第一篇博客决定用来记录Tableau在半导体封装厂中的应用~
其实在半导体封装厂由于某些客户对数据可视化美观的需求（半导体行业使用到的统计分析工具有EXCEL、JMP和Tableau，JMP的图表美观度一言难尽，客户强烈要求用Tableau），我们通常会用Tableau对产线上不良品进行统计分析，它作为不良品分析的辅助工具，可用到的地方很多，下面我会列举几种在之前的工作中用Tableau完成的不良品分析图表：
1. Location mapping
背景介绍： 由于某封装芯片突然在一段时间内某一种不良陡增，通过收集这些不良封装芯片的SN，在系统内追踪这批不良SN来料批号，来料PCB板厂，这些不良芯片在切割前处于PCB板（也就是电路板，一块PCB板通常包含一定数量的芯片，以便批量生产）的位置以及在各个生产站别的作业时间、作业机台、作业员等信息，通过其中共性来寻找这一不良陡增的原因。
分析结果： 在此案例中，通过对这些不良芯片在PCB板上的位置统计，发现这批不良芯片主要集中在PCB板的右下角，这样就可以结合不良类型和不良位置的集中性，找出导致此不良的原因。
2. 每日良率报表
生成5月4日到5月20日某产品投入量（input） 和 不良率（Yield）报表。用来观察不良率的变化趋势，其中包括：不良集中产生的时间，投入量、连续生产时间、不良改善措施的切入、停复线时间、机台保养时间等因素对不良率的影响。
3. 分组统计
纵轴为不良产品在治具上不同位置分布，横轴为不良品生产时所在的生产线，柱状图表示的是在该位置和该线别出现的各种不良（Test_code表示不良产品的不良类别）的数量。从上图可以看出，不良主要集中在第四排（Row 4），不同线别之间的不良差异不大。
4. 柏拉图（Pareto）
柏拉图是品质管理中常用的一种图表，它将质量改进项目由最重要到最次要顺序排列，旨在集中精力解决影响产品不良率最多的前几种不良。在上图中，TC69、TC48和TC100这三种不良占所有不良的89%，应优先改善这三种不良。