工業技術研究院

技術簡介

本專案已完成開發瑕疵成因分析與校正模組，利用GBPT演算法進行數據分析，識別和分類產品中的瑕疵成因。並利用機器學習模型解釋工具SHAP提供易於理解的資訊。

Abstract

This technology uses statistical-based causal analysis techniques to identify patterns of defect causes from production data. It then conducts in-depth analysis of these patterns to determine the primary factors that lead to defects.

技術規格

產品與製程管理：支持型號管理、參數匯入、資料上傳及品質分析。 條件查詢：依條件查詢製程品質數據。 專案與效能管理：管理分析專案，檢視模型效能與數據品質。

Technical Specification

Supports product model management, parameter import, process data upload, and quality analysis, with the ability to query process quality based on specific conditions. Users can manage analysis projects, review model performance and data quality, enabling efficient data-driven decision-making.

技術特色

本技術使用基於統計學的因果關係分析技術，從生產數據中識別出瑕疵成因的模式，然後對這些模式進行深入的分析，以確定導致瑕疵的主要因素。

應用範圍

適用於可收集瑕疵檢測結果及相關環境與生產資訊，以分析可能導致瑕疵的因素的產業與產品。

接受技術者具備基礎建議（設備）

•Windows 10 x64 PC •集成學習技術 •模型解釋技術

接受技術者具備基礎建議（專業）

資工相關背景

聯絡資訊