基于大数据分析的产品质量异常侦测研究

张钦嘉 赵强 陈嘉丰 郝国亮 高鹤鸣

摘  要：众所周知，常规产品不良分析方法通过经验分析不良成因及发生位置，并根据少量数据推断存在问题的设备。这种分析方法费时费力，验证周期长，准确度低;为改善这一状况，本文基于FDC（Fault Detection and Classification）系统，利用JMP、Minitab等品质分析工具，通过大量收集不良发生前、发生时、发生后的数据，得到FDC大数据分析五步法，使得验证周期减少70%以上，准确率达85%以上，极大地提高了产品不良改善效率。

关键词：不良预警;制程参数;大数据分析

Abstract：It is well known that conventional issue analysis methods analyze the cause and location of the issue by experience，and infer the equipment in question from a small amount of data. This method of analysis is time-consuming and laborious，verification cycle is long and accuracy is low;In order to improve this situation，based on FDC（Fault Detection and Classification）system，this paper uses JMP，Minitab and other quality analysis tools to collect a large number of data before，during and after the occurrence of adverse events，and obtains a five-step method for FDC large-scale data analysis. The verification cycle is reduced by more than 70% and the accuracy rate is over 85%，which greatly improves the efficiency of improvement.

Keywords：issue warning;process parameters;big data analysis

0  引  言

随着国内对TFT-LCD液晶面板需求越来越高，DOA &Field不良也随之增多。众所周知，不良无法规避，所以如果能够预警不良的发生，在不良品到达客户和用户手中前能减少不良所造成的损失，对企业的名誉和利润都会产生重要的影响。本文受Field不良返品“周期久”“改善效果显现慢”的特点得到启发，在产品出现不良前，预警工程师调整制程参数，从而最大程度规避不良，达到提升品质的效果。

1  FDC大数据分析思路及优势

通过大量案例分析，总结得到FDC大数据分析思路：不良选取（FDC系统采集支持;优先工艺制程相关不良;影响工序相对简单）→源数据除噪（异常/特殊数据过滤;无效因子筛选;强相关因子筛选）→x因子降维（维度特征值>80%）→参数分群（组间差异与总体差异占比85%以上）→Y按类别拆分（不良一段时间内持续发生：按时间别拆分;不良频发且Lot集中：按Lot别拆分;同型号存在明显设备产线别差异：按设备别拆分）→卡方解析（卡方P值<0.05）→差异性分析（特定维度下因子按相关性排序;P值<0.05;因子优先级与工厂经验相结合）→管控线建立（波动类因子管控：利用DOE和重叠等值线法建立回归方程;寿命类因子管控：利用x区间等分法和Y分群法将源数据代码化;路径类因子管控：利用Excel透视表等操作分析）。

根据此方法，可迅速定位影响不良的显著因子，有效缩减工厂改善周期，缩小验证项目范围，准确程度可达85%以上;利用FDC大数据路径分析法，可快速分析出制程最优/最差的路径，有效规避多工序的多台设备共同作用导致的不良。

2  FDC大数据分析方法

2.1  理论分析方法

2.1.1  源数据收集和除噪

强相关因子合并、异常值域删除、区分连续型和离散型数据，如图1所示。

2.1.2  x因子降维

运用PCA算法，进行数据维度标准化，将数据因子降为若干个视角维度，如图2所示。

2.1.3  参数分群

利用散点图，查找能将变量因子有效分离的视角维度，如图3所示。

2.1.4  卡方解析

在该视角维度下，代入Y发生数量，利用卡方解析，找出明显群。

2.1.5  差异性分析

運用JMP和Minitab进行数据标准化和二进制回归分析，分析该因子群中的关键因子及影响系数，如图4所示。

2.2  常规分析法（以垂直线Mura案例为例）

常规分析法直接对源数据进行逻辑回归，得到的结果不准确;与数据处理后的计算结果对比，TOP20匹配项目仅15%，常规分析方将极大地增加再现验证难度和结果评估干扰性，如图5所示。

五步法分析步骤为：源数据除噪（因子数量减少30%）;x因子降维（维度数量减少20%）;参数分群（对多变量降维后，选取显著维度进行分析）;卡方解析（需删除差异不明显的因子群信息）;差异性分析。经过五步分析法分析后的结果如图6所示。

