提高生產製造的良率是製造產業永遠關心的目標，提高產品生產良率也必須同時確保產品品質，尤其是高科技產業，大尺寸面板榮景不再，毛利下滑，因此各家面板廠商紛紛將第五代甚至第六代大型面板製造的建廠地點轉向大陸，轉向製造用於行動裝置的中小尺寸觸控面板。
中小尺寸觸控面板由於製程較為複雜導致良率比傳統大尺寸TFT面板低，造成各家面板製造廠想盡辦法提高生產良率，本研究利用生產過程中的大量設定和衡量參數資料，透過資料探勘技術來早期發現影響觸控面板品質的因素。研究結果顯示，未經過訓練後的資料準確度，Precision/Recall可達85%，表示決策樹的分析可有效找出決定面板製造時機台的關鍵參數因子，本研究成果可用來有效在面板製造前的試作產線內調整重要關鍵的機台參數，達到有效控制生產品質，提高單位生產數量，供管理者有效改善關鍵製造過程的不確定因子。

Improving manufacturing yield is the major concern of IT manufacturing industry IIn panel manufacturing industry, large-size panels are no longer a priority due to the decline of gross profit. As a result, many panel manufacturers have moved their fifth or even sixth generation large panel manufacturing factories to China. How to manufacture small and medium sized touch panel for mobile devices with higher yield becomes the main concern of many panel manufacturers.
Small and medium-size touch panel manufacturing process is more complicated and usually has lower yield than large-sized panel manufacturing. Panel manufacturers these days are struggling to find effective ways to improve their production yields. This thesis proposes to apply decision tree method to examine a large number of settings and measured data collected from production process to uncover the factors that mostly affect the quality of the touch panel during the manufacturing process. The results show that untrained accuracy of the data Precision/Recall can reach up to 85%, effectively identifying the key parameters factor. The results can be used in the front-end panel manufacturing to properly adjust the key parameters in order to achieve effective control of production quality and increase the number of units produced.

第一章 緒論 1
第一節 研究背景 1
第二節 研究動機 3
第三節 研究目的與範圍 4
第四節 觸控面板產業製程介紹 4
第二章 文獻探討 11
第一節 資料探勘的定義 11
第二節 資料探勘的過程 13
第三節 資料探勘的功能 19
第四節 決策樹 20
第五節 資料探勘與品質之文獻研究 22
第三章 研究方法 25
第一節 研究範圍 25
第二節 製程資料描述 28
第三節 面板品質之判斷 33
第四節 預測模式 37
第四章 分析結果 43
第一節 資料處理 43
第二節 資料分析 49
第三節 分析結果與評估 60
第五章 結論與建議 63
第一節 研究結論與分析 63
第二節 研究對象回饋 63
第三節 未來研究方向 64
參考文獻 66

