1、2023年5月3日星期三决策分析研究决策分析研究(简祯富简祯富)簡簡 介介 簡禎富簡禎富 是國立清華大學工業工程與電機工程雙學士，美國威斯康辛大學麥迪遜分校工業工程博士，現為國立清華大學工業工程與工程管理學系副教授。曾榮獲斐陶斐榮譽會員、清華大學新進人員研究獎、國科會甲等研究獎、教育部産學合作研究獎、中國工業工程學會優秀青年工業工程師獎、工業工程論文獎，著作發表於 IEEE Trans.on Semiconductor Manufacturing,IEEE Trans.on Power Systems,IEEE Trans.on Power Delivery,Int.Trans.in OR,J
2、.of MCDA,Computers&IE,Int.J of CIM,R&D Management，工業工程學刊、科技管理學刊、系統與管理、管理研究學報、捷運技術等國內外期刊，並獲得國內外專利。研究領域包括決策分析、統計決策與資料挖礦、決策支援系統、半導體製造模式與分析等。趨趨 勢勢1.企業整合與電子化之趨勢資訊科技的發展與其角色電子商務與新企業模式運籌管理與供應練管理的必要性物流、資訊流、金流.-資料大量迅速的產生與累積2.資訊系統的能力（儲存、運算、搜尋、傳送、記憶）3.資料挖礦（Data Mining）與決策支援、企業智慧4.資料挖礦與知識發現(KDD)、知識管理、顧客關係管理5.網路時
3、代的決策者：資訊（知識）就是力量。企業整合與電子化之趨勢企業整合與電子化之趨勢企業中資料的階層分級（Cabena et al.,1997）企業資料/資訊資源管理知識管理生產生產/行銷行銷建立策略優勢建立策略優勢設計設計/開發開發企業目標企業目標企業使命企業使命企業願景企業願景差異分析差異分析/市場分析市場分析CSFsKPIs概念概念開發開發支援支援試產試產製造製造品質品質測試測試出貨出貨訂單登錄訂單登錄生產計劃生產計劃企業策略企業策略需求需求人力資源管理財務管理決策分析研究室決策分析研究室 在系統日趨資訊化、大型化與複雜化之環境下，企業面臨空前激烈的競爭，所亟待解決問題之難度與複雜度亦日益增加
4、。本研究室整合決策科學理論、決策分析方法與資訊科技，而從問題架構、資料收集、資訊整理乃至決策輔助的完整思維過程，提供數字化系統化管理與決策之依據，以提升企業競爭力，達到運籌維幄決勝於千里之外。本研究室結合理論與實務，兼重量化與質化之分析，而以產業界問題為導向，特別是不確定狀況下與大量資料混雜時的決策問題，積極研究發展決策分析、資料挖礦與決策支援系統之研究方法及分析工具，以解決理論上與應用上的問題；並與企業合作進行實證研究檢驗成效，以作為更深一層研究的基礎。主要研究方向如下：多準則決策分析決策支援系統資料挖礦方法及統計決策半導體製造模式與分析研究背景與重要性研究背景與重要性 半導體製造等高科技業
5、對國內經濟發展以及國家競爭力之提昇，影響極為重大。高科技產業特性為產品生命週期短、交期快，市場變動快、風險高，競爭對手多、價格競爭激烈，製程複雜、研發需求強、技術密集度高。基於這樣的產業特性，半導體業所面臨的決策問題通常亦具有不確定性、時效性、高風險性、複雜程度高等特性。Key Issues in Information Systems Management(Survey in the USA in the 1994-1995,Brancheau et al.,1996)RankUS SIM Issue1Building a responsive IT infrastructure2Facil
6、itating and managing business redesign3Developing and managing distributed systems4Developing and implementing an information architecture5Planning and managing communication networks6Improving the effectiveness of software development7Making effective use of the data resource8Recruiting and develop
