等离子显示屏制造过程数据挖掘系统的研究与应用

STYLEREF"标题1"摘要PAGEIII目录PAGE38等离子显示屏制造过程数据挖掘系统的研究与应用摘要当前，针对各类海量大数据进行分析的数据挖掘技术，正逐步深入到我们生产和生活的各个方面。在现代高端精密制造领域，如大型平板显示器件制造工厂，因设计、工艺、设备、环境、物料、检测和员工素质以及管理等各种要素交织、叠加，采用传统数据分析与试验方法来应对制造过程中出现的各类问题，已经无法满足高端精密制造高效低耗的需求，因此迫切需要创新研究基于高端精密制造过程大数据的科学方法与分析工具，促进制造过程品质管控能力、生产效率和问题改善效率的提升。主要研究应用内容包括：1）在显示器件制造业首次采用大数据挖掘技术，基于MES信息化系统，采用分布式Hadoop大数据处理架构和数据库开发技术，基于分布式Hadoop开发平台，设计制造过程大数据仓库。通过DB开发接口整合信息系统离散的数据并结构化。形成人机料法环测多维度的制造过程大数据。2）研究开发出适合平板显示器件制造行业的数据挖掘算法技术分析模型，并利用JavaWeb+Tomcat开发语言.Python开发语言.Weka调用配置技术.Hadoop分布式集群技术开发出数据挖掘分析模型。3）通过以上软件工程，研究开发出“最佳工艺参数组合确定模型、参数重要性的动态确定与优化模型、动力参数的确定与优化模型、参数值分布特性的快速量化模型、参数取值的确定与优化模型、工序并行参数的确定方法模型等数据挖掘分析模型”并经过产线验证与应用，极快地提高了生产制造过程中分析问题解决问题的效率，从而促进良品率和产效的快速大幅提升。4）研究开发出适用于平板显示行业制造过程的数据挖掘系统平台并应用。开发实现数据探索.差异对比.时间维度分析功能，研究开发适用于PDP制造的数据挖掘分析模型并将以上功能集成数据挖掘应用平台，实现了数据挖掘大数据应用的人机操作易用。关键词：等离子显示屏；大数据；数据挖掘；制造过程；论文类型：研究报告目录目录TOC\o"2-3"\h\z\t"标题1,1"摘要 I目录 III1绪论 11.1背景 11.2国内外研究应对现状分析 21.3主要工作内容 22系统研究 32.1系统研究目标 32.2系统研究路线 42.3系统研究内容 52.3.1制造过程大数据采集研究 52.3.2数据挖掘技术研究 62.3.3等离子显示屏制造过程数据挖掘模型定制研究 73系统设计 103.1系统运行环境设计 103.2系统功能架构设计 123.3系统功能列表 123.4系统技术指标 134系统实现 144.1系统实现方式 144.2系统实施策略 154.3系统功能模块 164.3.1数据探索功能模块 184.3.2数据挖掘定制模型功能 184.3.3差异分析功能模块 194.3.4调度功能模块 214.3.5分析结果报告管理模块 214.4系统功能测试 224.5系统应用成果 245结论与展望 265.1结论 26本系统基于长虹八面取大尺寸等离子显示屏生产线的制造过程海量大数据，研究开发出适用于平板显示器件制造过程的数据挖掘分析模型和数据挖掘应用集成系统，通过制造过程的人机交互分析应用，快速极致地提高了生产制造过程中分析问题解决问题的效率。 265.2展望 26致谢 27参考文献 27附录 29攻读学位期间取得的研究成果 37声明西安交通大学网络教育学院论文PAGE27西安交通大学网络教育学院论文1绪论1.1背景长虹虹欧公司在2008年建成了国内最大的等离子显示屏研发、制造基地，投资达60亿元。从09年开始投入大规模生产。等离子显示屏这类流程制式的全自动高精度生产线，有着复杂的制造与工艺过程，从基板投入至模组工序由1000多台设备串联，组成一条完整的自动化生产线，其中主要工艺设备共计279台，设备种类达83种。整条线全长近6000米，按100秒生产节拍计算，从玻璃投入至模组包装整个制程需要76小时。制造过程因设计、工艺、设备、环境、物料、检测和员工素质以及管理等各种要素交织、叠加，使产品良品率和生产效率改善难度很大。公司拥有先进的制造执行系统（MES系统），对先进的生产设备、复杂的生产流程、较高的环境控制进行数据采集与统计分析。等离子显示屏制造过程中，单台产品涉及的过程参数超过1.1万个，每天的系统数据存储量10G以上，在数量、维度和数据产生速度上具有海量大数据特征。公司正被这些海量的制造过程大数据淹没，却没有产生新的价值，如图1-1。因此迫切需要研究创新基于等离子显示屏制造过程的数据挖掘模型和应用系统来提升制造过程品质参数管控能力。