论文部分内容阅读
TFT-LCD(Thin Film Transistor Liquid Crystal Display,薄膜晶体管液晶显示器)的生产线复杂,加工工艺繁多,生产周期长,一旦出现产品不良现象,难以在短时间内进行有效的进行不良成因定位,产品的良品率无法得到快速明显的提高。不良问题的逐渐累积,使得顽固性不良对生产线加工成本的影响日增,同时高额的成本也制约了产品竞争力。为了快速有效并准确地定位到顽固性不良产生的根本原因,增加产品竞争力,本文针对TFT-LCD自动化生产过程的原始加工数据,基于数据挖掘的相关算法,提出了一种逐级向下的顽固性不良成因分析思路。具体分析的顽固性不良为DGS(Data Gate Shot)不良(Data线Gate线短路产生的线性不良),研究内容如下:(1)对DGS不良进行不良类型关联分析,DGS不良中的大类不良问题中包含众多的具体小类不良分类,为了降低不良数据中的噪声,通过相关性分析和聚类算法对小类不良进行分组,把相似的不良进行整合,以便分析各组不良的特性。(2)定位不良站点,根据各个站点和不良数据的相关程度,找出与产品不良关联程度较高的站点,作为主要优化的异常站点。(3)判定站点内的异常线体,通过综合考虑每个加工线体的投产量和不良发生率综合判定线体的不良程度,结合工厂技术人员的业务需求和判定规则,得出不良性较高的线体。(4)线体设备参数分析,用XGBoost(eXtreme Gradient Boosting)拟合参数数据,调整XGBoost模型参数,得到最优模型,最后根据训练好的模型反向推导参数的重要程度,即与目标变量的相关成都,得到需要调整的参数,即不良发生的根本原因。(5)异常参数取值调整,离散化处理参数取值,分析各个取值区间的投产量和不良发生率的关系,从而找到最优的取值区间,用于设备参数的取值调整,并且根据工厂的参数调整反馈表明线体最高不良率下降达到了8.61%。经过工厂参数区间取值调整后的反馈结果可以得知,本文提出的方法会一步一步地缩小顽固性不良成因的查找范围,最终准确有效地定位到加工设备的参数上,并且对顽固性不良问题进行了很大程度的优化,提高了生产良品率。