良率在工業生產中占據非常重要的地位，在某些高端制造行業，良率管理能力甚至可以被認為是企業核心競爭力。比如在面板生產中，如果面板良率偏低，將會影響終端設備如蘋果手機的出貨量。產品良率也成為了是否能入圍龍頭企業供應鏈的關鍵指標。

以往，產線上產生異常，工程師需要憑經驗從多個系統中撈取數據查找導致異常的原因，這通常需要耗費好數小時、數天甚至更久，而引入數之聯智能品質分析平臺(YMES)后，半小時內就可以鎖定異常。

智能品質分析平臺，利用AI+大數據技術幫助面板行業某龍頭企業實現了生產過程的故障診斷及優化，極有效地減少了風險批的產生，降低生產成本。

數據分散 傳統良率分析難上加難

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

一塊液晶面板的生產過程大約會經歷300余道工序，全程自動化。高自動化特點使面板行業具備海量數據基礎，并且數據格式在不同工廠、甚至不同機臺都會有區別。高速的數據流轉、分散的數據孤島、多樣化的數據類型往往使工程師需要花費大量時間來對這些數據進行預處理與清洗。以該企業為例，在這個階段，工程師需要花費80%的時間來對數據進行預處理，真正用于分析上的時間大概只有20%。

由于缺乏分析工具，依靠傳統方式進行的良率分析耗時長，不良根因查找難，風險批沒有得到及時控制，無法快速做出相應的生產調整和安排來規避不良帶來的影響。

AI賦能 分鐘級完成根因分析定位

為了幫助該面板企業解決良率管理難題，數之聯搭建了智能品質分析平臺(YMES)，幫助工廠全方位的監控、管理和分析良率，及時發現異常來源，保障產線的正常生產。

以前不同系統間關聯復雜，現在該面板廠通過智能品質分析平臺整合了原MES、EDA、ADC、DFS、FDC等系統中孤立存在的人、機、料、法、環、測等不同維度的數據，統一了數據標準，建立數據庫集成平臺，大大縮短工程師清洗、處理數據的時間。

針對工藝履歷、工藝路徑、工藝參數、工藝時間等，數之聯建立了專屬AI分析模型，支持從多維度進行一鍵分析，能迅速定位不良根因，以前按天級的異常反饋現在可以降低至分鐘級。并具體到工廠、站點、機臺、參數等，幫助工程師及時調整。

Cum Yield、Defect、AOI、SPC等常規良率統計，也可以在系統中直接查詢，操作簡單方便。

工程師還可以設置良率報警規則，周期性監控良率波動，同時預設分析流程，及時發現良率問題和癥結。讓工程師能將更多時間和精力花費在真正提升良率的更有價值的工作上。

工廠上線智能品質分析平臺后，對良率的管理過程實現了全方位的優化，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效率和產品質量。

審核編輯：湯梓紅