图1-1制造过程海量大数据的价值挖掘1.2国内外研究应对现状分析国内外行业针对这种流程制式的全自动高精度生产线，重中之重是提升制造良品率，通常采用试产爬坡、量产爬坡、新工艺新材料的应用，来实现良品率的前三次飞跃，如图1-2。这三次的良品率飞跃，通常是采用“试验设计”方法来确定并调优过程品质管控参数。但是，当良品率达到近92%时，再向上提升难度变得非常大。特别是在生产规模扩大化与7*24小时不间断生产的条件下，若继续采用传统的“试验设计”方法将浪费大量的资源成本，同时还需要停线进行试验参数管控的调试设计。这种方法一方面降低了生产效率，同时耗费大量的资源成本，全线几十个关键工序，每个工序几十到几百个工艺参数的逐一安排进行工艺测试是不可能的。图1-2制造良品率的三次飞跃若希望继续92%以上良品率持续提升非常困难，靠意识与累积经验已经不能再支撑更进一步的提升与飞跃。必须要用新方法介入支撑第四次良品率提升与飞跃的革命。因此，需要一种全新的信息系统来动态全局地进行制造过程参数管控分析与关键控制分析。要实现新的飞跃，不仅要依托系统的理论和知识、丰富的经验、团队的整体实力以外，新工具、新方法的开发与应用也十分必要。1.3主要工作内容本课题同时涉及等离子显示屏制造技术领域、信息系统技术领域和数据挖掘领域三方面技术，通过建立一套完整的项目协同机制与研究应用流程来开展推进。主要工作内容包括需求定义并根据需求进行数据集的收集整理，形成待挖掘的数据仓库。通过数据挖掘详细的挖掘流程进行结果的挖掘并形成挖掘结果报告，技术人员对挖掘结果报告进行经验评估、产线验证其符合性、有效性。对有效的部份立刻进行产线应用。对无效的部份反馈给数据挖掘人员进行模型的调整与优化。最终固化出一个个适合等离子显示屏制造过程的数据挖掘模型，并通过软件开发集成到数据挖掘系统平台。整个流程有机融合了三个技术领域知识，保证了项目工作开展的严谨有效与挖掘结果的快速应用。通过综合运用人工智能、计算智能、模式识别、数理统计等最新的数据挖掘研究成果和技术，挖掘出等离子显示屏最终品质特性与制造过程参数之间的关联关系，建立面向等离子显示屏制造过程的数据挖掘应用模型。运用有效的挖掘成果，指导相关人员快速解决品质问题，提高对策效率，缩短对策时间，达到聚焦资源、集中精力解决主要矛盾和主要问题，从而尽快提升产品良率和生产效率，降低成本浪费，进而提升公司整体经营业绩；同时，通过评估、验证和不断完善，建立、完善等离子显示屏制造过程特有的数据挖掘平台，最终使数据挖掘指导生产过程改善工作常态化。2系统研究2.1系统研究目标利用数据挖掘技术研究等离子显示屏最终特性与制造过程中参数之间的关联关系模型，建立面向等离子显示屏制造过程的数据挖掘系统平台，指导快速解决品质和技术问题，缩短对策时间，提高对策效率，达到通过有效管控关键参数和参数值来提升等离子显示屏制造品质的目的。通过系统应用实现制造良品率提升2%以上。具体研究应用目标如下：建立并完善基于大数据的等离子显示屏制造过程大数据仓库。包括：动力参数、设备参数、工艺参数、测量参数等的数据采集渠道与存储仓库。运用数据挖掘技术建立等离子显示屏制造过程参数关系模型并评估验证适用性（包括：工序参数重要性识别模型、最佳工艺参数组合模型、工序并行参数模型、动力参数值的优化模型等）。通过挖掘技术的应用，实现制造良品率提升2%。建立面向等离子显示屏制造过程的数据挖掘应用平台。基于Linux操作系统下的Hadoop数据挖掘集群开发应用平台，集成以上单工序/全线工序参数关系模型进行有效应用。2.2系统研究路线为实现目标，在分析理解等离子显示屏制造过程现状及挖掘算法的基础上，分三个步骤、有节奏地推进数据挖掘技术的研究与应用，如图2-1。第一步：基于等离子显示屏生产制造信息系统，运用5M1E（人、机、料、法、环、测）的结构，建立并完善基于大数据的等离子显示屏制造过程数据仓库的数据采集渠道与存储模式。第二步：运用单个工序/全线工序过程参数值与产品最终特性的关系数据，收集某月的历史数据，进行数据挖掘算法的研究，建立参数关系分析模型并通过经验评估与产线验证，反复进行优化调整以达到模型的适用性。包括：工序参数重要性确定模型、最佳工艺参数组合模型、工序并行参数模型、动力参数值的优化模型等。第三步：搭建IT硬件服务器与网络，建设基于Linux操作系统下的Hadoop数据挖掘集群开发应用平台，通过软件开发集成以上单工序/全线工序参数关系模型。建立面向等离子显示屏制造过程的数据挖掘应用平台。利用数据挖掘平台进行参数项与参数值的常态化螺旋式提升管控。图2-1研究路线图2.3系统研究内容2.3.1制造过程大数据采集研究基于等离子显示屏制造执行平台的MES系统（制造过程整体信息系统业务覆盖率91%）采集等离子显示屏生产制造过程中的各类数据。按照制造过程的产品流动路线，完善过程参数数据的上传渠道。