7、ing IS human resource9Aligning the IS organization within the enterprise10Improving IS strategic planningKey Issues in Information Systems Management(Cont.)(Surveys in 11 nations and regions in 1988-1992,Watson et al.,1997)RankInternational Issue1Strategic planning2IS organizational alignment3Inform
8、ation architecture3Data as a resource3Human resources3Security and control3Competitive advantage8Integrating technology9Software development9ISs role and contribution問題特性問題特性 由於半導體產業的自動化與電子化，在複雜的製造程序中，都會自動蒐集產品經過機台加工的工程資料，或以人工輸入的紀錄資料來進行製程監控、故障分析與製造管理。因為製造程序複雜、影響變數眾多，工程師往往無法從收集的龐大資料中，迅速有效地察覺可能導致其中製程異常
9、的原因或是歸納造成產品品質不良的因素，更遑論從資料中發現先前隱藏不知的重要訊息。半導體製造資料挖礦相關研究必須結合領域知識與研究分析方法，並需透過實證研究來檢驗具體成果。資料挖礦與資料庫知識發現資料挖礦與資料庫知識發現資料庫知識發現（KDD）是從資料中建立確定有效的、新奇的、潛在有用的、以及易懂形式的樣型之過程，且此過程不是顯而易見。資料挖礦從大量資料中以自動或是半自動的方式來探索(explore）和分析資料以發掘出潛在有用的資訊，例如，有意義的樣型（Pattern）或規則（Rule）等。並可進一步將分析後的資訊整理歸納以作為決策之依據，而累積的資訊與決策經驗均成為企業知識管理的具體實踐（簡禎
10、富等，2001）。Data:Resource or Debt?Data Issues Facing a Typical Company:Strategy Knowledge of Data Resource Access Quantity Quality New Data Needs Usage Security Privacy Management or OrganizationSource:A.V.Levitin and T.C.Redman,“Data as a resource:Properties,Implications,and Prescriptions”,Sloan Manag
11、ement Review,Fall 1998研究方法研究方法 本研究室從問題定義與架構、目標釐清、資料收集、資訊整理、分析乃至決策輔助與方案執行的完整思維過程，建立解決問題的模式，發展有效的分析方法，提供數字化系統化之決策依據；並以實證研究檢驗成效，作為更深一層理論研究的基礎。利用資料，考慮成本、風險、以及決策實行的限制。整合方法論（學術研究資源）、領域知識（專家、使用者）以及資訊技術（成果系統化、擴散）。資料挖礦之步驟資料挖礦之步驟 找對問題：首先對問題領域與研究目標有清楚的定義與架構，例如企業想瞭解何種類型顧客特殊的需求等。資料準備：整理龐大的資料以利後續分析 資料取得 資料檢視 資料格式
12、化與轉換發展工具：針對問題本質使用適當工具分析龐大的資料以發現有用的資訊。產生方案：根據所得到的資訊擬定適當的行動方案，協助決策。評估結果：評估這次挖礦的成效，並有效地運用這次結果，以作為下一個改善循環之依據。資料挖礦問題類型資料挖礦問題類型（1）分類（Classification）：根據已定義之類組(class)，將分析對象的分門別類。例如，低良率產品之分類（Low Yield Classification）；建立顧客credit的score card.將顧客依風險高低加以分類 提高服務品質：基於顧客關係從事交易、授權、理賠、契約條件、授信額度等決策以提高服務品質。（2）預測（Predict
13、ion）：根據對象屬性之過去觀察值來推估該屬性未來之值。例如，良率之預測（Yield Prediction）；將顧客消費行為或繳款記錄預測未來表現 客戶流失管理(Attrition Management)：利用統計模型預估可能流失的顧客並採取因應措施以留住顧客 付款延誤管理(Arrears Management)：基於相關之客戶關係來處理顧客延期付款之問題，以為良好關係預留空間 資料挖礦問題類型資料挖礦問題類型 (續續)（）關聯分組（Affinity Grouping）：從所有物件決定那些相關物件應該放在一起。例如，機台群組。依照顧客對不同金融商品的消費模式，將不同配套措施加以搭配，以提昇服務
