數(shù)據(jù)挖掘技術在中測數(shù)據(jù)分析中的應用.pdf

1、數(shù)據(jù)分析已經(jīng)成為了企業(yè)管理的基石,人們正在經(jīng)歷從經(jīng)驗式管理到科學決策的轉(zhuǎn)變。當今很多世界頂尖的企業(yè)都把數(shù)據(jù)分析當成企業(yè)競爭戰(zhàn)略,通過數(shù)據(jù)分析提高企業(yè)的競爭優(yōu)勢。中國的企業(yè)現(xiàn)在也面臨著各種各樣的困難,急需要通過科學的方法降低成本、提高經(jīng)營質(zhì)量、加快產(chǎn)品創(chuàng)新。數(shù)據(jù)分析無疑成為了開啟成功大門的鑰匙。半導體生產(chǎn)工藝復雜、參數(shù)眾多,如何通過對中測數(shù)據(jù)的分析,挖掘出各項參數(shù)間的關聯(lián)性對半導體生產(chǎn)意義重大。然而用傳統(tǒng)的數(shù)據(jù)分析技術不能滿足實際生產(chǎn)的需

2、要。數(shù)據(jù)挖掘方法很好地克服了半導體參數(shù)眾多和非線性的特點,能很好的解決生產(chǎn)中的實際問題。相信今后幾年數(shù)據(jù)挖掘方法將會給半導體生產(chǎn)工業(yè)帶來巨大影響。本文系統(tǒng)地介紹了數(shù)據(jù)挖掘的商業(yè)流程和建模框架,并對數(shù)據(jù)挖掘中的關聯(lián)分析技術、聚類分析技術、異常檢測技術,進行了概述性的介紹。并且對分類技術進行了詳細的介紹,包含了常用的分類算法,如:決策樹、神經(jīng)網(wǎng)絡等。對各種算法的優(yōu)缺點進行了闡述,并且對決策樹所遇到的過擬問題進行了分析。為了解決過擬問題,本文

3、簡單介紹了幾種剪枝方法。在介紹分類算法的同時,對分類器的性能評估方法和比較分類器的方法進行了說明。本論文主要是采用數(shù)據(jù)挖掘技術解決兩個生產(chǎn)中實際遇到的問題,一是電源用產(chǎn)品高溫漏電ICBO合格率偏低問題,二是芯片中測中因未自動化測試存儲時間ts,導致參數(shù)ts測試控制存在準確率問題。這兩個問題的共性是所要控制的參數(shù)非生產(chǎn)、測試過程所能直接控制的參數(shù),是需要進行間接管控的。論文通過選取數(shù)據(jù)挖掘技術中適宜的算法,尋找與目標參數(shù)強相關且生產(chǎn)、測試