最终纳入结构化的大数据仓库中，为后续的数据挖掘奠定海量大数据的基础。MES（全称ManufacturingExecutionSystem），即“制造执行系统”，是面向虹欧公司车间层的生产管理技术与自动化高精设备的实时信息系统。MES可以为虹欧公司提供一个快速反应、有弹性、精细化的等离子显示屏制造管理工具，帮助企业减低成本、提升良率及产品品质，如图2-2。图2-2MES系统架构图运行机制：7*24小时不间断运行数据来源：自动化设备接口上传（接口247种自动化设备）采集数据量/日：千万级/10G容量数据采集范围：等离子显示屏生产过程产品过程参数/设备参数/工艺参数/品质参数/时间参数，如图2-3。图2-3MES系统数据类型集2.3.2数据挖掘技术研究一）数据预处理数据预处理就是在保证数据不失真的情况下，去掉冗余，错误信息，从而促进数据的分析效率，提高数据分析准确性。数据预处理技术包括：A、数据清理：通过填写空缺值，平滑噪声数据，识别，删除孤立点，并解决“不一致”来清理数据。B、数据集成：将多个数据源合并成一致的数据存储，例如把来自不同的数据库，不同的文本的数据源的数据集成入一个数据仓库中存储，并对数据进行面向数据分析的数据建模。C、数据变换：将数据转换成合适于挖掘的形式。如正规化数据到一个较小的特定区间。D、数据规约：在不影响数据挖掘的结果前提下，通过数值聚集，删除冗余特性的办法压缩数据，提高挖掘模式的质量，降低时间复杂度。二）特征抽取根据某个特征评价准则，通过在原始特征集合中的进行启发式搜索，选出一个最优或次优的特征子集。从而构建性能优越的评价准则和快速高效的搜索技术。特征选择方法可划分成以下三大类：（1）过滤法(FilterMethod)、（2）封装法（WrapperMethod）、（3）内嵌法（EmbeddedMethod）。三）特征评判标准采用特征提取方法对不同分组的产品进行特征提取，筛选出最大化包括信息增益、增益比、最小化冗余度和最大化相关度在内的重要评价指标的重要参数列表，并分别加以利用或者对三组特征列别进行集成，从而整合出一组统一的重要参数列表。四）特征搜索在给定特征的评估标准后需要在特征空间进行搜索。包括：产生过程(GenerationProcedure)、评估函数(EvaluationFunction)、判定准则(StoppingCriterion)、验证过程(ValidationProcedure)几个阶段。五）关联挖掘找出数据库中隐藏的关联网。包含两个阶段：第一阶段必须先从资料集合中找出所有的高频项集，第二阶段再由这些高频项目组中产生关联规则。本项目的应用研究是发现等离子显示屏面板制造过程中，各个关键工艺参数和最终面等级之间的关联。通过发现流程中频繁出现的参数（组合）与各个面板等级之间的关联，从而提出一些具有建设性的参数调整方案供一线操作人员和领域专家验证。六）分类挖掘在等离子显示屏数据分析中，生产过程工艺参数对生产的最终质量有决定性作用，因此通过不同的参数规则来分类最终的产品质量判定。有了这些规则模型，机器可以在一定的精确度情况下自动判定产品的质量，大大减少人工检测的人力成本。七）回归分析在等离子显示屏数据中，同一个设备的参数往往有着相互的影响。如给定一个参数的设定值，其观测值会在设定值一定的范围内波动。这个波动范围往往与众多的参数有一定的关系。这些参数都是数值，可以通过回归分析来建立模型，形成对某个参数的测定值的预测。2.3.3等离子显示屏制造过程数据挖掘模型定制研究开发过程中，项目研发团队在分析理解等离子显示屏制造过程参数现状的基础上，运用数据挖掘技术，研究出来以下参数管控模型并进行数据挖掘应用，通过制造技术人员对挖掘结果的经验评估及制造过程验证，反复调整并优化挖掘模型。同时，对挖掘出来的有效成果立即进行产线的制造应用以提升制造良品率和产效，如图2-4。图2-4数据挖掘模型的定制模式一）最佳工艺参数组合的确定模型利用数据挖掘中关联规则分析方法挖掘出等离子显示屏制造过程中的最佳参数组合，有效代替人工分析调控，填补了分析等离子显示屏制造过程中重要工艺参数组合的空白。包括如下步骤：步骤一，对等离子屏生产过程数据进行二元化处理，产生一个数据集合；步骤二，确定所有满足最小支持度的参数的取值状态组合；步骤三，从最小支持度的参数的取值状态组合中确定关联的参数取值状态。二）参数重要性的动态确定与优化模型根据等离子显示屏生产工艺的产品等级和不良类型，采用特征提取技术，在给定多个特征提取的结果后，将多种特征抽取的方法有机地融合到集成特征提取的过程中，从多个角度获取更加稳定的特征提取结果，从而克服了应用单个特征提取方法的弊端和不稳定性，最终形成对等离子显示屏生产数据的更健壮、更为稳定、更具实际意义的展示。