良率在工業(yè)生產(chǎn)中占據(jù)非常重要的地位，在某些高端制造行業(yè)，良率管理能力甚至可以被認(rèn)為是企業(yè)核心競爭力。比如在面板生產(chǎn)中，如果面板良率偏低，將會(huì)影響終端設(shè)備如蘋果手機(jī)的出貨量。產(chǎn)品良率也成為了是否能入圍龍頭企業(yè)供應(yīng)鏈的關(guān)鍵指標(biāo)。

數(shù)據(jù)分散 傳統(tǒng)良率分析難上加難

除了生產(chǎn)成本，良率也影響到生產(chǎn)資源的利用率，如何提高良率也是廠商頭疼的問題。

一塊液晶面板的生產(chǎn)過程大約會(huì)經(jīng)歷300余道工序，全程自動(dòng)化。高自動(dòng)化特點(diǎn)使面板行業(yè)具備海量數(shù)據(jù)基礎(chǔ)，并且數(shù)據(jù)格式在不同工廠、甚至不同機(jī)臺(tái)都會(huì)有區(qū)別。高速的數(shù)據(jù)流轉(zhuǎn)、分散的數(shù)據(jù)孤島、多樣化的數(shù)據(jù)類型往往使工程師需要花費(fèi)大量時(shí)間來對這些數(shù)據(jù)進(jìn)行預(yù)處理與清洗。以該企業(yè)為例，在這個(gè)階段，工程師需要花費(fèi)80%的時(shí)間來對數(shù)據(jù)進(jìn)行預(yù)處理，真正用于分析上的時(shí)間大概只有20%。

由于缺乏分析工具，依靠傳統(tǒng)方式進(jìn)行的良率分析耗時(shí)長，不良根因查找難，風(fēng)險(xiǎn)批沒有得到及時(shí)控制，無法快速做出相應(yīng)的生產(chǎn)調(diào)整和安排來規(guī)避不良帶來的影響。

AI賦能 分鐘級(jí)完成根因分析定位

為了幫助該面板企業(yè)解決良率管理難題，數(shù)之聯(lián)搭建了智能品質(zhì)分析平臺(tái)（YMES），幫助工廠全方位的監(jiān)控、管理和分析良率，及時(shí)發(fā)現(xiàn)異常來源，保障產(chǎn)線的正常生產(chǎn)。

以前不同系統(tǒng)間關(guān)聯(lián)復(fù)雜，現(xiàn)在該面板廠通過智能品質(zhì)分析平臺(tái)整合了原MES、EDA、ADC、DFS、FDC等系統(tǒng)中孤立存在的人、機(jī)、料、法、環(huán)、測等不同維度的數(shù)據(jù)，統(tǒng)一了數(shù)據(jù)標(biāo)準(zhǔn)，建立數(shù)據(jù)庫集成平臺(tái)，大大縮短工程師清洗、處理數(shù)據(jù)的時(shí)間。

針對工藝履歷、工藝路徑、工藝參數(shù)、工藝時(shí)間等，數(shù)之聯(lián)建立了專屬AI分析模型，支持從多維度進(jìn)行一鍵分析，能迅速定位不良根因，以前按天級(jí)的異常反饋現(xiàn)在可以降低至分鐘級(jí)。并具體到工廠、站點(diǎn)、機(jī)臺(tái)、參數(shù)等，幫助工程師及時(shí)調(diào)整。

Cum Yield、Defect、AOI、SPC等常規(guī)良率統(tǒng)計(jì)，也可以在系統(tǒng)中直接查詢，操作簡單方便。

工程師還可以設(shè)置良率報(bào)警規(guī)則，周期性監(jiān)控良率波動(dòng)，同時(shí)預(yù)設(shè)分析流程，及時(shí)發(fā)現(xiàn)良率問題和癥結(jié)。讓工程師能將更多時(shí)間和精力花費(fèi)在真正提升良率的更有價(jià)值的工作上。

工廠上線智能品質(zhì)分析平臺(tái)后，對良率的管理過程實(shí)現(xiàn)了全方位的優(yōu)化，極大的提升了分析效率，減少了不良帶來的影響，并間接提升了工廠的生產(chǎn)效率和產(chǎn)品質(zhì)量。