1. Fayyad,Piatetsky-Shapiro,Smyth,From Data Mining to Knowledge Discovery: An Overview in Advances in Knowledge Discovery and Data Mining, AAAI Press/The MIT Press,Menlo Park,CA,1996.
2. Fayyad,U.G., G.Piatetsky-Shapiro and P.Smyth,The KDD process for extracting useful knowledge from volumes of data,Cummunication of the ACM,39(11),1996.
3. Linoff, G., and Berry, J.A.M,Data mining techniques-for marketing, sales and customer support, Wiley Computer Publishing, 3rd ed. 2011.
4. Gregory Piateski-Shapiro and William Frawley, Knowledge Discovery in Databases, AAAI Press/The MIT Press, 1991.
5. Fritz H.Grupe & M.Mehdi Owrang, “DATA BASE MINING Discovering New Knowledge and Competitive Advantage,” Information Systems Management , 12(4), 26-31, 1995.
6. Simoudis, E. ,Second International Conference on Knowledge Discovery & Data Mining,AAAI Press, 1rd ed, p82-88,1996.
7. Hastie, T.; Tibshirani, R.; Friedman, J.The Elements of Statistical Learning: Data Mining, Inference, and Prediction,Springer,2rd ed,2001.
8. Jiawei Han & Micheline Kamber , Data Mining: Concepts and Techniques, MORGAN KAUFMANN , 3rd ed ,2011.
9. Breiman, L., Friedman, J., Olshen, R.and Stone, C. Classification and Regression Trees, Chapman and Hall/CRC, 1984.
10. j ross quinlan ,C4.5 programs for machine learning, Morgan Kaufmann ,1993.
11. Banuelas, R., Antony, J. and Brace, M.,”An application of six sigma to reduce waste,” Quality and Reliability Engineering International, 21, 553-570,2005.
12. David M W. "Evaluation: From Precision, Recall and F-Factor to ROC, Informedness, Markedness & Correlation". Journal of Machine Learning Technologies 2 (1): 37–63 , 2007/2011.
13. iPad at Wiki, retrieved from,http://en.wikipedia.org/wiki/IPad
14. Apple Reports Fourth Quarter Results,http://www.apple.com/pr/library/2010/10/18Apple-Reports-Fourth-Quarter-Results.html
15. 曾憲雄、蔡秀滿、蘇東興、曾秋蓉、王慶曉(2010)，資料探勘 Data Mining，旗標。
16. 鄭春生、周雅君，以資料探勘為基建構偏光板品質異常診斷系統，中華民國品質學會第43屆年會暨第13屆全國品質管理研討會，元智大學，2007。
17. 彭鑫堂，景氣循環下技術研發創新與產品良率提升策略之研究－以DRAM產業為例，碩士論文，逢甲大學，2011。
18. 蘇星樺，視覺化探勘輔助偵測PCB新製程之不良成因，碩士論文，元智大學，2003。
19. 傅進銘，以資料探勘改善良率之研究，碩士論文，交通大學，2007。
20. 趙若梅，應用特徵萃取於建構管制圖分類模型，碩士論文，成功大學，2009。
21. 莊澤生，利用資料探勘技術發掘議題網絡，碩士論文，中山大學，2002。
22. 黃錦秀，運用資料包絡分析法評估TFT-LCD Module外包商績效之研究，碩士論文，逢甲大學，2010。
23. 劉中光，以資料挖掘為基建構製程品質問題診斷系統-以印刷電路板業為例，碩士論文，元智大學，2002。
24. 楊明智，應用六標準差於化學強化玻璃製程之品質改善研究，碩士論文，逢甲大學，2010。
25. 趙再男，應用六標準差改善中鋼W2球團造粒場製程品質之研究，碩士論文，高雄第一科技大學，2008。
26. 張政豪，運用六標準差手法改善彩色濾光片製程不良率，碩士論文，高雄應用科技大學，2009。
27. 謝旭晃，運用資料探勘技術於煉鐵製程中焦炭品質預測之研究，碩士論文，中山大學，2006。
28. 蔡文勇，I-Line 光阻劑於TFT LCD Array 製程之應用及評估，碩士論文，中央大學，2006。
29. 顏博文，應用資料探勘技術分析學生選課特性與學業表現，碩士論文，中原大學，2003。
30. 顏彰慶，利用空間分析研究纖毛蟲在不同餵食條件下的行為特徵，碩士論文，中山大學，2007。
31. 拓墣產業研究所，http://www.topology.com.tw/tri/
32. 友達光電，http://auo.com
33. 奇美光電，http://www.innolux.com/
34. 世界材料網站，http://www.materialsnet.com.tw/DocView.aspx?id=8630
35. 坤巨資訊股份有限公司，http://www.gtouch.com.tw/tc/tech_principle.html
36. 清華大學，http://dalab.ie.nthu.edu.tw/DMclass/file/IEEM6124_lecture 4_決策樹分析.pdf
37. KDnuggets，http://www.kdnuggets.com/polls/2007/data_mining_methods.htm
38. 梁惠姿，建構半導體製造過程產品異常資料挖礦技術及其雛型系統之研究，碩士論文，清華大學，2005。
39. 楊明智，應用六標準差於化學強化玻璃製程之品質改善研究，碩士論文，逢甲大學，2000。
40. 賈方霈，結合集群分析與資料視覺於低良率晶圓之成因探討，碩士論文，元智大學，2002。
41. 蔡篤銘，應用非線性擴散於光電顯示玻璃基板之表面瑕疵檢測，行政院國家科學委員會補助專題研究計畫，元智大學，2005。
42. 呂執中，陳銘男，以六標準差專案進行觸控面板之品質改善，期刊，2007。