包括如下步骤：步骤一、根据用户提供的全工序生产数据的日期，构建全工序生产工艺的生产数据的数据库；步骤二、对全工序中所有工序的数据内容做串联处理，并按照等离子屏的等级或者不良类型进行划分，将属于特定等级或者特定不良类型的等离子屏分为一组，其它等离子屏分为一组，然后将各组间的等离子屏所对应的生产工艺中的参数进行对齐，形成到全工序数据；步骤三、对步骤二形成的全工序数据进行缺失值处理，并对所有参数上的观测值进行归一化处理；步骤四、采用特征提取方法对不同分组的产品进行特征提取，筛选出能最大化包括信息增益、增益比、最小化冗余度和最大化相关度在内的三组重要特征的参数列表；步骤五、将步骤四得到的三组重要特征的参数列表进行整合，得到一组统一的重要参数列表，其中包括了在三组重要特征列表中出现在至少两组重要特征中的参数。三）动力参数的确定与优化模型通过利用制造过程历史数据，建立等离子显示屏制造过程中重要动力参数与良率的回归关系模型，利用回归系数来反映影响等离子显示屏产品品质的重要程度，从而确定重要的需要重点加强管控的动力参数项目，并找到提升总体良率或单工序良率的动力参数调控策略。以上模型的应用，节约了通过反复试验设计与验证的方式所耗费时间和资源成本，提升了在动力参数控制项目及控制范围方面的方向准确性；并且能持续螺旋式提升等离子显示屏良品率的目的，间接降低制造过程的废品率。同时，本发明方法不会涉及生产线的中断生产，从而实现制造过程动力参数的在线动态确定与调整管理。四）参数值分布特性的快速量化模型面对等离子显示屏制造过程的数据复杂性及数据量，用具体数据分析方法（例如特征抽取、决策树分类分析、频繁规则挖掘等）往往需要耗费少则几分钟，多则几小时的时间来进行分析计算。当需要进行大量重复性试验时，这样的时间消耗会变得难以承受。提供了一种等离子显示屏制造过程中参数值分布特性的快速量化方法，可以给使用者展现一系列的统计指标，让使用者可以快速对数据的分布特性有量化的了解。包括如下步骤：步骤一、输入数据源及统计指标：步骤二、计算机对输入的数据源及统计指标进行判断：（1）当数据源为单个数据集且统计指标为空时，进入步骤三；（2）当数据源为两个数据集且统计指标为空时，进入步骤四；（3）当数据源为单个数据集且具有统计指标时，进入步骤五；（4）当数据源为两个数据集且具有统计指标时，进入步骤六；步骤三、根据工序以及时间（包含按天以及按月）对数据源进行划分；按工序以及时间求出最大值、最小值、均值、方差、偏度、峰度，并据此制作数据分布图；然后返回步骤二；步骤四、根据工序以及时间（包含按天以及按月）对数据源进行划分；按工序以及时间求出最大值、最小值、均值、方差、偏度、峰度，并据此制作数据分布图；然后在对照表单中进行显示并保存；最后返回步骤二；步骤五、根据工序以及时间（包含按天以及按月）对数据源进行划分；按工序以及时间求出最大值、最小值、均值、方差、偏度、峰度，并据此制作数据分布图；然后将各结果按统计指标进行排序，并将排序所得的前K个属性进行显示和保存；最后返回步骤二；步骤六、根据工序以及时间（包含按天以及按月）对数据源进行划分；按工序以及时间求出最大值、最小值、均值、方差、偏度、峰度，并据此制作数据分布图；然后将各结果按统计指标进行排序，并将排序所得的前K个属性在对照表单中进行显示并保存；最后返回步骤二。五）参数取值的确定与优化模型通过对参数观测值出现的次数以及对应观测值下屏的等级进行关联，确定与各参数取值关联性最大的屏等级，从而将与屏等级的自信度区间关联性最大的参数取值作为优化的参数取值。本数据挖掘模型的技术方案是：一种等离子显示屏制造过程参数取值的确定与优化方法，包括如下步骤：步骤一、在待处理数据上对不同的参数取值进行屏产品等级关联，并计算出各参数取值下对应屏产品的不同等级出现的次数；步骤二、确定与各参数取值关联性最大的屏等级；步骤三、将与屏等级的自信度区间关联性最大的参数取值作为优化的参数取值。六）工序并行参数的确定模型等离子显示屏制造过程中，由于产能压力（或上下工艺衔接时间紧凑）的原因，往往会同样工序，设置多台相同设备并行生产,具备了较近工序合理化确定的硬件条件。该模型的研究，提供了一种等离子显示屏制造过程工序并行参数的确定方法，通过利用制造过程历史数据，建立等离子显示屏制造过程中并行设备的参数设定值的对比关系模型，利用在并行设备间相同参数下不同设定值之间的良率差异，来反映参数设定值对等离子显示屏品质的影响程度，并找到提升等离子屏生产良率的设备参数设定值的调控策略，最终形成一种等离子显示屏制造过程工序并行合理化的确定方法。