
臺(tái)灣是如何應(yīng)用大數(shù)據(jù)分析提高半導(dǎo)體競爭力
自引進(jìn)IC封裝開始,臺(tái)灣半導(dǎo)體產(chǎn)業(yè)已發(fā)展40余年,近年來總產(chǎn)值已近20,000億元新臺(tái)幣,在全世界占有一席之地。半導(dǎo)體產(chǎn)業(yè)競爭力來自於成本、良率及交貨時(shí)間,其中良率更是一家公司有競爭力之所在。近年來自動(dòng)化生產(chǎn)及物聯(lián)網(wǎng)(技術(shù)發(fā)展,使得所有半導(dǎo)體制程相關(guān)的數(shù)據(jù)得以蒐集與保存,這些數(shù)據(jù)包含產(chǎn)品數(shù)據(jù)、機(jī)臺(tái)數(shù)據(jù)、量測數(shù)據(jù)、缺陷機(jī)數(shù)據(jù)、晶圓接受度測試數(shù)據(jù)及晶圓測試數(shù)據(jù),如何有效的使用這些大數(shù)據(jù)數(shù)據(jù)一直是半導(dǎo)體產(chǎn)業(yè)重要的課題之一。除了提升產(chǎn)品良率之外,產(chǎn)品/制造流程缺陷追蹤、供應(yīng)計(jì)畫、提升能源效率…等都可以利用大數(shù)據(jù)分析提升公司競爭力。
處理這些數(shù)據(jù)主要可分成三個(gè)步驟:數(shù)據(jù)前處理、數(shù)據(jù)分析、驗(yàn)證與評(píng)估。在數(shù)據(jù)前處理時(shí)必須先修正數(shù)據(jù)錯(cuò)誤,常見的數(shù)據(jù)錯(cuò)誤有以下兩種:
1.數(shù)據(jù)出現(xiàn)異常值。透過盒須圖可輕易的分析出異常值,通常發(fā)生的在設(shè)備工程師在調(diào)整機(jī)臺(tái)的時(shí)候或是由其他外在因素造成,因此這樣的值通常直接刪除。
2.數(shù)據(jù)出現(xiàn)遺漏值。因偵測設(shè)備的限制,有時(shí)數(shù)據(jù)會(huì)有不完整的情況,處理這樣的狀況可透過補(bǔ)值的方式(內(nèi)插法、平均法等)回填可能的數(shù)據(jù)或直接刪除該筆數(shù)據(jù)。
因每種數(shù)據(jù)的性質(zhì)與內(nèi)容不同,為有效使用這些數(shù)據(jù),將數(shù)據(jù)庫整合為必要的步驟。如何整合這些數(shù)據(jù)庫首先需考量實(shí)際問題需求,再來考量數(shù)據(jù)庫數(shù)據(jù)的型態(tài),例如機(jī)臺(tái)數(shù)據(jù)為連續(xù)型數(shù)據(jù)、缺陷機(jī)數(shù)據(jù)為離散型數(shù)據(jù),因應(yīng)不同的數(shù)據(jù)型態(tài)必須選擇不同的方式去做合并。
在數(shù)據(jù)分析處理上,常見的方式可分成以下幾種方式:
1.利用數(shù)據(jù)分群演算法,例如K-means演算法、階層式分群演算法將原始數(shù)據(jù)分群。
2.將分群好的數(shù)據(jù)透過決策樹找出造成問題發(fā)生的可能因子,或透過機(jī)器學(xué)習(xí)演算法,例如SVM建立模型,預(yù)測問題是否會(huì)發(fā)生,藉此實(shí)作出預(yù)警系統(tǒng)。
數(shù)據(jù)分析完之後必須評(píng)估結(jié)果是否符合現(xiàn)實(shí)以避免過適現(xiàn)象。在此步驟往往會(huì)發(fā)生分析結(jié)果和過往經(jīng)驗(yàn)不一致的情況,除了花許多時(shí)間與工程師溝通確認(rèn)之外,還需找不同的數(shù)據(jù)集交互驗(yàn)證,已確保數(shù)據(jù)分析方式是可行的。
在處理大量的數(shù)據(jù)時(shí)面臨到許多的挑戰(zhàn),例如:傳統(tǒng)的分析工具與方法通常適用在小規(guī)模的數(shù)據(jù)上,當(dāng)數(shù)據(jù)量大且復(fù)雜時(shí)往往失去其效用、分析數(shù)據(jù)需耗費(fèi)大量的計(jì)算時(shí)間,如何快速的處理大量數(shù)據(jù)是一項(xiàng)大的挑戰(zhàn)。近年來已有一些工具可解決以上的問題,例如:MLlib即可支援一些機(jī)器學(xué)習(xí)的套件在Spark平臺(tái)、RHadoop及SparkR套件可支援R的分析工具在Hadoop及Spark平臺(tái)上。除了在分析數(shù)據(jù)時(shí)面臨的挑戰(zhàn)之外,TATA Consultancy Services(TCS)顧問公司在2013年從其他面向提出在處理大數(shù)據(jù)數(shù)據(jù)時(shí)面臨的許多挑戰(zhàn),舉例來說:數(shù)據(jù)工程師需取得部門經(jīng)理的高度信任、對(duì)於不同的商業(yè)決策需決定該使用哪些數(shù)據(jù)、利用大數(shù)據(jù)分析幫忙部門經(jīng)理做決策…等,以上的問題待管理相關(guān)的人員來解決。
對(duì)於半導(dǎo)體產(chǎn)業(yè)來說,透過大數(shù)據(jù)數(shù)據(jù)分析歷史數(shù)據(jù),挖掘其中有用的資訊以提升公司競爭力是非常有效的一種方式??萍疾颗c臺(tái)積電在2014年下半年即舉辦相關(guān)的比賽,希冀發(fā)掘半導(dǎo)體相關(guān)數(shù)據(jù)的各種有用資訊。相信往後會(huì)有越來越多人力與資源投入這領(lǐng)域,讓半導(dǎo)體產(chǎn)業(yè)邁入新的世代。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10