14、品質或降低營運風險。交叉銷售：以不同的產品及服務對不同的顧客從事交叉銷售(cross selling)，以提高產品與服務使用度。（）聚類（Clustering）：在母體中區隔為較具同質性之群組(Clusters)，事先未對於區隔加以定義，而資料中自然產生區隔。例如，晶圓圖之聚類分析（WBM Clustering）將顧客分群作為市場區隔和顧客關係管理。資料挖礦的方法資料挖礦的方法問題的本質與資料挖礦模式問題的本質與資料挖礦模式Statistical ModelsNeuralNetworksDecisionTreesData Mining 工具的特色工具的特色1.不需太多統計知識 2.以圖形/決策
15、規則/資料/解釋 呈現3.可整合分析各種不同資料(庫)4.可整合各種資訊工具5.可快速展現成果，支援決策半導體製造特性半導體製造特性(1)每一產品在生產流程必需經過至少200到500個不等的製程步驟，過程中會有許多變異產生，造成生產週期(cycle time)與交期的不穩定；(2)每一個產品需要經過12至30不等的製程層別(layer)，加上在製品回流(Reentrance flow)的現象，使得生產控制難易掌握；(3)製造過程中，有批次生產(batch run)、批次生產量(batch size)、連續生產(continue run)與否，和多反應室(multi-chamber)機種的作業等
16、相當特殊的生產型態，難以計算每一產品，在各個機台的實際生產時間；(4)產品良率的不確定因素、生產環境的異動和設備的當機等，使得良率控制不易；(5)雖然機台當機可經由預防保養獲得改善，但是仍有不可抗拒的突發因素，使得機器設備發生不可預測的當機情況，也造成半導體製造過程的不確定性；(6)工作站可能因為產品種類、數量變化或當機等因素，造成某設備的機台的需求突然升高，因此瓶頸機台會因不同的狀況與條件而移動，因而產生瓶頸機台漂移的現象。資料的價值資料的價值 高科技產業的顧客最關心的是什麼？有變異存在吗？如何降低（產品、製程）變異，以提升服務品质？如何提昇（故障排除）效率，以提升服務品质？如何創造（資訊）
17、價值，以提升服務品质？如何提升服務品质，以提升企業競爭力？資料是資產或負債？資料是資產或負債？DimensionMISDSSEISEDAApplicationsProduction,Control,Monitoring,Complex integrated problem areasSupport to top management decisionsQuality&Yield ImprovementP r i m a r y OutputPredefined periodic reportsInformation to support specific decisionsStatus acc
18、ess,exception reporting,Key indicatorsNon-scheduled analysis,Quality related information,Yield Status,UsersMiddle management,functional usersAnalysts,Managers,usually limitedSenior executive or managersProduct/Process/engineers and managersImpetusEfficiencyEffectivenessTimelinessEfficiency&Effective
19、nessDesignFunction OrientedProblem OrientedManagement OrientedAnalysis OrientedModelNoneYes/LP,Bayesian,NoneStatistical assumptionDevelopment TeamUser with ITDomain Expert,ITManagers with ITDomain Expert,Statistician,IT SpecialistIntegrated s p e c i a l softwareUsually noneYesEIS package or ToolSta