3系统设计3.1系统运行环境设计硬件配置/服务器：2*E5-2640/96G/6T/DVD/R5/四口千兆、2*750W（4台），如表3-1；软件环境：操作系统：ScientificLinuxrelease/web服务：Apache-tomcat，如表3-2；运算框架：hadoop其它：网络运行环境要求为公司内部千兆局域网，不连接公网。硬件拓扑如图3-1。表3-1硬件配置环境表名称型号配置用途硬件列表hadoopmasterIBM3650m42*E5-2640/96G/6T/DVD/R5/四口千兆、2*750W数据挖掘运算主服务器hadoopslave0IBM3650m42*E5-2640/96G/6T/DVD/R5/四口千兆、2*750W数据挖据运算节点服务器hadoopslave1IBM3650m42*E5-2640/96G/6T/DVD/R5/四口千兆、2*750W数据挖据运算节点服务器hadoopslave2IBM3650m42*E5-2640/96G/6T/DVD/R5/四口千兆、2*750W数据挖据运算节点服务器交换机Cisco3560X-24G24口，预置4光模块接口服务器集群数据交换

表3-2软件配置环境表名称版本号用途软件列表ScientificLinuxrelease6.1(Carbon)2.6.32-131.0.15.el6.x86_64#1SMP操作系统hadoop1.0.1分布式系统基础架构JDKJava(TM)SERuntimeEnvironment(build1.7.0_05-b06)软件开发工具包MySQL5.5.23关系型数据库管理系统Samba3.5.6-86.el6.x86_64SMB协议Apache-tomcat7.0.39图3-1数据挖掘系统硬件拓扑图

3.2系统功能架构设计等离子显示屏制造过程数据挖掘系统功能架构设计如图3-2。图3-2数据挖掘系统功能架构图3.3系统功能列表表3-3系统功能列表说明软件功能项目功能说明操作平台导航菜单进入对应模块主页中英文切换滑块显示CN时界面为中文，滑块显示EN时界面为英文主页面各链接进入对应模块页面现存数据查询根据条件设置，查询对应结果部分工序出现部分工序数据信息列表全工序数据出现全工序数据信息列表环境数据出现环境数据信息列表导入数据出现导入数据信息列表点灯BUS不良全工序重要特征列表，对应不良的概要信息点灯ADD不良全工序重要特征列表，对应不良的概要信息点灯CC不良全工序重要特征列表，对应不良的概要信息点灯PH不良全工序重要特征列表，对应不良的概要信息重要工艺参数的其他全工序重要特征列表，对应不良的概要信息重要工艺参数相关性显示全工序重要参数相关性信息列表异常检测显示异常参数显示信息列表部分工序的前板显示部分工序前板重要特征信息类别部分工序的后板显示部分工序后板重要特征信息列表重要工艺相关性的前板显示部分工序前板参数相关性信息列表重要工艺相关性的后板显示部分工序后板参数相关性信息列表部分工序的异常检测显示异常参数显示信息列表单工序的重要工艺参数显示单工序重要特征信息列表单工序的重要工艺参数相关性显示单工序重要参数相关性信息列表单工序异常检测显示异常参数显示信息列表环境参数影响显示环境分析信息列表工艺参数对比分析显示工艺参数对比信息结果数据立方帮助说明数据表视图使用说明帮助信息查看鼠标点击帮助按钮，显示帮助信息左侧导航栏导航栏目能进行收缩和展开查看功能按列表显示数据查询【datacubes】图形（char）随操作变化NewCube新建数据立方数据对比分析单属性统计（SingleFeatureStat）出现工序对应的数据集Top-K属性统计（Top-KFeatureStat）显示前K个符合统计指标的分析结果单属性对照统计（SingleFeatureComparison）出现可对比选择的数据集Top-K属性对照统计（Top-KFeatureComparison）分析结果匹配K值时间维度查询多维度查询结果管理报告列表按时间查询通过时间查询报表报告列表按参数搜索通过参数查询报表3.4系统技术指标表3-4系统技术指标技术指标参考值操作系统环境ScientificLinuxrelease6.1(Carbon)2.6.32-131.0.15.el6.x86_64#1SMP开发环境Hadoop1.0.1数据库MySQL5.5.23WEB环境(非IE内核浏览器)谷歌浏览器、火狐浏览器系统响应时间<5秒页面响应时间<10秒服务器资源占用CPU<70%内存<80%用户访问量100<用户数<2000并发处理量<5人脚本执行响应<30秒4系统实现4.1系统实现方式本系统的实现同时涉及等离子显示屏制造技术领域、信息系统技术领域和数据挖掘领域三个方面的技术团队，因此在开展形式方面有一套完整的协同机制与研究应用流程，如图4-1。首先是需求定义并根据需求进行数据集的收集整理，形成待挖掘的数据仓库。通过数据挖掘详细的挖掘流程进行结果的挖掘并形成挖掘结果报告，如图4-2。技术人员对挖掘结果报告进行经验评估、产线验证其符合性、有效性。对有效的部份立刻进行产线应用。对无效的部份反馈给数据挖掘人员进行模型的调整与优化。最终固化出一个个适合等离子显示屏制造过程的数据挖掘模型，并通过软件开发集成到数据挖掘系统平台。整个流程既有机融合了三个技术领域知识，又保证了系统实现的严谨有效与挖掘结果的快速应用。图4-1实施方式流程图

