データマイニングを使用した収量モデリングとパターン予測: 予防的アプローチ
François Bergeret、PhD、統計学者 – Ippon Innovation
ヴィンセント・バレク; Alexandre Couvrat、歩留まりおよび欠陥エンジニア – Soitec
複雑なプロセスの製造では、歩留まりと欠陥は膨大な数の要因に左右されます。 すでに生産されている歩留まり向上ツールは、Soitec がほとんどのプロセスの問題を検出するのに役立っています (迅速な対応アプローチ)。 このホワイト ペーパーでは、JMP スクリプト言語 (JSL) と JMP を使用して作成された 2 つの新しいデータ マイニング ツールを紹介します。これらは現在、予防的アプローチに使用されています。 イールドモデルは、イールドに関連する主な要因を検出します。 これらの要因は、正確な予測を提供するためにモデルに組み込まれます。 ユーザーは、製造量、プロセス ツールのローディング、およびスループットに基づくシミュレーションを使用して、歩留まりと欠陥の変動を予測できます。 Yield Model は非常にインタラクティブなツールであり、その究極の JSL 機能はプレゼンテーション中にライブで紹介されます。 次の SOI (Silicon on Insulator) 世代では、部品内の厚さの均一性が主な歩留まりの要因となります。 Pattern Prediction は、JMP 9 Neural プラットフォームを使用して、非常に有望な結果で厚さの均一性を分析および予測します。 ユーザーが学習サンプルでニューラル ネットをトレーニングすると、ニューラル ネットは、検証サンプルで評価された将来の部品のパターンを高い精度で自動的に予測します。 このホワイト ペーパーには、歩留まりモデルに使用される高度な JSL 機能と、複雑なパターンを正確に予測するためのニューラル ネットワークの能力の発見が含まれています。 この論文で紹介されている 2 つのツールは予防ツールであり、Soitec が時間を節約し、品質を向上させるのに役立ちます。
