Zhang Yaowei
Directeur du département QA
SanDisk Semiconductor (Shanghai) Co. Ltd., Technologies numériques occidentales, Inc.
Sujet du discours :
Big Data pour l'analyse des points communs et la prédiction de la qualité de la fabrication de semi-conducteurs
Résumé:
Dans l'industrie manufacturière, nous nous sommes concentrés sur la fluctuation des processus. Qu'est-ce que la variation de processus ? Quel type de variation peut entraîner des problèmes de qualité ? Quels types de fluctuations peuvent entraîner une défaillance du produit ? Étant donné que le processus de fabrication des semi-conducteurs est si sophistiqué, que peut-il se passer si les variations du processus précédent et du processus suivant se chevauchent ? Contre une usine appliquant le big data, fabriquant des wafers, conditionnant des wafers, et testant des produits finis, réalise le sérieux de la connexion, ainsi que des applications métiers. Tout cela sera présenté. Identifier les paramètres clés parmi des dizaines, des centaines voire des milliers de variables d'entrée et les contrôler correctement afin de trouver un équilibre entre la qualité et les coûts est le problème le plus difficile et le plus critique du flux de processus sophistiqué. Par conséquent, l'analyse des points communs aidera à la fois à diagnostiquer et à prévoir ces aspects. Pour effectuer une analyse des points communs, des essais et des vérifications constants doivent être effectués sur tous les liens, du nettoyage des données, de la connexion des données, de la sélection des algorithmes à l'analyse des résultats. Pour atteindre cet objectif, nous avons choisi le logiciel JMP pour renforcer le processus. Plus de détails seront fournis dans cette conférence.
Fond:
Zhang Yaowei est un expert avec près de 20 ans d'expérience dans l'industrie des semi-conducteurs. Avec une expérience de travail chez Intel, STATS ChipPAC et Microsoft, Zhang est actuellement directeur du département QA de SanDisk Semiconductor (Shanghai) Co. Ltd., Technologies numériques occidentales, Inc. Il possède des connaissances uniques dans la recherche et le développement de semi-conducteurs, la fabrication de processus et la gestion de la qualité. En tant qu'adepte de l'innovation, Zhang continue de diriger son équipe en pratiquant une pensée innovante et en créant de grands avantages pour l'entreprise. Son expérience précieuse est devenue non seulement la richesse de l'entreprise, mais aussi une force motrice de l'ensemble de l'industrie pour l'amélioration. En tant qu'outil spécial pour l'analyse des données dans l'industrie manufacturière, le logiciel JMP a été apporté par Zhang d'Intel à STATS ChipPAC et SanDisk, et un grand nombre de professionnels ont été formés.
Big Data Mining dans la fabrication de circuits intégrés : modèle de prédiction des défauts
En 2016, AlphaGo a battu les meilleurs joueurs de Go un par un. Et en 2017, AlphaGo Zero a battu tous ses prédécesseurs grâce à l'auto-apprentissage sans expérience humaine. Depuis lors, les humains sont entrés dans la première année de l'IA. Avec le développement continu des technologies de l'information, l'application des données, en particulier l'application des mégadonnées dans l'industrie, joue un rôle de plus en plus important dans l'industrie manufacturière. La fabrication de circuits intégrés (IC) est une industrie de haute technologie. Les très petites dimensions et les exigences de haute précision des produits sont vouées à avoir une relation très étroite avec l'analyse des données. Cette conférence présente principalement comment utiliser les données de surveillance des équipements en temps réel dans la production de circuits intégrés pour trouver la cause première des défauts avec des méthodes d'exploration de données et d'apprentissage automatique afin d'améliorer la qualité, la réduction des coûts et l'amélioration de la productivité. Voyons les pouvoirs et les perspectives de l'IA dans l'industrie. Nous partagerons quelques cas réels pour présenter comment utiliser la fonction prédictive du modèle de JMP dans la prédiction des défauts et la métrologie virtuelle de WAT basée sur les données de fabrication de circuits intégrés. Nous espérons que ces cas inspireront.