图4-2数据挖掘流程图4.2系统实施策略图4-3项目实施策略图在实施策略方面，针对等离子显示屏制造过程的复杂性与需求的井喷，采用先局部后全局推广应用的策略。首先对几个关键的大工序进行单工序的数据挖掘应用，从而产生适用于单工序的数据挖掘模型。对点灯检查的不良类型选择排名靠前的几大不良进行数据挖掘应用，并建立适用于全工序点灯检查不良类型的数据挖掘模型。针对专项/专题数据挖掘应用建立模型。通过前面所讲的挖掘流程机制，固化模型并建立数据挖掘平台进行推广应用与扩展。那么这样的结果就是，以前排名靠前的问题点都排在后面了，而以前次要的问题点升至最靠前，以此滚动式地循环应用数据挖掘技术。从而整体提升产线的各项生产指标。通过数据挖掘技术的实施应用，提升了技术人员快速判断、分析解决问题的能力，减少了制造过程期间损失。4.3系统功能模块系统实施过程中，进行搭建IT硬件服务器与网络，建设基于Linux操作系统下的Hadoop数据挖掘集群开发应用平台，通过软件开发集成“等离子显示屏制造过程中的单工序/全线工序参数数据挖掘关系模型”。建立面向等离子显示屏制造过程的数据挖掘平台。利用数据挖掘平台进行参数项与参数值的常态化螺旋式提升管理。按不同分析目标对任务进行管理，支持对分析方法的配置，对分析结果的输出控制和对任务执行情况的实时监控。同时，操作平台能够无缝集成不同开发语言下的算法实现和无限扩展，并且内置的任务调度系统支持作业的定时执行和作业间的依赖配置；为使用者提供了一个能够在大量记录和高维度数据集合中对原始数据进行整理和归纳的操作方式。通过使用数据探索工具，能够在不同维度，粒度和测度上对数据集合有更加深入和量化的理解，在很大程度上协助分析人员提升查找主要问题，提取有价值信息的效率；针对不同参数进行特征上的对比分析并提供给使用者在特定测度下参数的可视化对比结果。参数对比工具支持同一数据集合中不同特征之间和不同数据集合中多个特征组之间的比较。对比结果可以用于验证候选参数的一致性和衡量参数组在不同数据集合中的差异度；对分析结论进行分类管理和综合分析，提供直观的领域知识总结和对分析结果的验证反馈，将领域经验和数据分析结论进行合理的整合形成知识。结果管理系统通过对数据分析结果进行转换和总结，最终为实际生产和管理提供有效的决策支持，如图4-4，4-5，4-6。图4-4数据挖掘系统功能导航4.3.1数据探索功能模块旨在提供分析人员对数据的初始理解，指导分析人员进一步的对等离子显示屏制造过程数据的挖掘分析，如图4-7。图4-7数据探索界面示意图查询等离子显示屏的小样本数据通过采样小数据集来得到原始数据结构，内容的大致理解掌握。构建数据立方针对查询的数据集，选择不同的属性建立维度通过定制的统计函数，建立数据立方的测度数据立方查询基于数据立方做上卷，下钻操作对数据进行层次性分析4.3.2数据挖掘定制模型功能最佳工艺参数组合的确定模型参数重要性的动态确定与优化模型，如图4-8动力参数的确定与优化模型，如图4-9参数值分布特性的快速量化模型参数取值的确定与优化模型工序并行参数的确定方法图4-8参数重要性的动态确定与优化的挖掘界面示意图图4-9动力参数的确定与优化的挖掘界面示意图4.3.3差异分析功能模块提供试探性分析支持和结果验证快速展现一些基本的统计结果对数据的分布进行初步的探索比较同一参数在不同数据集的分布比较不同参数的分布比较不同数据挖掘算法的结果该工具集以WebApplication形式体现四大模块：单属性统计、Top-K属性统计、单属性对照统计、Top-K属性对照统计，如图4-11。每一个功能块都能够让用户选择一些统计条件并实时产生统计结果，如图4-10。图4-10参数的时间维度挖掘分析界面示意图图4-11对比分析界面示意图4.3.4调度功能模块作为数据挖掘平台的核心，有效地连接各个子系统和数据挖掘算法。对挖掘作业进行有效的调度管理，保证作业间依赖性并对作业的状态进行维护。在考虑资源的均衡情况下，负责对作业的分发。有效利用分布式集群环境。4.3.5分析结果报告管理模块负责对每一个等离子显示屏数据分析报告进行有效的管理。