20、tistical software,Data Mining algorithm EDA versus MIS/DSS/EIS光阻覆膜晶片投入雷射刻號晶片清洗複晶矽沉積矽化鎢沉積金屬膜TEOS 沉積硼磷氧化膜氮化矽/氧化膜護層沉積顯 影曝 光光罩投入光阻去除化學蝕刻電漿蝕刻離子植入金屬層熱處理電性測試晶園測試 MES(by Lot)Lot Information :Process History/Metrology Data/Comment Tool Information :PM data/Comment/Status Defect Information :Defect Count/Defe
21、ct Type Basic Data :Route/Product/Parameter/Spec.WATPars/wfSORTBins/DieOff-Line Engineering DatabaseSPC/MonitorCorrelationTest Statistic.(ANOVA/K-W/Decision Tree)Cluster/PCASOM/Feature Extraction(Associate)Pattern Extraction(Neural Network)ProcessDataAnalysis晶圓製造流程晶圓製造流程 vs Data Flow&Analysis Flow（彭
22、誠湧、簡禎富，（彭誠湧、簡禎富，2001）Off-Line Engineering DatabaseDataSPC/Monitor&Equipment MatchingCluster/PCASOM/Feature Extraction Process Tools WAT parameters(Associate)Pattern Extraction(Neural Network)by Bin,Bin Value,Die PositionAnalysisProcess(Major)Lot History by Route+Operation Tool+Process Date Time+Reci
23、pe+Operator Metrology Data(Lot/Wf/Site)Defect Count+Defect Type Comment Tool History by Tool Id+Date Time PM monitor data Tool Status WATBy Lot/Wf/Site Parameter Name Test Value Spec Limit Valid LimitSORTBy Lot/Wf/Die Bin Name Bin Value Die PositionCorrelation(by Lot/Wf/Site)Metro.v.s.WAT Metro.v.s.
24、SORT WAT v.s.SORT Test Statistic.T-Test ANOVA Kruskall-Wallis Decision TreeData Flow&Analysis Flow（彭誠湧、簡禎富，（彭誠湧、簡禎富，2001）此期間某參數異常，欲找出原因分析WAT參數對該參數的影響找出異常量測參數找出與異常參數相關的製程例：某一期間生產之lots Bin map周圍failure較多從相關製程中找出問題機台FMEA半導體製程資料挖礦研究架構半導體製程資料挖礦研究架構（簡禎富、蔡承勳，（簡禎富、蔡承勳，2001）晶圓圖分析研究問題：研究問題：晶圓圖分類晶圓圖分類（簡禎富、林鼎浩、
25、劉巧雯、彭誠湧、徐紹鐘、黃佳琪，（簡禎富、林鼎浩、劉巧雯、彭誠湧、徐紹鐘、黃佳琪，2001）背景與動機 晶圓CP測試階段產生晶圓圖（Wafer Bin Map）晶圓圖出現特殊的樣型（Pattern）目前半導體廠對於晶圓圖檢測的方法 目的 發展晶圓圖分類的方法和運算法則 紀錄其共同故障表徵（Common Fail Pattern），以建立系統化分類的晶圓圖庫 縮短工程師故障排除（Trouble Shooting）的範圍與決策分析所需的時間 目前的分析方法必須有經驗的工程師用目測及主觀判斷來進行分類人工分群人工分群-目測法目測法結合空間統計方法、類神經路網路，進行晶圓圖分群、比對、再分類（Chie
26、n and Liu,2001）。並與進一步分析結合。晶圓圖資料晶圓圖資料挖礦分類架構挖礦分類架構例：資料取得與準備例：資料取得與準備DATASET：透過EDAS取得LPST1發生異常時期的lot，在某一WAT量測program的所有參數與對應的LPST1_P95 去除只有單一值與空白值的欄位後 共有277個欄位 1419個LOTSDATA PARTITON TRAINING 60%VALIDATION 30%TEST 10%資料取得與準備資料取得與準備（簡禎富、蔡承勳，（簡禎富、蔡承勳，2001）_67_Y_M_PWBP_YIELD研究問題：研究問題：製程資料特徵萃取與分析製程資料特徵萃取與分
