DRAM晶圓製造高度仰賴MES系統進行生產製造，MES系統在效能不足時需要停機擴充硬體配備甚至還需更換新的主機配備，此舉不僅增加硬體成本的支出，停機造成的生產損失更是無法估計，因此DRAM晶圓製造廠商在面對全球化競爭以及生產型態環境多變的挑戰下若能有效掌握MES系統效能變化的趨勢與關鍵影響要素，必能有效降低生產成本、提高競爭優勢。
本研究運用簡單線性回歸、多元線性回歸以及倒傳遞類神經作為研究方法針對MES系統中最核心的系統MMDB主機進行CPU效能預測，先透過相關係數分析與逐步回歸法由眾多生產績效指標中找出關鍵影響因子作為預測模型的輸入變數，再利用簡單線性回歸、多元線性回歸以及倒傳遞類神經進行預測模型建立的七組實驗，最後利用MAPE值來辨別預測模型準確度。
研究結果顯示，以WIP及Cycle time作為輸入變數的倒傳遞類神經網路預測模型準確度達到高精準度，高於簡單回歸預測模型以及多元回歸預測模型。

DRAM wafer manufacturing by Manufacturing Execution System. MES system will stop service for hardware upgrade or replacement when the low performance. MES stop service for hardware upgrade not only increase the cost of hardware payout but also reduce the production output. How to handle MES system performance trend and key influential factors is very important. Who can handle MES performance trend and who can reduce the production cost and get compete advantage in business.
This research use back-propagation neural network, simple regression and multiple regression be research method and predict the key server MMDB CPU utilization in MES system. To choice the input variable from mass production key performance indicator with correlation coefficient analysis and stepwise in the first. Then make seven experiment with back-propagation neural network, simple regression and multiple regression to predict the MMDB CPU utilization. To evaluate the predictive model accuracy with MAPE.
The research result shows the best MES predictive model is back-propagation neural network which input variable use WIP and Cycle time. This predictive model accuracy is better then simple regression model and multiple regression model.

指導教授推薦書
口試委員審定書
長庚大學博碩士論文著作授權書---iii
誌謝---iv
摘要---v
Abstract---vi
目錄---vii
表目錄---ix
圖目錄---x
第一章 緒論---1
1-1 研究動機與背景---1
1-2 研究目的與方法---3
1-3 研究對象---4
1-4 研究步驟---5
第二章 文獻回顧與探討---6
2-1 DRAM介紹---6
2-2 MES系統介紹---12
2-3 資料探勘---19
2-3-1 回歸分析---20
2-3-2 倒傳遞類神經網路---22
2-4 相關文獻回顧---27
2-5 小結---28
第三章 實驗設計與模型建立---29
3-1 問題描述與定義---29
3-2 資料前處理與工具介紹---32
3-2-1 工具簡介---32
3-2-2 特徵變數選取方法---35
3-2-3 資料前處理---37
3-3 建立預測模型---38
3-4 預測績效衡量---41
第四章 結果驗證與分析---45
4-1 簡單線性回歸預測實驗---45
4-2 多元線性回歸預測實驗---49
4-3 倒傳遞類神經網路預測實驗---51
4-4 小結---56
第五章 結論與建議---58
5-1 結論---58
5-2 建議---59
參考文獻---60

表目錄
表2.1 生產績效指標表---10
表2.2 資料探勘演算法分類示意表---20
表2.3 活化函數示意表---26
表2.4 主機效能預測相關文獻表---27
表3.1 MAPE預測能力等級表---42
表4.1 相關係數分析表---45
表4.2 WIP與CPU使用率簡單線性回歸MAPE表---46
表4.3 Cycle Time與CPU使用率簡單線性回歸MAPE表---47
表4.4 Wafer in與CPU使用率簡單線性回歸MAPE表---48
表4.5 WIP、Cycle Time多元線性回歸MAPE表---50
表4.6 六組生產績效指標多元線性回歸MAPE表---51
表4.7 WIP、Cycle Time倒傳遞類神經網路MAPE表(神經元數目區分)---52
表4.8 WIP、Cycle Time倒傳遞類神經網路MAPE表---53
表4.9 六組生產績效指標倒傳遞類神經網路MAPE表(神經元數目區分)---54
表4.10 六組生產績效指倒傳遞類神經網路MAPE表---56
表4.11 CPU效能預測實驗MAPE表---57


圖目錄
圖2.1 類神經網路示意圖---22
圖2.2 類神經網路運算模型示意圖---23
圖2.3 倒傳遞類神經網路示意圖---24
圖3.1 IBM SiVIEW Standard架構示意圖---31
圖3.2 實驗步驟流程圖---37
圖4.1 WIP、Cycle Time倒傳遞類神經網路MAPE圖(神經元數目區分)---53
圖4.2 六組生產績效指標倒傳遞類神經網路MAPE圖(神經元數目區分)---55
圖4.3 七組實驗預測模型MAPE示意圖---57