Kang Sheng est titulaire d'une maîtrise de l'East China Normal University, spécialisée dans les probabilités et les statistiques mathématiques. Il travaille maintenant chez Semiconductor Manufacturing International Corp. et occupe le poste de directeur principal du centre de qualité et de fiabilité. Il a 13 ans d'expérience dans la fabrication de semi-conducteurs, avec une expertise dans la gestion de la qualité, le contrôle statistique des processus (SPC) et la conception d'expériences (DOE), etc. Au nom de la société, il a apporté des contributions exceptionnelles à l'Internet industriel et aux grands industriels. l'analyse des données, à travers la participation à la création de l'Alliance of the Industrial Internet Shanghai Branch. Il a plus de 15 articles publiés et 19 brevets accordés aux États-Unis et en Chine dans les domaines des statistiques industrielles et de la qualité et de la fiabilité des semi-conducteurs.
Thomas Chen Directeur de l'ingénierie des produits et de l'ingénierie des tests
Technologies de la mémoire du Yangtsé
Sujet ： Analyse de données dans le développement et les tests Flash NAND
Résumé:
Lorsque nous entrons dans l'ère du Big Data, nous examinons deux indicateurs importants pour mesurer à quel point s'impliquer dans cette révolution : la taille de la mémoire et la bande passante du réseau.
Il y a environ 20 ans, c'était une époque où la plupart des gens de l'industrie de la haute technologie parlaient encore de la «capacité informatique» et étaient enthousiasmés par les sorties de séries Pentium. Aujourd'hui, seule la taille de la mémoire, 128 Go, 256 Go..., différencie un iPhone de prix. Les gens s'intéressent désormais davantage à la manière dont les données sont stockées et transférées.
La mémoire, en particulier la mémoire flash NAND, est largement utilisée dans la vie quotidienne d'un individu. Des ordinateurs aux téléphones portables, des centres de données aux serveurs de niveau entreprise, la mémoire flash NAND a aidé différentes applications à résoudre les problèmes de stockage de données avec une efficacité accrue, une sécurité accrue et une consommation réduite. Dans le même temps, les applications de mégadonnées stimulent également l'industrie de la mémoire, ce qui en fait le premier segment des semi-conducteurs, occupant un tiers du marché total des semi-conducteurs.
YMTC est la première et la seule société IDM en Chine à développer et fabriquer des flashs NAND. Compte tenu de l'objectif de capacité de YMTC, qui est de plus de 300 000 plaquettes par mois, plus de 10 20 Les transistors seront testés chaque mois dans l'usine de YMTC. L'analyse précise et efficace des données est l'un des moyens les plus importants pour développer rapidement de nouveaux produits, stabiliser la chaîne de production de masse et améliorer le rendement, la qualité et la fiabilité.
Quelques exemples seront présentés lors de la présentation sur la manière dont JMP est utilisé au cours de la phase de développement de produits de YMTC et sur la manière dont il peut contribuer à la future production de masse.
本次演示将使用几组实例，说明如何通过JMP软件辅助长江存储的产品研发及未来量产。
Introduction:
Thomas Chen (陈轶), est diplômé de l'Université de Fudan et a obtenu un baccalauréat en physique théorique et une maîtrise en génie électrique. Chen a rejoint Intel en 2001 pour travailler sur les développements de produits flash NOR. Début 2010, il a rejoint Micron et a commencé à travailler sur les développements de produits flash NAND. Chen a rejoint Yangtze Memory Technologies début 2016 en tant que directeur de l'ingénierie des produits et de l'ingénierie des tests. Au cours des 16 dernières années de sa carrière, Chen a participé à plus de 10 générations de R&D de produits flash, allant de 230 nm à 64 couches de flash NAND 3D.
Voca Laï
Scientifique principal des données
Responsable R&D, géant taïwanais de l'assemblage et des tests de semi-conducteurs
Sujet ：
La standardisation de l'analyse du Big Data et du flux expérimental JMP®
Résumé ：
La recrudescence récente des mégadonnées est encore chaude, mais la plupart de ses applications sur le marché se limitent aux résumés ou à la régression et n'incluent pas l'analyse. Sans analyse, nous ne pouvons pas explorer davantage les causes profondes, puis prendre des décisions ou faire des prévisions. L'application générale des mégadonnées est incomplète et les gens ne devraient pas succomber à ses charmes magiques. Cette conférence, basée sur l'expérience pratique de l'auteur dans le domaine des semi-conducteurs depuis de nombreuses années, vous montrera les étapes d'analyse des données avec un flux standardisé allant du tri à l'analyse pour la prise de décision ou la réalisation de prédictions, puis la résolution du problème. Les outils uniques de JMP fournissent un modèle pour une démonstration parfaite.