27、析clusterRule inductiondataJudgment or further analysistargetSOM 多維度資料特徵萃取多維度資料特徵萃取（簡禎富、李培瑞、彭誠湧，（簡禎富、李培瑞、彭誠湧，2001）Low yieldLow yield綜合表現拓樸圖綜合表現拓樸圖Pass表現拓樸圖表現拓樸圖研究問題：研究問題：WAT事故診斷資料挖礦事故診斷資料挖礦若發現晶圓允收測試所量測的電性參數發生異常的情況，則表示在製程中某些站別或機台出現問題。提出兩種事故診斷方法：統計檢定統計檢定和決策樹分析決策樹分析發展遞迴決策樹遞迴決策樹方法，以解決資料相關性問題。問題定義決定目標變數為L
28、PST1_P95建構決策樹輸入變數間之相關性分析變數間是否有高相關性完成建構一系列決策樹結果比較與分析選擇拒絕的變數決策樹決策樹n=5,00010%Goldn=3,350n=1,650Factor i vyesno21%Gold5%Gold半導體製程資料挖礦架構半導體製程資料挖礦架構 決策樹分析決策樹分析（王鴻儒、簡禎富、李培瑞，王鴻儒、簡禎富、李培瑞，2001）Using Bayesian Network for Fault Location on Distribution Feeder Projected:Actual:Dreaded:Needed:Data PreparationData
29、 Analysistarget TimeData Acquisition資料挖礦的進行資料挖礦的進行Validation,Interpretation,Decision,與旺宏之與旺宏之合作模式合作模式 整合方法論（學術研究資源）、領域知識（專家、整合方法論（學術研究資源）、領域知識（專家、使用者）以及資訊技術（成果系統化、擴散）。使用者）以及資訊技術（成果系統化、擴散）。理論與實務結合之共同指導理論與實務結合之共同指導方 鈞（1999），失效模式與效應分析以改善半導體製程技術之研究，榮獲 88年度科技管理碩士論文獎優等獎。林鼎浩（2000），建構半導體製程資料挖礦架構及其實證研究，榮獲 89
30、年全國碩士論文競賽工工組優勝獎。張國浩(2000)，覆蓋誤差模式及取樣策略對良率改善之研究榮獲 89年度國科會工業工程學門。碩士論文獎吳吉政(2001)，半導體元件測試排程模式之研究榮獲中國工業工程學會90年度研究生專題論文競賽第一名。Data Value Development in Macronix ApplicationEDAPDABDA(Sales/HR/Fin)EIS(KPI)UsersBUsSBUsCorporate 集團成員集團成員Data StorageData FilesData BasesData MartsData WarehouseMethodology敘述統計敘述統計
31、推論統計推論統計多變量多變量/時間序列時間序列Data MiningOrgan./Teaming EDMCSD+DVD(資料價值發展部資料價值發展部)(Internal+External+Academic)IT+SED問題需求導向之產學合作研究計畫問題需求導向之產學合作研究計畫 晶圓製造中心 力行廠區：決策分析於半導體製造之改善研究（I）決策分析於半導體製造之改善研究（II）晶圓針測圖分類與圖形樣型分析之研究 建構半導體製造管理之目標層級與製造管理系統之研究 半導體產能規劃與設備工時改善系統之研究 旺宏電子後端作業中心：半導體測試廠測試機台組態與排程方法系統化之研究 半導體測試廠成本系統合理化
32、之研究成果分享成果分享與擴散與擴散 旺宏與清華產學雙贏的成果分享旺宏與清華產學雙贏的成果分享專利申請 6件論文發表 系統發展與導入系統發展與導入 產學合作成果教育訓練與擴散產學合作成果教育訓練與擴散半導體製造技術研討會半導體製造模式與分析研討會 清華大學決策分析論文發表會執行之研究項目執行之研究項目建構半導體製程改善之失效模式與效應分析架構及其應用研究建構半導體製程資料挖礦架構及其實證研究抽樣策略之統計決策與其在半導體應用之實證研究最佳化晶圓曝光之反覆切割程序法半導體晶圓圖分類及其實證研究覆蓋誤差模式、取樣策略、與機台群組之研究台電契約容量決策分析與某半導體廠之實證研究半導體測試廠成本系統合理化與與測試排程方法系統化之研究半導體製造資料挖礦以提昇製造管理績效之研究
