WDM(Wavelength Division Multiplexing) is called a wavelength division multiplexing optical transmission method and is a next-generation optical transmission technology. Case company F has recently developed and sold PLC(Planar Lightwave Circuit), a key element necessary for WDM system production. Although Chinese processing companies are being used as a global outsourcing strategy to increase price competitiveness by lowering manufacturing unit prices, the average defect rate of products manufactured by Chinese processing companies is more than 50%, causing many problems. However, Chinese processing companies are trying to avoid responsibility, saying that the cause of the defect is the defective PLC Wafer provided by Company F. Therefore, in this study, the responsibility of the PLC defect is clearly identified through estimating the defect rate of PLC using the sampling inspection method, and the improvement plan for each cause of the PLC defect for PLC yeild improvement is proposed. The result of this research will greatly contribute to eliminating the controversy over providing the cause of defects between global outsourcing companies and the head office. In addition, it is expected to form a partnership with Company F and a Chinese processing company, which will serve as a cornerstone for successful global outsourcing. In the future, it is necessary to increase the reliability of the PLC yield calculation by extracting more precisely the number of defects.

본 논문에서는 차량용 반도체가 제품 출하 후 사용 환경에 따라 발생되는 불량률을 데이터 마이닝 기법을 이용하여 분석하였다. 20세기 이후 가장 보편적인 이동 수단인 자동차는 전자 컨트롤 장치와 자동차용 반도체의 사용량이 급격히 증가하면서 매우 빠른 속도로 진화하고 있다. 자동차용 반도체는 차량용 전자 컨트롤 장치 중 핵심 부품으로 소비자들에게 안정성, 연료 사용의 효율성, 운전의 안정감을 제공하기 위해 사용되고 있다. 자동차용 반도체는 가솔린엔진, 디젤 엔진, 전기 모터를 컨트롤하는 기술, 헤드업 디스플레이, 차선 유지 시스템 등 많은 부분에 적용되고 있다. 이와 같이 반도체는 자동차를 구성하는 거의 모든 전자 컨트롤 장치에 적용되고 있으며 기계적인 장치를 단순히 조합한 이상의 효과를 만들어 내고 있다. 자동차용 반도체는 10년 이상의 자동차 사용 기간을 고려하여 높은 신뢰성, 내구성, 장기공급 등의 특성을 요구하고 있다. 자동차용 반도체의 신뢰성은 자동차의 안전성과 직접적으로 연결되기 때문이다. 반도체업계에서는 JEDEC과 AEC 등의 산업 표준 규격을 이용하여 자동차용 반도체의 신뢰성을 평가하고 있다. 또한 자동차 산업에서 표준으로 제시한 신뢰성 실험 방법과 그 결과를 이용하여 개발 초기 단계 및 제품 양산 초기 단계에서 제품의 수명을 예측 하고 있다. 하지만 고객의 다양한 사용 조건 및 사용 시간 등 여러 변수들에 의해 발생되는 불량률을 예측하는 데는 한계가 있다. 이러한 한계점을 극복하기 위하여 학계와 산업계에서 많은 연구가 있어왔다. 그 중 데이터 마이닝 기법을 이용한 연구가 다수의 반도체 분야에서 진행되고 있지만, 아직 자동 차용 반도체에 대한 적용 및 연구는 미비한 상태이다. 이러한 관점에서 본 연구는 데이터 마이닝 기법을 이용하여 반도체 조립(Assembly) 과 패키지 테스트(Package test) 공정 중 발생 된 데이터들간의 연관성을 규명하고, 고객 불량 데이터를 이용하여 잠재 불량률 예측에 적합한 데이터 마이닝 기법을 검증하였다.

지난 몇 십년동안 전 세계적으로 제조기술 분야의 급속한 성장으로 대부분의 제조 업에서 눈부실만한 품질향상과 생산성 극대화를 이루어 왔다. 하지만 현재 제조기술 분야는 새로운 문제에 직면하고 있다. 실제 현장에서 관리하고자하는 품질특성은 정규 분포를 따르지 않는 경우가 많은데, 대부분의 통계적 공정관리기술체계가 정규분포를 기반으로 하고 있다는 것이다. 또한 기존의 불량률 관리도로는 PPM/PPB 수준의 극소 불량률을 관리하는데 한계가 있다. 이러한 이유로 비정규 공정에서 극소불량관리, 미 세변동관리에 대한 연구가 시급한 실정이다. 본 논문에서는 비정규 공정에서 극소 불량률을 관리하기 위해서   통계량에 Burr 분포를 적용하는 방법을 제안하고자 한다.

지난 몇 십년동안 전 세계적으로 제조기술 분야의 급속한 성장으로 대부분의 제조 업에서 눈부실만한 품질향상과 생산성 극대화를 이루어 왔다. 하지만 현재 제조기술 분야는 새로운 문제에 직면하고 있다. 실제 현장에서 관리하고자하는 품질특성은 정규 분포를 따르지 않는 경우가 많은데, 대부분의 통계적 공정관리기술체계가 정규분포를 기반으로 하고 있다는 것이다. 이러한 이유로 비정규 공정에서 극소불량관리, 미세변 동관리에 대한 연구가 시급한 실정이다. 본 논문에서는 비정규 공정에서 불량률을 관리하기 위해 다양한 비정규 분포를 대 표할 수 있는 Burr 분포를 선택하여 적용방법을 제안하고자 한다.

지난 몇 십년동안 전 세계적으로 제조기술 분야의 급속한 성장으로 대부분의 제조 업에서 눈부실만한 품질향상과 생산성 극대화를 이루어 왔다. 하지만 현재 제조기술 분야는 새로운 문제에 직면하고 있다. 실제 현장에서 관리하고자하는 품질특성은 정규 분포를 따르지 않는 경우가 많은데, 대부분의 통계적 공정관리기술체계가 정규분포를 기반으로 하고 있다는 것이다. 이러한 이유로 비정규 공정에서 극소불량관리, 미세변 동관리에 대한 연구가 시급한 실정이다. 본 논문에서는 비정규 공정에서 불량률을 관리하기 위해 누적합 관리도와 다양한 비정규 분포를 대표할 수 있는 Burr 분포를 선택하여 적용방법을 모색한다.

효과적으로 공정을 관리하기위하여 제품의 품질특성치에 영향을 주는 데이터를 수집하고 공정을 해석하여한다. 이를 위해서 데이터 마이닝(Data Mining)이 많이 수행되어지고 있다. 본 연구에서는 공정으로부터 수집된 대량의 정보 데이터를 신경망(Neural Network)기법을 통하여 공정의 불량률을 예측하고 불량률이 높게 나타난 데이터를 통해 연관규칙(Association Rule)을 적용하여 불량에 영향을 주는 공정의 패턴을 파악 공정을 개선하고자 한다.

TOC(Theory Of Constraints) has been applied to manufacturing field traditionally. Nowadays, it's area is being wide to SCM, Service, Marketing. This paper analyzed Demand pull Manufacturing system, then, tried to apply TOC concept for improving productivity. It used DBR (Drum-Buffer-Rope) considering defect and OEE (Overall Equipment Efficiency) . For illustration, simulation was showed and it is suggested how to do for productivity improvement.