漏檢因素之資料探勘分析與探討-以X公司晶圓級晶片尺寸封裝製程為例

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：107

、訪客IP：18.117.132.79

姓名

葉明淵(Ming-yuan Yeh) 查詢紙本館藏

畢業系所

工業管理研究所

論文名稱

漏檢因素之資料探勘分析與探討-以X公司晶圓級晶片尺寸封裝製程為例

相關論文

★ 佈置變更專案工程的執行研究－以H公司研發單位為例	★ MIL-STD-1916、MIL-STD-105E與結合製程能力指標之抽樣檢驗計畫
★ 建構客戶導向的製造品質資訊系統--以某筆記型電腦專業代工廠商為例	★ GMP藥廠設施佈置規劃的探討--以E公司為研究對象
★ 應用Fuzzy c-Means演算法之物流中心位址決策模式研究	★ 品質資訊系統之規劃與建構 -- 以某光碟製造公司為研究對象
★ 從製程特性的觀點探討生產過程中SPC管制圖監控運用的適切性 -- 以Wafer Level 封裝公司為例	★ 六標準差之應用個案研究-以光學薄膜包裝流程改善為例
★ 利用六標準差管理提昇中小企業之製程品質-以錦絲線添加防銹蠟改善為例	★ 專業半導體測試廠MES 系統導入狀況、成果及問題之探討-以A 公司為例
★ 以RFID技術為基礎進行安全管理導入－以A公司為例	★ 如何提昇產品品質及降低成本—以光碟壓片廠A公司為例
★ ERP導入專案個案分析—以半導體封裝廠A公司為例	★ 石英元件製造業之延遲策略應用— 以T公司為研究對象
★ 十二吋晶圓廠自動化搬運系統規劃與導入—以A公司為例	★ 半導體封裝產業之生產革新改善活動-A半導體股份有限公司導入經驗探討-

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

至系統瀏覽論文 ( 永不開放)

摘要(中)

由於智慧型手機與手持裝置的快速崛起與發展，造就了週邊零組件的輕薄化，而WLCSP為有效降低封裝後體積與重量之高階封裝技術，該技術利用半導體堆疊方式，使得封裝後面積小於裸晶的1.5倍、長度低於1.2倍，但也因此獨特的堆疊型態與尺寸優勢，使得在不良品檢驗上有著難以克服的先天缺陷（層層包覆與弱視呈像），造成製造商在檢驗成本上居高不下。
本論文使用資料探勘中的主成分分析與因子分析，以及知識挖掘（KDD）的七大步驟，將漏檢資料做逐一的整理、分析、比較，並從中將同性質之因子找出，達到提升生產力、降低漏檢率與檢驗成本之目的。
故依據因子分析的結果，得到本研究之結論與建議如下：
1.漏檢因素之同性質因子為：2次複判與弱視呈像，所以利用光學檢測機的導
入，以降低此2項因子對漏檢率之影響。
2.建立時間序列之即時監控機制，以達到風險控管與漏檢率控制之目的。

摘要(英)

Due to the rapid rise and development of smart phones and handheld devices, it pushed peripheral components to become much lighter and thinner. This condition produced a new technology “WLCSP”. WLCSP is a advance package process which used a lot of semiconductor methods to reduce volume and weight. It let the total package area less than 1.5 times and length less than 1.2 times. Although this package type can satisfy end customer’s desires, but it also makes a new issue to manufacturing company “inspection leakage”.
In order to keep WLCSP’s advantages and avoid its harms, this paper used statistical methods to solve these problems. It includes 2 parts of this study “Principal Components Analysis and Factors Analysis”. Also through the 7 steps of Knowledge Discovery in Databases, we clarified and discover the homogeneity factors. Finally we used its result to create action plans for the purpose of productivity improvement, leakage rate reduction and inspection cost reduction. So we generated the conclusions and suggestions were as below:
1.Import automatic optical inspection equipment and
provide the solution of problem solving for focus issue
and weakness graphic picture.
2.Import time sequence for mechanism establishment of
real time monitor, to meet 2 purposes “risk control and
leakage rete control”.