提供报告模版，把给定格式报告结果数据存入数据库，根据模板生成报告。提供多视图对报告结果进行分析。有效搜集使用者的反馈（经验反馈、生产验证反馈）。图4-12分析结果报告管理界面示意图4.4系统功能测试依据测试项结论判定方法和测试总体结论判定方法，对系统软件的功能性测试满足用户操作手册、测试用例中描述的功能性要求。经过第一轮功能性测试及第二轮回归测试，采用“边界值分析法、等价类划分法、场景法、错误推测法”等专业测试方法共5个一级测试项，21个二级测试项，27个三级测试项完成了功能性测试，如表4-1。表4-1功能性测试项测试结论一级测试项名称二级测试项名称三级测试项名称测试结论能力限制主页//满足/主页导航菜单/满足中英文切换/满足/主页面各链接/满足/操作平台//满足在使用非16:9宽屏显示器时，部分3级菜单项显示有重叠。操作平台前期处理/满足/前期处理现存数据（查询）满足/可分析数据（部分工序）满足/操作平台可分析数据（全工序数据）满足/可分析数据（环境数据）满足/导入数据满足/全工序分析/满足全工序分析重要工艺参数（点灯BUS不良）满足/重要工艺参数（点灯ADD不良）满足实际是有数据的情况下进行‘重要参数抽取’，在读取数据过程中，显示“加载中……”，查询结果区显示“没有数据”，存在错误的指引。重要工艺参数（点灯CC不良）满足/重要工艺参数（点灯PH不良）满足/重要工艺参数相关性满足在使用非16:9宽屏显示器时，表格显示出现字符重叠。其他（异常检测）满足帮助出现错别字。部分工序分析/满足部分工序分析重要工艺参数（前板）满足/重要工艺参数（后板）满足/重要工艺参数相关性（前板）满足/重要工艺参数相关性（后板）满足/其它（异常检测）满足实际是有数据的情况下进行异常检测数据分析，在读取数据过程中，显示“加载中……”，查询结果区显示“没有数据”，存在错误的指引。帮助出现错别字。单工序分析/满足见ID28、35。单工序分析重要工艺参数满足/重要工艺参数相关性满足在使用非16:9宽屏显示器时，表格显示出现字符重叠。其它（异常检测）满足/环境分析/满足/环境参数影响满足/工艺参数对比分析/满足系统默认工艺参数对比分析的查询结果最多显示前20条记录，建议在页面帮助和用户手册中给出明确说明。数据立方//满足数据立方帮助帮助说明满足/帮助信息查看满足鼠标悬停在【帮助】处，未显示帮助信息。左侧导航栏/满足/数据表查看满足建议实现分页显示数据查询满足/数据立方体新建数据立方体满足必录项‘测度计算表达式’没有做控制对比分析//满足系统默认按日选择数据集查询，但用户手册或帮助中未明确说明。建议1.相关文档或系统界面中明示或者提供按日/月选择数据集查询条件的选择；2.查询结果区增加查询条件的显示。对比分析单属性统计/满足/Top-k属性统计/满足/单属性对照统计/满足/Top-k属性对照统计/满足/时间维度//满足帮助信息与实际名称不一致时间维度查询/满足/结果管理//满足建议增加结果报告上传功能结果管理报告列表按时间查询满足/按参数搜索满足/重要参数/满足/测试结论：所测5个功能一级测试项的问题严重程度为“2-中”及以上的问题数有0个，没有测试项的功能性测试结论为“不满足”；5个功能一级测试项的问题严重程度为“1-低”的问题数有0个，没有测试项的功能性测试结论为“基本满足”；系统功能性满足设计规定的功能性要求。4.5系统应用成果系统应用期间，通过对制造过程历史数据进行数据挖掘，共出具数据挖掘结果报告31份，如表4-2。分为四个方面：挖掘出与良品率相关的重要参数（或参数组合）挖掘出与良品率相关的重要参数值（或参数值组合），合计100余项；挖掘出与良品率相关的重要参数的设定值和观测值，重要关联设备10余台；挖掘出与良品率相关的重要环境参数2项。表4-2数据挖掘结果报告列表数据挖掘结果报告编号数据挖掘结果报告名称CH-等离子显示屏2012DM-00报告说明CH-等离子显示屏2012DM-01BR与屏级别关联的重要参数报告CH-等离子显示屏2012DM-02BR重要参数值与S级屏关系报告CH-等离子显示屏2012DM-03BR与屏等级关联的重要参数报告CH-等离子显示屏2012DM-04BR重要参数值和设备汇总报告CH-等离子显示屏2012DM-05BR设备设定值和测量值一致性分析报告CH-等离子显示屏2012DM-06BR工序的环境参数报告CH-等离子显示屏2012DM-07BR与屏级别关联的重要参数报告CH-等离子显示屏2012DM-08BR工序的环境参数报告(2)CH-等离子显示屏2012DM-09PH工序与屏级别关联的重要参数报告CH-等离子显示屏2012DM-10BUS工序与屏级别关联的重要参数报告