论文部分内容阅读
国内的液晶制造业经过十多年的发展,相关的制造技术和工艺已经达到了一定的成熟程度,产线的管理也逐渐走向自动化。但是,随着国内市场与国际市场融合的步伐加快,我国制造业面临的竞争也日趋激烈,企业要想立于不败之地,只能从降低成本和提高产品质量来考虑:在一定的市场范围内,由于产品进货价格、工资水平等影响成本的重要因素差别不大,因而降低成本不能没有限度的进行下去。相对而言,提高制造业的产品质量仍然有巨大的潜力可挖。在这种情况下,液晶制造厂商为了取得进一步的突破,实现产品质量的进一步提升,就迫切需要有一种合适的方法来发现生产过程中存在的各种细小变差,并运用合适的品质分析工具来加以统计、分析,有目的的采取措施改善和优化流程。本文的研究工作,以国内某液晶显示器生产厂商在Array步GTM段的生产流程为对象,以产生的两种不良结果——“源漏极短路”和“K不均”为分析目标,整理和收集了08年3月份到8月份6个月的工艺和材料数据,从生产工艺的各流程交互的角度出发,运用数据挖掘技术探讨可能产生不良的原因,建立预测模型。论文的主要工作及创新点包括以下方面:1.介绍了液晶质量控制的现状、业务背景和传统的质量控制方法,并在此基础上运用shewhart控制图对工艺的各流程参数进行了控制;2.结合SAS的SEMMA方法论,对收集的数据进行预处理和过采样:3.结合SAS系统,运用决策树和神经网络两种工具探寻可能引发不良的原因,证明了在工艺的每一个流程都单独受控时(即传统质量控制方法已不能继续优化流程),这两种方法仍然可以帮助厂商降低不良现象的发生率。4.对决策树和神经网络两种模型的结果做了比较。本文研究成果对其他行业的数据挖掘项目也具有一定的参考价值。