XGBoost & SHAP 良率分析系統使用說明
本指南詳細說明資料格式規範、機器學習最佳實務建議，以及 AI 診斷報告解讀方式。
1. 輸入資料檔案與欄位規範
本系統支援 .xlsx, .xls 與 .csv 檔案格式（不限制檔案名稱），檔案結構需符合以下欄位類型分類：
| 欄位類別 | 欄位名稱範例 | 資料型態 / 值範圍 | 系統處理機制 |
|---|---|---|---|
| 識別碼欄位 (IDs) | lot-id, wafer-id, scribe, Time |
字串 / 日期格式 | 自動過濾剔除，防止模型過擬合 (Overfitting)。 |
| 目標標籤 (Target) | yield-judge, target, label, Status |
OK / NG 或 0 / 1 (或 -1) |
自動轉換為二元分類：1 代表良率異常 (NG)，0 代表正常 (OK)。 |
| 電測/感測特徵 (Features) | vt_n, ioff_p, sensor_001~100 等 |
連續型浮點數 (Numeric) | 保留為數值特徵矩陣，供 XGBoost 及 SHAP 進行模型訓練與極值分析。 |
2. 如何讓 XGBoost 數據分析表現更好？(Best Practices)
01. 資料筆數與類別平衡
建議數據筆數在 500 ~ 5,000 筆 以上。系統已內建 scale_pos_weight 動態權重調整機制，可精準處理良率常見的稀有 NG 類別（如 5%~15% NG 率）。
02. 特徵品質與雜訊處理
請確保電測（WAT/CP）與機台感測數據無大規模全空列。剔除常數列（例如全為 0 的欄位）可顯著提升 XGBoost 網格尋優 (GridSearchCV) 的效率。
03. 結合實體物理與 WAT 參數
包含具備對應關係的物理參數（如 V_t 臨界電壓、閘極漏電流 I_off、通道飽和電流 I_on）可讓 SHAP 歸因分析精準印證半導體元件失效機制。
04. 標籤明確度 (Ground Truth)
請確保 yield-judge 的判定門檻符合製程規範（如以特定百分位數 P85 或 SPC 上下限定義 NG），明確的 Ground Truth 能讓模型的 ROC-AUC 達到 0.95 以上的高鑑別度。
3. 系統操作步驟 (SOP)
選擇或拖曳包含檢測數據的 Excel/CSV 檔案。
自動進行超參數尋優並建立最佳 XGBoost 模型。
計算特徵極值影響力，提煉 Top 5 致災因子。
自動生成繁體中文白話診斷報告與建議。
4. 分析結果指標與報告解讀說明
卡片一：模型效能 KPI
- ROC-AUC：範圍 0~1，數值越接近 1.0 代表模型區分 OK/NG 的能力越完美（0.9 以上即具高準確度）。
- Accuracy：整體樣本分類正確率。
卡片二：Top 5 SHAP 關鍵異常參數
Mean |SHAP| 數值代表該參數對良率判定的平均影響張力。數值越高，代表該電測參數漂移是導致晶圓判定為 NG 的主要致災因子（如 ioff_p 漏電流偏大）。
卡片三：Gemini 3.6 Flash AI 良率診斷報告
由 LLM 自動將多維數據轉化為白話報告，包含「模型評估」、「根因物理分析」與「製程改善建議」（如熱退火 RTA 溫場調校、離子植入機台 SPC 管制提早攔截等）。