[1] Hand D. J., Blunt G., Kelly M. G. and Adams N. M., “Data Mining for
Fun and Profit”, Statistical Science, vol. 15, No. 2, pp. 111-131, 2000.
[2] John G. C., Satinder K. M. and Donald D. S.,”How to choose the right
forecasting technique”, Harvard Business view July-August, pp. 45-74, 1971.
[3] Lewis, C. D., “Industrial and business forecasting methods”, London: Butterworth, 1982.
[4] MESA International,”MES Functionalities & MRP to MES Data Flow Possibilities”, MESA International, 1997a.
[5] MESA International,” Controls Definition & MES to Controls Data Flow Possibilities”, MESA International, 1997b.
[6] MESA International,”MES Explained: A High Level Vision”, MESA International, 1997c.
[7] Ricardo Vilalta, Chid Apte, Sholom Weiss,” Operation Data Analysis: Improved Predictions Using multi-computer Pattern Detection”, Services Management in Intelligent Networks, Vol. 1960/2000, pp.37-46, 2000
[8] Sweetman, D., ” System Performance Evaluation Using Statistical Modeling”, 2006 Windows in Higher Education Conference, 2006.
[9] Szymanska-Kwiecien, A., Kwiatkowski, J., Pawlik, M.,
and Konieczny, D., ”Performance Prediction Methods”, Proceedings
of the International Multiconference on Computer Science and
Information Technology, pp. 363-370, 2006.
[10]Uzsoy, R., Lee, C. Y., and Martin-Vega, L. A., ”A Review of
Production Planning and Scheduling Models in the Semiconductor
Industry: Part I: System Characteristics, Performances Evaluation
and Production Planning”, IIE Transactions, Vol.24, No. 4,
pp.47-58,1992.
[11]Uzsoy, R., Lee, C. Y., and Martin-Vega, L. A., ”A Review of
Production Planning and Scheduling Models in the Semiconductor
Industry: Part II:Shop-Floor Control”,IIE Transactions, Vol. 26, No.
5,pp.44-55,1994.
[12]劉家陳，<繪圖卡產業訂單預測模型研究>，長庚大學資訊管理研究所，碩士論文，民國95年
[13]王勝明，<以CORBA為基礎的行動代理人群組協同合作系統之研究>，國立臺灣科技大學管理技術研究所，碩士論文，民國87年
[14]李夢珍，<網路流量量測與預測模型之研究>，中央警察大學資訊管理研究所，碩士論文，民國92年
[15]陳人豪，<系統層級的效能量測與評估框架>，國立臺灣大學電機資訊學院資訊工程學系，碩士論文，民國96年
[16]張雅閎，<處理器在系統平台環境下之效能分析與比較>，國立中山大學資訊工程系，碩士論文，民國95年
[17]周景祥，<資訊服務業在高科技製造業的競爭優勢分析-以半導體CIM系統整合為例>，國立臺灣大學資訊管理學研究所，碩士論文，民國95年
[18]郭富忠，<伺服器建置及其效能之研究-以警政資訊系統為例>，中央警察大學資訊管理研究所，碩士論文，民國90年
[19]林松雄，<計算機系統效能分析之模擬>，國立成功大學工程科學研究所，碩士論文，民國70年
[20]李雅婷，<台灣IC產業推動MES的現況分析>，國立交通大學科技管理研究所，碩士論文，民國80年
[21]黃天麟，<台灣地區積體電路生產預測之研究>，輔仁大學應用統計研究所，碩士論文，民國88年
[22]林悅慈，<以統計方法分析與設計半導體生產製造系統>，國立臺灣大學工業工程學研究所，碩士論文，民國88年
[23]謝忠良，<動態隨機存取記憶體廠投片規劃模擬分析探討>，長庚大學企業管理研究所，碩士論文，民國93年
[24]黃凡紋，<影響MES績效之關鍵因素研究-以IC製造業為對象>，國立交通大學工業工程與管理學系，碩士論文，民國90年
[25]吳春慶，<台灣地區水果銷售預測研究>，國立虎尾科技大學工業工程與管理研究所，碩士論文，民國95年
[26]楊曉涵，<應用資料探勘方法建立半導體生產績效預測系統>，華梵大學資訊管理研究所，碩士論文，民國93年
[27]謝朋昇，<應用類神經網路於國產汽車銷售預測之研究>，大葉大學工業工程與科技管理學系碩士在職專班，碩士論文，民國96年
[28]管相柔，<匯率預測模型之研究-ARIMA之應用>，中原大學國際貿易研究所，碩士論文，民國95年
[29]林盈宏，<整合資料探勘與類神經網路於半導體厚度製程之虛擬量測>，中華大學資訊工程學系碩士班，碩士論文，民國94年
[30]郭秀敏，<模糊倒傳遞網路於印刷電路板生產預測之應用>，元智大學工業工程與管理學系，碩士論文，民國93年
[31]林瑞山，<類神經網路於預測晶圓測試良率之應用>，國立成功大學工學院工程管理專班，碩士論文，民國93年
[32]楊敦翔，<以類神經網路與特徵選取技巧處理空氣能見度預測問題之研究>，國立中山大學機械與機電工程學系研究所，碩士論文，民國91年
[33]簡禎富、施義成、林振銘、陳瑞坤等人合著，<半導體製造技術與管理>，國立清華大學出版社，民國94年
[34]浮同宏，<半導體工廠管理經驗談>，http://www.ciie.org.tw/book/magzine/半導體工廠管理經驗談，最後查閱民國98年4月24日
[35]謝淑華，<發展半導體產業成本模式及其在生產系統的應用>，<<行政院國家科學委員會專題研究計畫>>，民國95年
[36]呂正欽等人，<97年度記憶體產業發展展望>，<<經濟部工業局新聞稿>，民國97年
[37]羅華強，<類神經網路：MATLAB的應用>，高立圖書，民國97年
[38]尹相志，料採礦增益集>，悅知文化，民國96年
[39]顏月珠，<商用統計學>，三民圖書，民國89年
[40]黃俊英，<多變量分析>，中國經濟企業研究所，民國77年3版
[41]彭文正，<資料採礦-客關係管理暨電子行銷之應用>，數博網資訊股份有限公司，民國90年