關鍵字(中)

★ WLCSP製程
★ 知識挖掘
★ 資料探勘
★ 主成分分析
★ 因子分析

關鍵字(英)

★ WLCSP process
★ Knowledge Discovery in Databases
★ Data Mining
★ Principal Component Analysis
★ Factor Analysis

論文目次

摘要.............................V
Abstract........................VI
誌謝.............................VII
目錄.............................VIII
圖目錄.............................X
表目錄............................XII
第一章　緒論........................1
1.1　研究背景.......................1
1.2　研究動機.......................2
1.3　研究目的.......................2
1.4　研究範圍與限制..................3
1.5　論文架構.......................4
第二章　文獻回顧.....................6
2.1　半導體封裝目的說明...............6
2.2　封裝製程之分類與特性.............8
2.3　WLCSP製程介紹.................12
2.3.1　WLCSP構造..................12
2.3.1　WLCSP製程..................13
2.4　資料探勘介紹...................23
2.4.1　資料探勘的定義...............23
2.4.2　資料探勘的主要方法............25
2.4.3　資料探勘運用之文獻............26
2.4.4　研究概述.....................27
第三章　產業概況及個案公司簡介.........28
3.1　產業概況.......................28
3.2　半導體封裝之發展與趨勢...........29
3.3　個案公司簡介....................31
3.3.1　成長歷程.....................31
3.3.2　核心文化.....................33
3.3.3　競爭策略.....................33
3.3.4　未來挑戰.....................33
第四章　個案分析與探討................35
4.1　個案說明.......................35
4.1.1　分析物件.....................35
4.1.2　解析流程.....................36
4.1.3　資料來源.....................37
4.2　研究方法.......................37
4.3　模型建立與個案解析...............40
4.4　因子分析模型之對策擬定............46
4.4.1　Factor 1{SM, LH, LO}.........47
4.4.2　Factor 2{CN, GS, GU, BM}.....49
第五章　結論與後續研究之建議............51
5.1　本研究之結論.....................51
5.1.1　漏檢率與生產力之分析............52
5.1.2　成本分析與回收年限..............53
5.2　後續研究之建議...................54
5.3　對個案公司之建議..................55
參考文獻.............................56

參考文獻

中文部分
1.丁一賢、陳牧言（2005），資料探勘，台中：滄海書局。
2.白憲國（2001），網際網路之電子病歷與藥品管理分析研究，中央大學機械工程所未出版碩士論文。
3.呂宗興（2010），從IC封裝的角度看系統產品組裝製程及使用期間所產生之IC元件失效問題，經濟部工業局-智慧電子網路學院，Retrieved October, 11,2013，取自：http://www.idb-si.net/si_lc/articles/teacher_article_content.php?
artid=236。
4.李訓誠（2010），應用資料探勘方法於自行車交通事故特性之研究，中央警察大學交通管理所未出版碩士論文。
5.阮智平（2009），台灣半導體封測產業發展策略之研究，靜宜大學管理研究所未出版碩士論文。
6.吳學良（2007），重力式單軌IC測試分類機之創新設計，中山大學機械與機電工程研究所未出版碩士論文。
7.林宇健（2008），資料探勘技術應用於慢性疾病健康照護管理系統，靜宜大學資訊管理所未出版碩士論文。
8.邱皓政（2008），量化研究與統計分析-SPSS中文視窗版資料分析範例解析，台北：五南圖書出版股份有限公司。
9.徐祥禎（2009），電子構裝結構分析，義守大學機械與自動化工程學系教材，高雄。
10.徐潤忠（2006），IC載板產業經營績效評估-以DEA與MPI模式分析法，中央大學企業管理研究所未出版碩士論文。
11.張云濤、龔玲（2007），資料探勘原理與技術，台北：五南圖書出版股份有限公司。
12.郭信宏（2008），應用資料探勘技術於面板檢測實證研究，中央大學工業管理所未出版碩士論文。
13.陳順宇（2000），多變量分析，台北：華泰文化事業股份有限公司。
14.鄧仁棋（2010），以資料探勘技術提升覆晶構裝技術之產品開發能力，中央大學工業管理所未出版碩士論文。
15.蔡宗岳（2008），晶圓級構裝承受JEDEC上板級掉落衝擊測試之研究，成功大學工程科學所未出版博士論文。
16.歐宗般（2010），資料探勘為基礎之零售業銷售預測模式以連鎖超商鮮食商品為貌，清華大學工業工程與工業管理研究所未出版博士論文。
17.劉振中（2003），無鉛錫球含多層金屬薄膜之晶圓級封裝結構應力分析，成功大學工程科學所未出版碩士論文。
18.劉焮芳（2011），應用資料探勘技術並以DMAIC為架構建構在製品水準設定流程之研究，中央大學工業管理所未出版碩士論文。
19.盧淑華（2006），IC封裝與測試產業，產業資訊，（95）38，21-27。
20.謝邦昌、鄭宇庭、蘇志雄（2011），SQL Server 2008 R2資料採礦與商業智慧，台北：碁?資訊股份有限公司。

