Abstract
半導體產業變化愈來愈快，其產業脈動也益發難以掌握，半導體晶圓製造業者必須不斷縮短製造週期時間以維持其競爭力。然而，光罩層數隨著先進半導體製程的演進而持續增加，使得製造週期時間愈來愈長，因此，半導體晶圓製造業需要更多新的方法來維持或縮短製造週期時間。此外，電子業已逐漸邁入消費性產品的時代，客戶對製造週期時間較短的急單需求也愈來愈強烈，晶圓代工業者必須有能力提供製造週期時間的差異化服務，並且提供更多的急單服務，方能在消費性電子時代中取得競爭優勢。但較多的急單會拉長製造週期時間的平均值與變異，要提供製造週期時間的差異化服務，必須建立一個模式來衡量急單對製造週期時間平均值與變異的影響。 本研究目標係發展資料挖礦的相關技術來建立製造週期時間與相關因素之間的關聯模式，並考量限定機台與等候時間限制這兩個晶圓廠中普遍存在的限制因素。在真實的半導體晶圓廠環境中，運用等候模式來預測製造週期時間有其限制，而運用電腦模擬來建立一個晶圓廠中所有機台的製造週期時間模式，在實務上的可行性也很低。晶圓製造流程中累積了豐富的製造資料，本研究運用資料挖礦技術來挖掘存在於製造資料中的製造智慧，以協助晶圓廠找到改善製造週期時間的機會。本研究比較許多類神經網路以及支援向量迴歸技術，確認當中最適合用來預測機台製造週期時間的方法。同時，本研究也評估了兩種對可能影響機台製造週期時間的相關因素重要度加以排序的方法，以確認各機台相關的影響因素。運用本研究所建立的資料挖礦模式，急單對於製造週期時間的影響可以被量化，進而提升製造週期時間差異化服務的可行性。運用相同的資料挖礦模式，可以針對相關影響因素做重要性排序，協助晶圓廠運用有限資源來改善重要的影響因素，以發揮縮短交期的最大效果。此外，本研究進一步建立相關決策分析模式來協助晶圓廠針對可相互支援的機台群組做最佳化的機台數配置，以及決定各加工站的最適在製品存貨水準，這些決策分析模式可進一步提供縮短製造週期時間的機會。本研究所提出的方法已被實際應用於新竹科學園區某晶圓製造廠，應用的結果驗證了本研究所提出的方法在實務上的可行性，並且顯示出可觀的效果。