隨著半導體產業蓬勃發展，晶圓之製造流程日趨繁雜，其面臨高品質要求、高成本壓力以及高標準生產環境，使得各半導體廠商紛紛致力於良率提昇與製程改善之系統開發，希望達到提昇品質與降低成本之目的。近年來許多半導體製造廠商投入龐大資源於先進製程控制(Advanced Process Control, APC)系統之開發，其中以失效偵測與分類(Fault Detection and Classification, FDC)系統之導入為重點部分，工程師藉由FDC系統能夠即時線上監控機台運作之異常狀況，以提升產品良率。本研究應用支援向量機(Support Vector Machines, SVM)與決策樹(Decision Tree)為基礎，針對黃光區軟烘烤製程之溫度曲線建構FDC系統。將所擷取之曲線特徵值透過歸屬函數映射得其隸屬度，作為第一階段支援向量機分類系統之輸入值，可將資料分類為正常或異常類別；第二階段利用事先所收集整理之異常升溫曲線資料，應用CART演算法建構決策分類樹，並進一步建構異常分類規則庫。本研究以桃園縣某半導體廠之410筆樣本資料進行實證分析，其中42筆異常曲線皆被此系統辨識出，其餘368筆正常曲線資料僅有6筆遭受誤判，而這些遭受誤判的資料經工程師研判後認定為製程發生偏移之前兆，其曲線特徵值之隸屬度皆位在模糊地帶，而造成系統誤判。經實證研究結果顯示本研究中所建構之支援向量機分類系統具有甚佳之偵錯與分類效率，藉由本系統可輔助工程師有效率地尋找出異常曲線；本研究中所建構之異常分類規則庫亦可提供製程工程師辨識異常曲線型態之參考依據，協助製程工程師迅速找出製程問題所在，進一步達到良率提昇之目標。

With the burgeoning development of semiconductor industry and more complicated wafer fabrication process to come, semiconductor industry has been confronted with high quality demand, high cost pressure and strict production environment. Therefore, a lot of semiconductor manufacturers strive for system development of yield rate enhancement and manufacturing flow improvement, hoping to achieve the objectives of quality promotion and cost reduction. In recent years, many semiconductor foundries have invested a large sum of capital in Advanced Process Control (APC) system, in which the most important part is the induction and development of Fault Detection and Classification (FDC) system. The engineers can immediately detect the unusual situations of operator machines on-line by FDC to improve the yield rate. Based on Support Vector Machines (SVM) and Decision Tree theories, the study tries to construct FDC system on heating curves of soft bake in photolithography area. To get characteristics’ memberships of certain heating curve as the input values of SVM system, and this SVM system can classify raw data to normal or abnormal category at first stage. Through data collection and processing abnormal curves to obtain characteristics, this study adopts Classification and Regression Tree (CART) to construct its rule base. By using 410 process data collected from one wafer fabrication factory in Taoyuan to test and verify FDC system can 42 abnormal curves be identified successfully. The only 6 curves misjudged out of the other 368 normal curves are possibly the signs of aberrant process. And the characteristics' memberships of these 6 curves are located at the fuzzy region, which possibly makes the system misjudge. The research finding proves that the SVM system has better detection and classification efficiency. Processing engineers are able to detect an abnormal curve immediately, identify its situation correctly via the rule base, find out

王大俊，認識Fuzzy-第三版，全華科技圖書股份有限公司，2005。
王立新 原著；汪惠健 翻譯，模糊理論與應用，臺灣培生教育，2006。
王晉德，類神經網路與模糊控制理論，全華科技圖書府份有限公司，2007。
李偉傑，「半導體之工程資料分析與診斷系統」，國立清華大學，工業工程與工　
　程管理學系研究所碩士論文，1996。
林寅智，「以工程資料為基礎之半導體故障分析系統」，國立清華大學，工業工　
　程與工程管理學系研究所碩士論文，1998。
林育利，「使用類神經網路結合支持向量機之分類器研究」，國立中央大學，光
　機電工程研究所碩士論文，2008。
洪維恩，Matlab 7 程式設計，旗標出版股份有限公司，2010。
孫宗瀛、楊英魁，Fuzzy 控制理論、實作與應用，全華科技圖書股份有限公司，
　2001。
陳承昌，「支持向量機及Plausible Neural Network於水稻田辨識之研究」，
　國立交通大學，土木工程系所碩士論文，2006。
陳逸欣，「半導體研發設計階段以WAT參數建構系統化黃金晶方抽樣分析模型」，
　國立清華大學，工業工程與工程管理學系研究所碩士論文，2009。
張智星，MATLAB程式設計與應用，清蔚科技，2000。

