk factor, on the basis of the abnormal event level and after calculating these risk factors, linear regression equation, according to the linear regression equation. The corresponding high reliability prediction interval batch risk scores.

【技术实现步骤摘要】

本专利技术涉及一种品质管理系统及其方法，尤其涉及一种应用于生产批的品质管理方法。
技术介绍
近年来，由于工业技术的发达，批量生产制造的手段已由传统人力的制造方法逐渐被自动化的机器所取代。一般而言，生产批(production lot)利用生产线的制造过程会经过许多站点，而每一个站点会执行对应的步骤和生产程序。然而，在实际的生产过程中，常常会有次品的产生，随着机器工作的时间增加，生产过程中可能发生机器偏离原始设定的现象。因此生产出的成品，其规格可能不符合要求。而次品的产生时会造成总存货成本的增加，并影响生产线的流畅性。因此，为了控管生产批的品质特性及成品率，常常会将生产批取样并做品质上的数据统计及分析。一般而言，在批量生产制造时会发生许多影响品质的异常事件(Issue)，而各种异常事件影响品质特性的程度皆不相同，异常事件例如系统错误、地震、温度过高，甚至是机台死机等。而这些异常事件将会被对应的系统机台所记录。然而，因为系统机台的不同，所记录异常事件的标准亦不一致，这种不统一的数据将导致分析不易。再者，由于各个系统机台尚未整合，因此利用生产批取样的数据以及异常事件一并计算时，分析出的结果将有不准确的问题。因此，发展一种将各个系统机台整合的品质管理方法是非常重要的。
技术实现思路
本专利技术一实施例描述了一种品质管理方法，包含由数据库中取得生产批的品质历史数据，依据生产批的品质历史数据，将生产批归类为N个异常事件集合，依据生产批的品质历史数据，将每一异常事件集合内多个异常事件的每一异常事件对应至合适的异常事件等级，设定对应于每一异常事件等级
的待估测的风险系数，根据生产批的品质历史数据及这些异常事件等级，计算每一异常事件等级对应的待估测的风险系数，依据这些异常事件等级及计算后的些风险系数，产生线性回归方程式，根据线性回归方程式，预测生产批品质特性的高可靠度区间所对应的风险分数，其中N为大于1的正整数。本专利技术另一实施例描述了一种品质管理系统，包含数据库及处理器。数据库是用以储存生产批的品质历史数据，处理器是耦接于该数据库。其中处理器由数据库中取得生产批的品质历史数据，处理器依据生产批的品质历史数据，将生产批归类为N个异常事件集合，处理器依据生产批的品质历史数据，将每一异常事件集合内多个异常事件的每一异常事件对应至合适的异常事件等级，处理器设定对应于每一异常事件等级的待估测的风险系数，处理器根据生产批的品质历史数据及这些异常事件等级，计算每一异常事件等级对应的待估测的风险系数，处理器依据这些异常事件等级及计算后的这些风险系数，产生线性回归方程式，处理器根据线性回归方程式，预测生产批品质特性的高可靠度区间所对应的风险分数，其中N为大于1的正整数。附图说明图1是专利技术实施例的品质管理系统的元件框图。图2描述了图1实施例中，处理器整合各站台系统生产批数据的示意图。图3为图1实施例中，产生品质特性和风险分数的基准线、上限及下限的示意图。【附图标记说明】100 品质管理系统10 数据库11 处理器D 生产批数据O1至ON 异常事件集合I11至INMN 异常事件等级B11至BNMN 风险系数UB 上限BL 基准线LB 下限QL 品质特性RVL及RVR 风险分数具体实施方式图1为本专利技术实施例的品质管理系统100的元件框图。如图1所示，品质管理系统100包含数据库10及处理器11。数据库10是用以储存生产批的品质历史数据。这里所指的品质历史数据为生产批经过许多站台系统后，各站台系统所记录的各种不同异常事件(Issue)的数据。处理器11是耦接于数据库10。这边所指的处理器11可为个人计算机上的处理器，分析服务器中的处理器或是工作机台上的处理器等。在本实施例中，处理器11将利用数据库10内的生产批的品质历史数据，利用演算法整合所有站台系统上的数据，并分析其统计特性及回归曲线。而处理器11依据分析后的结果，将预测生产批品质特性的高可靠度区间所对应的风险系数。而生产线上的工作人员即可利用这个生产批品质特性的高可靠度区间所对应的风险系数，挑选合适的生产批取样进行实验。而品质管理系统100将如何预测生产批品质特性的高可靠度区间所对应的风险系数，其演算法将详述于下。图2描述了图1实施例中，处理器11整合各站台系统生产批数据的示意图。在图2中，生产批数据D为生产批经过许多站台系统后，各站台系统所记录的各种不同异常事件(Issue)的数据集合，此数据存于数据库10中。而处理器11由数据库10中提取生产批数据D后，依据其站台系统，将生产批数据D归类为N个异常事件集合，如图2中的异常事件集合O1至异常事件集合ON。每一个异常事件集合对应不同的站台系统。在图2中，异常事件集合O1是为第1个站台系统的记录数据，异常事件集合O2是为第2个站台系统的记录数据，异常事件集合ON是为第N个站台系统的记录数据。在本实施例中，每一个异常事件集合会有相同或不同数量的异常事件。例如异常事件集合O1中有M1个异常事件，异常事件集合O2中有M2个异常事件，异常事件集合ON中有MN个异常事件。这里所用的N为大于1的正整数，而M1至MN为正整数。接下来，处理器11会将每一个异常事件集合内的异常事件对应至合适的异常事件等级(Issue Grade)。例如将图2中的异常事件集合O1中的M1个异常事件由小到大排序，并分别将这些排序后的异常事件对应为异常事
件等级I11至异常事件等级I1M1，而异常事件等级I11为较不严重的异常事件，异常事件等级I1M1为较严重的异常事件。处理器11会将异常事件集合O2中的M2个异常事件由小到大排序，并分别将这些排序后的异常事件对应为异常事件等级I21至异常事件等级I2M2，而异常事件等级I21为较不严重的异常事件，异常事件等级I2M2为较严重的异常事件。类似地，处理器11会将异常事件集合ON中的MN个异常事件由小到大排序，并分别将这些排序后的异常事件对应为异常事件等级IN1至异常事件等级INMN，而异常事件等级IN1为较不严重的异常事件，异常事件等级INMN为较严重的异常事件。因此，根据N个异常事件集合对应的异常事件等级，可以定义出一个异常事件指标(Issue Code)，为下： IC = Σ i = 1 N Σ j = 1 M I ij - - - ( 1 ) ]]>在(1)式中，当第i个异常事件集合Oi内的第j个异常事件等级Iij为0或1的时候，(1)式中的异常事件指标IC即表示生产批所关连到的异常事件的数目。举例来说，生产批遭遇到了第1个异常事件集合O1的第2个异常事件I12，第2个异常事件集合O2的第3个异常事件I23以及第3个异常事件本文档来自技高网...

