良率在工业生产中占据非常重要的地位，在某些高端制造行业，良率管理能力甚至可以被认为是企业核心竞争力。比如在面板生产中，如果面板良率偏低，将会影响终端设备如苹果手机的出货量。产品良率也成为了是否能入围龙头企业供应链的关键指标。

以往，产线上产生异常，工程师需要凭经验从多个系统中捞取数据查找导致异常的原因，这通常需要耗费好数小时、数天甚至更久，而引入数之联智能品质分析平台（YMES）后，半小时内就可以锁定异常。

智能品质分析平台，利用AI+大数据技术帮助面板行业某龙头企业实现了生产过程的故障诊断及优化，极有效地减少了风险批的产生，降低生产成本。

数据分散 传统良率分析难上加难

除了生产成本，良率也影响到生产资源的利用率，如何提高良率也是厂商头疼的问题。

一块液晶面板的生产过程大约会经历300余道工序，全程自动化。高自动化特点使面板行业具备海量数据基础，并且数据格式在不同工厂、甚至不同机台都会有区别。高速的数据流转、分散的数据孤岛、多样化的数据类型往往使工程师需要花费大量时间来对这些数据进行预处理与清洗。以该企业为例，在这个阶段，工程师需要花费80%的时间来对数据进行预处理，真正用于分析上的时间大概只有20%。

由于缺乏分析工具，依靠传统方式进行的良率分析耗时长，不良根因查找难，风险批没有得到及时控制，无法快速做出相应的生产调整和安排来规避不良带来的影响。

AI赋能 分钟级完成根因分析定位

为了帮助该面板企业解决良率管理难题，数之联搭建了智能品质分析平台（YMES），帮助工厂全方位的监控、管理和分析良率，及时发现异常来源，保障产线的正常生产。

以前不同系统间关联复杂，现在该面板厂通过智能品质分析平台整合了原MES、EDA、ADC、DFS、FDC等系统中孤立存在的人、机、料、法、环、测等不同维度的数据，统一了数据标准，建立数据库集成平台，大大缩短工程师清洗、处理数据的时间。

针对工艺履历、工艺路径、工艺参数、工艺时间等，数之联建立了专属AI分析模型，支持从多维度进行一键分析，能迅速定位不良根因，以前按天级的异常反馈现在可以降低至分钟级。并具体到工厂、站点、机台、参数等，帮助工程师及时调整。

Cum Yield、Defect、AOI、SPC等常规良率统计，也可以在系统中直接查询，操作简单方便。

工程师还可以设置良率报警规则，周期性监控良率波动，同时预设分析流程，及时发现良率问题和症结。让工程师能将更多时间和精力花费在真正提升良率的更有价值的工作上。

工厂上线智能品质分析平台后，对良率的管理过程实现了全方位的优化，极大的提升了分析效率，减少了不良带来的影响，并间接提升了工厂的生产效率和产品质量。