[发明专利]工艺异因分析方法与工艺异因分析系统

说明书

技术领域

本公开涉及一种工艺异因分析方法与工艺异因分析系统。

背景技术

制造业将原物料加工为产品的过程称为制造流程(或简称工艺)。随着科技日新月异，可被制造的产品越来越多样化、精细化，而相对地工艺也愈发复杂，可调控的工艺参数也越来越多。在制造现场环境中，亦存在着许多会使工艺条件产生变异因素，例如每日的气温、湿度等环境因子都有所不同。因此机械设备经过长时间的运作，其物理化学特性产生的偏移、原物料的来源、成分、操作人员的熟练度、经验等变动的因素提高了维持工艺条件稳定的难度。而当工艺条件不稳定、产生变异时，往往会造成产品的缺陷产生。

长久以来，制造现场的工程人员面对产品缺陷，皆希望尽快找出缺陷的成因，以调整工艺，恢复正常生产。制造现场的缺陷成因分析在传统上通常是靠人工分析各种机械设备运转时留下的记录，例如各种工艺的控制参数、测量参数，或各种人为操作留下的记录，例如作业记录、操作记录等，来找出造成缺陷的重要工艺参数。这种方式高度仰赖资深人员经验，且面对日益复杂的工艺条件时，即使是资深人员，亦须花费许久的时间才能找出成因所在，而在此同时，便可能产出更多的不良品。

因此，有许多工艺异因分析技术被发展出来，可对制造过程中留下的大量数据进行自动的分析，以期快速锁定造成缺陷的重要工艺参数，协助工程人员快速排除异常，回复正常的生产，减少缺陷造成的损失。

目前的工艺异因分析技术，有些受限于可分析的数据类型，有些则无法分析各成因参数的贡献程度，更重要的是，在导入制造现场时，常因制造现场碍于人力、物力、成本考虑而无法提供完整的工艺参数信息，导致分析产生偏误，仍有改善空间。

发明内容

本公开提供一种工艺异因分析方法及工艺异因分析系统，其可将非数值型数据进行数值编码，并利用分类器选出造成产品缺陷的关键工艺参数。

本公开的一范例实施例提出一种工艺异因分析方法，包括获得多个产品的工艺数据，工艺数据包括对应上述产品的多个工艺参数及产品质量参数。上述方法还包括使用非概率类型分类器及概率类型分类器的至少其中之一对工艺数据作运算，以获得每一工艺参数的贡献度。上述方法还包括判断分类器正确率是否大于阈值。上述方法还包括若分类器正确率大于阈值时，对工艺参数进行一删除操作以删除具有最低的贡献度的工艺参数，并再次使用非概率类型分类器及概率类型分类器的至少其中之一对工艺数据运算，以获得每一工艺参数的该献度；以及若分类器正确率不大于阈值时，将工艺参数设定为关键工艺参数。

本公开的一范例实施例提出一种工艺异因分析系统，包括收集模块、评估模块、判断模块及比较模块。收集模块用以获得多个产品的工艺数据，工艺数据包括对应上述产品的多个工艺参数及产品质量参数。评估模块用以使用非概率类型分类器及概率类型分类器的至少其中之一对工艺数据作运算，以获得每一工艺参数的贡献度。判断模块用以判断分类器正确率是否大于阈值。若分类器正确率大于阈值时，比较模块对工艺参数进行一删除操作以删除具有最低的贡献度的工艺参数，并再次使用非概率类型分类器及概率类型分类器的至少其中之一对工艺数据运算，以获得每一工艺参数的贡献度，其中若分类器正确率不大于阈值时，比较模块将此些工艺参数设定为关键工艺参数。

基于上述，本公开的工艺异因分析方法及工艺异因分析系统会使用非概率类型及概率类型分类器对工艺数据作运算以获得工艺参数的贡献度，并在分类器正确率大于阈值时删除贡献度低的工艺参数，以获得关键工艺参数。

为让本公开的上述特征和优点能更明显易懂，下文特举实施例，并配合附图作详细说明如下。

附图说明

图1为根据本公开所绘示的金属加工工艺范例的流程图。

图2为根据本公开一范例实施例所绘示的工艺异因分析系统的方块图。

图3为根据本公开一范例实施例所绘示的最佳化标记法的流程图。

图4为根据本公开一范例实施例所绘示的具有变量选择结构的分类器。

图5为根据本公开一范例实施例所绘示的具有变量选择结构的分类器。

图6为根据本公开一范例实施例所绘示的概率模型法的流程图。

图7为根据本公开一范例实施例所绘示的工艺异因分析方法的流程图。

【符号说明】

101：工艺控制系统

102：进料阶段

103：第一加工阶段

104：第二加工阶段

105：第三加工阶段

106：第四加工阶段