分析得出五步法的优势为：能够缩小因子范围，减少验证次数，缩短验证周期。

2.3  本公司案例分析举例

2.3.1  垂直线案例分析

源数据收集和除噪（除噪后因子数量由91降至72个，如图7所示）→x因子降维（选取12个表征维度，如图2所示）→参数分群（选取第二维度进行分群，如图8所示）→卡方解析（挑选具有显著差异Glass信息进行因子分析，本案例由2329变为1590条，如图9所示）→差异性分析（包括气帘压力（改善经验项）、气刀压力、清洗流量等一些主要因子，其中针对气帘压力调整后，不良率：由8%降至1.1%以下，如图6所示）。

2.3.2  DGS案例分析

DGS案例分析思路为：源数据收集和除噪（除噪后因子数量由213个降至63个，如图10所示）→x因子降维（选取6个维度表征，如图2所示）→参数分群（选取第二维度进行分析，如图3所示）→卡方解析（挑选具有显著差异Glass信息进行因子分析，本案例由80000→30000条，如图11所示）→差异性分析（包括Life类寿命参数、AK压力、清洗流量等7个主要因子，其中Life类因子占43%，如图4所示）。

3  分析工具标准化

3.1  Minitab和JMP分析操作思路统一

Minitab的分析操作思路为：不良选取→源数据采集和除噪→差异化信息筛选→因子关联性分析→改善及有效性确认→建模设定管控线。JMP的分析操作思路为：阐述实际问题→源数据清洗→变量转换/降维→模型构建→模型诊断→模型解读及使用。

由此可见，Minitab和JMP分析操作思路基本一致，可统一分析工具。

3.2  培训资料编制

撰写FDC大数据分析Array工程改善培训资料，如图12所示，内容包括培训目的、大数据分析建模过程、Minitab操作流程、JMP操作流程。

4  结  论

通过以上分析归纳，得出FDC大数据分析五步法：源数据收集和除噪→x因子降维→参数分群→卡方解析→差异性分析，与常规不良分析法相比，其能够有效缩小显著因子范围，减少验证项，针对显著因子设定管控线，缩短验证周期。

参考文献：

[1] 姜艳，宋海宁.大数据分析对企业决策的影响 [J].企业改革与管理，2018（12）：56-57.

[2] 陈明.大数据分析 [J].計算机教育，2014（5）：122-126.

[3] 何晓群，王作成.六西格玛管理与MINITAB软件 [J].中国统计，2005（9）：41-42.

[4] 罗军，宋德朝，郑永前，等.基于Minitab的质量控制技术在制造过程中的应用 [J].现代制造工程，2009（2）：19-21+25.

[5] Tam E C Y，Maynard N A，Apperley D C，etal. Group 14 Metal Terminal Phosphides：Correlating Structure with |JMP| [J].Inorganic Chemistry，2012，51（17）：9403.

[6] 刘英，南科毅.借鉴大数据分析方法 提高统计分析“含金量” [J].东方企业文化，2015（15）：345.

[7] 胡亮.基于大数据的精益六西格玛研究 [J].企业改革与管理，2016（14）：15.

[8] 黄敏.大数据分析方法及应用初探 [J].科技资讯，2017，15（18）：53-55.

[9] 林渌，李辉.决胜市场终端 [J].经营与管理，2003（10）：36-37.

[10] 龚立雄，刘娅.基于Minitab的生产过程质量特性分析与控制 [J].重庆理工大学学报（自然科学），2013，27（2）：69-73.

[11] 王会良，朱德荣，桂斌，等.MINITAB软件在工序质量控制中的应用 [J].煤矿机械，2006（10）：114-116.

[12] Racine JS. Rstudio：A platform-independent IDE for R and sweave [J].Journal of Applied Econometrics，2012，27（1）：167-172.

[13] 杨霞，吴东伟.R语言在大数据处理中的应用 [J].科技资讯，2013（23）：19-20.

[14] 叶文春.浅谈R语言在统计学中的应用 [J].中共贵州省委党校学报，2008（4）：123-125.

[15] 孙政民.国内外TFT-LCD产业的发展 [J].电子产品世界，2004（13）：37-38+42.

作者简介：张钦嘉（1993.03-），男，满族，辽宁鞍山人，中级工程师，本科，研究方向：液晶显示。