The Fail Pattern Analysis Model Development for Hard Disk Drive Manufacturing Using the Data Mining Technique

การสร้างโมเดลสำหรับวิเคราะห์ความผิดพลาดในการผลิตฮาร์ดดิสก์ด้วยเทคนิคการขุดเหมืองข้อมูล

Name: Aunchalisa Taetragool

Name: อัญชลิสา แต้ตระกูล

keyword: Fail Pattern analysis

Abstract: This research proposes the design of a fail pattern analysis algorithm based on the C4.5 decision tree technique. We study the actual data collected from the disk drive manufacturing line. Our work emphasizes the Head Gimbal Assembly or HGA manufacturing data. However, the data from the Wafer and the Slider processes are also explored as they may affect the yield of the HGA production. In our algorithm, the data is first retrieved from the data warehouse, and then pre-processed using regular data reduction techniques. The critical external and internal data from all operations that are related to the HGA production (machine parameters and product attributes) are used as inputs in our algorithm. The data preparation steps are added to improve the raw data quality. Subsequently, a decision tree is employed to categorize decision options that indicate problems on the actual manufacturing environment. Finally, the root causes of the yield degradation will be identified in the form of rules generated from a decision tree as well as individual primary attributes/parameters selected from the rules. Moreover, our experiments showed that a slow execution time may become problematic. Parallel tree construction is thus designed in order to save time and cost. The performance of our parallel algorithm is then discussed. The data analysts in a HDD company can later use this tool to automatically summarize the problems on the manufacturing line. Yield can then be improved by adjusting parameters and/or attributes as suggested by the algorithm.

Abstract: งานวิจัยนี้นำเสนอการออกแบบอัลกอริธึมสำหรับวิเคราะห์ความผิดพลาดด้วยเทคนิคการสร้างต้นไม้ เพื่อการตัดสินใจ โดยศึกษาจากข้อมูลจริงที่ได้รับมาจากโรงงานผลิตฮาร์ดดิสก์ไดรฟ์ งานวิจัยนี้จะมุ่ง ความสนใจในการผลิตส่วน Head Gimbal Assembly หรือ HGA แต่อย่างไรก็ตามข้อมูลที่นำมาใช้ใน การวิเคราะห์นั้นจะรวมไปถึงข้อมูลในการผลิต WAFER และ SLIDER ซึ่งเป็นส่วนผลิตก่อนหน้าที่ ส่งผลต่อการผลิต HGA ด้วยอัลกอรึธึมในงานวิจัยนี้จะเริ่มจากการดึงข้อมูลจากคลังข้อมูลเข้าสู่ระบบ รวมทั้งพารามิเตอร์สำคัญที่มีผลต่อปริมาณผลผลิตจากกระบวนการวิเคราะห์ก่อนหน้า จากนั้นข้อมูล ทั้งหมดจะถูกดำเนินการเบื้องต้น ซึ่งพารามิเตอร์ที่ผ่านการดำเนินการเบื้องต้นจะถูกนำเข้าโมเดลการ สร้างต้นไม้เพื่อการตัดสินใจ เพื่อวเคราะห์ปัญหาที่เกิดขึ้นจริงในการผลิต โดยท้ายที่สุดพารามิเตอร์ที่ ก่อให้เกิดปัญหาผลผลิตตกต่ำจะถูกแสดงในรูปแบบของรูปแบบที่ทำให้เกิดความเสียหายและกลุ่ม ของพารามิเตอร์ที่ส่งผลในการผลิต แต่อย่างไรก็ตามจากการทดลองพบว่าอัลกอริธึมนั้นใช้เวลาในการ คำนวณสูง ดังนั้นวิธีการสร้างต้นไม้เพื่อการตัดสินใจแบบขนานจึงได้ถูกนำมาใช้ในงานวิจัยนี้ รวมไป ถึงการทดสอบประสิทธิภาพประสิทธิภาพระหว่างการสร้างต้นไม้เพื่อการตัดสินใจแบบเดิมและแบบ ขนานด้วย

King Mongkut's University of Technology Thonburi. KMUTT Library.

Address: BANGKOK

Email: info.lib@mail.kmutt.ac.th

Name: Tiranee Achalakul

Role: Advisor

Created: 2009

Modified: 2013-02-14

Issued: 2010-08-30

วิทยานิพนธ์/Thesis

application/pdf

CallNumber: CPE1156

eng

DegreeName: Master of Engineering

Level: Master's Degree

Descipline: Computer Engineering

Grantor: King Mongkut's University of Technology Thonburi

©copyrights King Mongkut's University of Technology Thonburi

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	CPE1156.pdf	481.32 KB	164	2024-12-20 01:26:43
2	CPE1156ab.pdf	74.94 KB	87	2023-02-06 16:02:14

ใช้เวลา

0.034471 วินาที