張柏年，「以倒傳遞網路為基礎之自動化晶圓缺陷檢測系統」，國立清華大學，　
　工業工程與工程管理學系研究所碩士論文，2003。
張庭嘉，「建構半導體黃光製程異常升溫現象之模糊監控技術」，國立清華大學，
　工業工程與工程管理學系研究所碩士論文，2007。
張家銘，「以CART決策樹方法建構晶圓良率值與晶圓允收參數間之關聯性模
　式」，國立清華大學，工業工程與工程管理學系研究所碩士論文，2007。
張其聖，「半導體產業研發設計階段以WAT參數資料建構黃金晶方分析模型」，　
　國立清華大學，工業工程與工程管理學系研究所碩士論文，2008。
游淑敏，「以WAT參數資料建構半導體研發設計階段黃金晶方群聚分析」， 國
　立清華大學，工業工程與工程管理學系研究所碩士論文，2008。
黃安橦，「應用支向機於晶圓圖分類之研究」，明新科技大學，工程管理研究所
　碩士論文，2005年。
葉晉廷，「觸控面板黃光製程出貨品質提昇研究」，逢甲大學，工業工程與系統
　管理學研究所碩士論文，2011。
曾介亭，「多代理人系統在建構 APC 作業平台之研究」，國立成功大學，工程
　科學系專班碩士論文，2006。
馮芝瑋，「以支援向量機為基礎之三維臉型識別」，長庚大學，資訊工程研究所
　碩士論文，2003。
楊志民、劉慶利，不確定性支持向量機原理與應用，北京：科學出版社，2007。
廖添文，「GA-PID模糊控制器應用於灰訊號源之追蹤與設計」，大葉大學，電
　機工程學系碩士班碩士論文，2003。
廖介銘，「決策樹應用於糖尿病之探勘」，華梵大學，資訊管理學系碩士班碩士
　論文，2003。
劉正凱，「基於調適性網路模糊推論系統與支援向量機之車牌辨識系統」，南台
　科技大學，資訊工程學系碩士論文，2009。
簡禎富等，半導體製造技術與管理，清華大學出版社，2005。
謝芳伶，「支援向量機於指紋辨識之應用」，靜宜大學，資訊管理學系研究所碩
　士論文，2004。
韓歆儀，「應用兩階段分類法提昇SVM法之分類準確率」，國立成功大學，工業
　管理科學系碩博士班碩士論文，2004。
羅文雄、蔡榮輝、鄭岫盈譯，半導體製造技術 Michael Quirk, Julian Serda
　原著，臺灣培生教育出版、滄海，2003。
蘇育成，「使用支援向量機和極端值偵測方法進行乳房腫瘤影像分類」，長庚大
　學，資訊管理研究所碩士論文，2006。

Berry, M. and Linoff, G., ”Mastering Data Mining:The Art & Science of Customer 　
Relationship Management”,John Wiley & Sons,New York,2000.
Bileschi, S. M., and Heisele, Bernd., “Advances in component-based face detection,
Pattern Recognition with Support Vector Machines : first International Workshop, 2002, pp. 135-143.
Cabena,P., Hadjinian P.,Stadler R.,Verhess J.,and Zanasi A, ”Discovering Data
Minging From Concept to Implementation”, Prentice Hall PTR,Upper Saddle River,New Jersey,1997.
Chao, C. J. and Cheng, F. P., ”Fuzzy Pattern Recognition Model for Diagnosing
Cracks in RC Structures,”Journal of Computing in Civil Engineering, Vol. 12, No.2,111-119,1998.
Cao, L. J., Tay, F. E. H., “Support vector machine with adaptive parameters in
financial time series forecasting”, IEEE Transactions on Neural Networks, Vol. 14, No. 6, 2003, pp. 1506 -1518.
David, A., Lerner, B., “Pattern classification using a support vector machine for
genetic disease diagnosis”, Electrical and Electronics Engineers in Israel, 23rd IEEE Convention of Proceedings, 2004, pp. 289-292.
El-Naqa, I., Yongyi, Yang., Wernick, M. N., Galatsanos, N. P., and Nishikawa, R.
M., “A support vector machine approach for detection of microcalcifications”, IEEE Transactions on Medical Imaging, Vol. 21, No. 12 , 2002, pp. 1552 -1563.
Hamel, Lutz, ” Knowledge discovery with support vector machines / Lutz Hamel.”,
Hoboken, N.J. : John Wiley & Sons, c2009.
Hong Xiao, ”Introduction to Semiconductor Manufacturing Technology”, Prentice
Hall College Div,2000.
Hummel, M., Federl, P., “Analysis of electrical test data using a neural network
approach,” IEEE /SEMI Advanced Semiconductor Manufacturing Conference and Workshop 1997, pp. 37-41, 1997.
Liang,L.,Basallo, E.,and Looney,C., Proc.ISCA 14th Int.Conf.,LAS Vegas, 279-284.
Linkens, D. A. and Afzalian, A., ”A New Fuzzy Logic Power System
Stabiliser(PSS), ”Processdings of the 4th European Congress on Intelligent Techniques and Soft Computing, Aachen,Germany,September, 1999-2003,1996.
Mirza, A.I.,O’Donoghue, G Drake,A.W. and Graves, S.C., ”Spatial Yield
Modeling for Semiconductor Wafers,”IEEE/SEMI Advanced Semiconductor Manufacturing Conference,pp.276-281.1995.
M.Madea and S.Murakami, ”A self-Turing Fuzzy Controller, ”Fuzzy Sets
Syst.,vol.51,pp.29-40,1992.
Nag,P.K,Maly,W and Jocobs,H.J., ”Simulation of Yield/Cost Learning Curves with
Y4,”IEEE Transactions on Semiconductor Manufacturing, Vol.10, No.2, pp.256-266, 1997.

Park, H., Rhee, S., and Kim, D., ”A fuzzy pattern recognition based system for
monitoring laser weld quality,” Measurement Science and Technology,Vol. 12.1318-1324,2001.
W.J.Wang,S.F.Lee,and T.C.Chian, ”Fuzzy control for the intersection’s traffic light
near the exit ramp of a freeway”,Automatic Control Conference, 2001, Da-Shing, Taiwan, ROC.