【技术保护点】
一种品质管理方法，包含：由一数据库中取得一生产批的品质历史数据；依据该生产批的品质历史数据，将该生产批归类为N个异常事件集合；依据该生产批的品质历史数据，将每一异常事件集合内多个异常事件的每一异常事件对应至合适的异常事件等级；设定对应于该每一异常事件等级的一待估测的风险系数；根据该生产批的品质历史数据及这些异常事件等级，计算该每一异常事件等级对应的该待估测的风险系数；依据这些异常事件等级及计算后的这些风险系数，产生一线性回归方程式；及根据该线性回归方程式，预测该生产批品质特性的一高可靠度区间所对应的风险分数；其中N是大于1的正整数。

【技术特征摘要】
2015.02.12 TW 1041048331.一种品质管理方法，包含：由一数据库中取得一生产批的品质历史数据；依据该生产批的品质历史数据，将该生产批归类为N个异常事件集合；依据该生产批的品质历史数据，将每一异常事件集合内多个异常事件的每一异常事件对应至合适的异常事件等级；设定对应于该每一异常事件等级的一待估测的风险系数；根据该生产批的品质历史数据及这些异常事件等级，计算该每一异常事件等级对应的该待估测的风险系数；依据这些异常事件等级及计算后的这些风险系数，产生一线性回归方程式；及根据该线性回归方程式，预测该生产批品质特性的一高可靠度区间所对应的风险分数；其中N是大于1的正整数。2.如权利要求1所述的方法，还包含：将每一异常事件集合内的每一异常事件等级加总以产生一品质等级总和。3.如权利要求1所述的方法，其中根据该线性回归方程式，预测该生产批的该高可靠度区间所对应的风险分数，包含：根据该线性回归方程式，产生一基准线及对应该基准线的一上限及下限结果；及利用该基准线、该上限及该下限结果预测该生产批的该高可靠度区间所对应的风险分数。4.如权利要求1所述的方法，其中将该每一异常事件集合内该多个异常事件的每一异常事件对应至合适的异常事件等级，为将第n个异常事件集合内，由数量为Mn个异常事件中的每一异常事件对应合适的异常事件等级，n是介于1及N之间的正整数，且Mn是正整数。5.如权利要求1所述的方法，还包含：根据这些异常事件等级，产生一异常事件等级矩阵；及根据这些待估测的风险系数，产生一待估测的风险系数向量。6.如权利要求5所述的方法，其中根据该生产批的品质历史数据及这些异常事件等级，计算该每一异常事件等级的该待估测的风险系数，是根据该生产批的品质历史数据及该异常事件等级矩阵，计算该待估测的风险系数向量中的每一风险系数。...

【专利技术属性】
技术研发人员：周明宽，曾筠捷，张惟富，吕建辉，谌嘉慧，
申请(专利权)人：力晶科技股份有限公司，
类型：发明
国别省市：中国台湾;71