CH-等离子显示屏2012DM-11参数观测值与屏等级(良率)关系CH-等离子显示屏2012DM-12并行设备参数设定值分析CH-等离子显示屏2012DM-13PH参数值与屏等级（良率）关系CH-等离子显示屏2012DM-14BR参数与具体缺陷类型的关系CH-等离子显示屏2012DM-15BUS参数与具体缺陷类型的关系CH-等离子显示屏2012DM-16MGO与主要不良类型关联的重要参数报告CH-等离子显示屏2012DM-17BR设备环境参数与良率的分析CH-等离子显示屏2012DM-18全工序数据(LT)中工序不良代码与屏等级关系CH-等离子显示屏2012DM-19关于点灯不良代码（44039N）可预测性分析CH-等离子显示屏2012DM-20BR,PH设备环境参数与良率的分析CH-等离子显示屏2012DM-21全工序数据（LT）中与主要工序不良类型相关的重要参数CH-等离子显示屏2012DM-22BR工序中不良代码00000R与点灯不良类型的关系CH-等离子显示屏2012DM-23前板工序中与主要工序不良类型相关的重要参数CH-等离子显示屏2012DM-24BR涂敷设备湿度参数建议调控范围报告CH-等离子显示屏2012DM-25全工序中与CC过大相关的重要参数组合CH-等离子显示屏2012DM-26全工序中PH点灯不良相关的重要参数组合CH-等离子显示屏2012DM-27全工序中与ADD点灯不良相关的重要参数组合CH-等离子显示屏2012DM-28全工序中与BUS点灯不良相关的重要参数组合CH-等离子显示屏2012DM-29BR工序设备温度参数建议调控范围报告CH-等离子显示屏2012DM-30PH工序设备温度参数建议调控范围报告CH-等离子显示屏2012DM-31PH工序设备湿度参数建议调控范围报告(2)通过对等离子显示屏制造过程数据挖掘技术的研究与应用，创建了基于等离子显示屏制造过程的数据挖掘平台，集成了等离子显示屏屏制造过程参数与产品最终品质关联规律的数据挖掘算法模型，实现了海量制造过程参数针对特定不良品质影响程度的快速自动排序功能，实现了针对某特定不良异常增加时相关联的波动参数组合快速统计功能，并且能通过海量数据对比分析对量产过程中各工艺/设备和动能参数设置和管控区间给出了优化建议。通过技术人员将数据挖掘平台应用与自身知识经验的有机结合，提高了对制造过程中所出现的问题分析和解决的效率，使等离子显示屏屏生产线的综合良率及生产效率得到了快速提升。这一年里，等离子显示屏的综合良品率提升3.02个百分点，目前已经领先行业平均水平1%。A级屏良率提升了4.97个百分点，目前已经领先行业平均水平2个百分点。产品直通率提升2.02个百分点，目前已经领先行业平均水平3个百分点。设备稼动率提升近3个百分点，目前达到行业水平。产线周期维护平衡时间，也就是每月要进行一次大型的设备维护，以前维护后要达到维护前的良率和产效水平需要3至5天的时间，而现在只需要一天的时间。以上直通率、稼动率等的提升，间接促进月产能在以前的基础上每月多生产1.2万台产品。数据挖掘技术的研究与应用，促进了等离子显示屏良率和产能的快速提升，产生了巨大的生产经济效益，如图4-13的统计分析图。图4-13实施成果统计图

5结论与展望5.1结论本系统基于长虹八面取大尺寸等离子显示屏生产线的制造过程海量大数据，研究开发出适用于平板显示器件制造过程的数据挖掘分析模型和数据挖掘应用集成系统，通过制造过程的人机交互分析应用，快速极致地提高了生产制造过程中分析问题解决问题的效率。5.2展望该系统在国内外首创性地应用于平板显示制造领域，已在等离子显示屏制造过程中成功研发并实际应用，其核心、方法、手段亦可方便地移植于液晶面板、OLED面板等其它平板显示制造领域，可根据具体的平板制造产线的特征与工序特点，进行配置定制与系统迭代。致谢致谢作为一个长期工作在企业信息化建设与信息化价值应用挖掘的在职员工，对于从事并经手过的很多信息化项目，一直只从项目管理的角度予以组织管理并达成目标，很少将其过程提炼成知识型的研究应用论文，为更多类似的信息化项目提供借鉴与价值参考。在此，感谢西安交通大学提供了一个系统性地提升自己的平台。毕业论文阶段，它是考核我们在学期中所学习知识点的掌握并回归至一名在职员工所经历的信息化项目的再一次系统型复盘，成为评价一个毕业生应该具有的理论与实践有效融合的能力。特别感谢我的论文指导陈妍冰老师，是您在我的日常学习、论文题目确定到开题报告、论文的撰写都给予了我耐心的关怀和专业指导，是您给了我巨大的鼓励与支持，我才能在规定的时间内保质保量的完成。最后，同时感谢曾经工作过的长虹虹欧公司技术工艺人员及外方数据挖掘专家，因为您们的专业协同，才