英文部分
1.Agrawal, R. & Srikant, R., (1995). Mining Sequential Patterns. Proceedings of the 11th International Conference on Data Engineering (ICDE). Taipei, Taiwan.
2.Berry Michael, J. A., & Linoff Gordon (1997). Data Mining Techniques for Marketing, Sales, and Customer Support, New York: Wiley.
3.Curt, H. (1995). The Deville’s in The Detail: Techniques, Tool, and Applications for Data Mining and Knowledge Discovery-Part 1. Intelligent Software Strategies. 6 (9), 2-3.
4.Chen, M. S., Han, J., & Yu, P. S. (1996). Data Mining: An Overview from Database Perspective. IEEE Transactions on Knowledge and Data Engineering, 8 (6), 866-883.
5.Elmasri, R., & Navathe, S. (2000). Fundamentals of Database System (3rd ed.). Boston: Addison-Wesley.
6.Fayyad, U. M., & Stolorz, P. (1997). Data Mining and KDD: Promise and challenges. Further Generation Computer System. 13 (1), 99-115.
7.Fayyad, U. M. (1996). Data Mining and Knowledge Discovery: Making Sense out of Data. IEEE Expert, 11 (5), 20-25.
8.Hui, S. C. & Jha, G. (2000). Data Mining for Customer Service Support. Information and Management, 38 (1), 1-13.
9.Han, J., & Kamber, M. (2001). Data Mining: Concepts and Techniques. (1st ed.) Massachusetts: Morgan Kaufmann.
10.Keima, D. A., Pansea, C., Sipsa, M., & Northb, S. C. (2004). Pixel Base Visual Data Mining of Geo-spatial Data. Computers & Graphics. 28 (3), 327-344.
11.Keissner, C. (1998). Data Mining for the Enterprise. Proc. of the 31st Annual Hawaii International Conference on System Science (HICSS 98). Hawaii, America.
12.Kusiak, A., & C. Kurasek (2001). Data Mining of Printed-circuit Board Defects. IEEE Transations on Robotics and Automation, 17 (2), 191-196.
13.Moss, Larissa Terpeluk, and Arte, S. (2003). Business Intelligence Roadmap: The Complete Project Lifecycle for Decision-support Applications (1st ed.), Boston: Addison Wesley.
14.Roger, J. R., & Geatz, W. M. (2003). Data Mining: A Tutorial-based Primer (1st ed.). Boston: Addison Wesley.

指導教授

何應欽

審核日期

2014-6-3

推文