Introduction ：
Voca Lai, maître en génie mécanique, est diplômé de l'Université nationale Chiao Tung (NCTU) à Taïwan et de l'Université nationale Chung Hsing (NCHU) à Taïwan. Il est également membre de la Société chinoise pour la qualité (CSQ) à Taïwan et ingénieur qualité certifié (CQE). Il travaille chez le géant taïwanais de l'assemblage et des tests de semi-conducteurs en tant que responsable R&D et représentant principal de la formation statistique et du conseil statistique. Il a contribué au développement et à l'amélioration de la technologie des circuits intégrés pendant plus de 20 ans, avec une expérience en R&D, QA, ENG, MFG et PD.
Analyse multivariée des données sensorielles et consommateurs avec JMP ®
Jianfeng Ding, JMP Senior Research Statistician Developer, SAS
Les ensembles de données résultant d'études sensorielles et de consommation peuvent être assez volumineux, avec de nombreuses colonnes et types de données différents. Une variété de méthodes d'analyse de données multivariées peut être utile dans l'exploration et l'analyse des données sensorielles. Au cours des dernières années, bon nombre de ces méthodes ont été ajoutées à JMP. Dans cet article, nous présentons comment appliquer des méthodes telles que l'analyse de la variance (ANOVA), K signifie cluster, l'analyse en composantes principales, les moindres carrés partiels, l'analyse factorielle multiple, l'analyse des correspondances multiples et l'explorateur de texte aux données sensorielles et de consommation, en soulignant comment chaque de ces procédures fonctionne, comment chacune est interprétée et comment elles sont liées les unes aux autres. En illustrant les meilleures méthodes pour résoudre les problèmes sensoriels et de préférences des consommateurs, l'objectif de cet article est de familiariser les analystes avec l'évaluation sensorielle, les préférences des consommateurs et les méthodes multivariées appropriées afin que chaque analyste puisse utiliser efficacement ces méthodes dans JMP pour ses propres études sensorielles.
Jianfeng Ding
JMP Senior Research Statistician Developer, SAS
Jianfeng Ding a rejoint SAS en tant que testeur statistique en 1998 et a testé de nombreuses plates-formes au sein de JMP. Elle est devenue développeur statisticien en 2004. Depuis lors, elle a développé et a été responsable de nombreuses plateformes statistiques telles que l'analyse multivariée, les composantes principales, l'analyse factorielle, les moindres carrés partiels et l'analyse des correspondances multiples. Ding a obtenu une maîtrise en sciences marines, terrestres et atmosphériques et une maîtrise en statistiques de la North Carolina State University.
Xun Liu
V président de la glace , Produits pharmaceutiques Shanghai Hengrui
Directeur scientifique de Suncadia Biopharmaceuticals, une filiale de Hengrui Medicine
Directeur de l'Institut de recherche biopharmaceutique de Shanghai Hengrui
Développement de processus biopharmaceutiques efficients et efficaces - AD O Approche E
Résumé
Les médicaments biologiques, également connus sous le nom de produits biologiques, connaissent une croissance rapide en Chine comme l'une des frontières les plus prometteuses de la médecine, la rapidité pour amener un produit de l'ADN à la BLA est l'élément clé du succès pour chaque organisation dans les industrie pharmaceutique. Pour réduire le temps de développement et établir tous les paramètres critiques et clés du processus, les statistiques plans d'expériences (DOE) est un outil précieux pour aider à atteindre ces objectifs de manière efficace et efficiente. Nous avons utilisé D O E à divers stades de développement de processus et de méthodes pour le criblage et l'optimisation. Par exemple, c aune je ine e l'ingénierie a appliqué le principe du criblage et de la sélection des lignées cellulaires, le développement de la culture cellulaire a utilisé D O E pour le criblage et l'optimisation des milieux de culture, le développement du processus de purification utilisé D O E pour tester la plage de caractérisation et établir la plage de fonctionnement optimale , développement de méthodes analytiques méthode de dosage établie avec l'aide de D O E, et le développement de la formulation a pu sélectionner et obtenir le tampon de formulation du produit final le plus approprié avec une conception factorielle fractionnaire dans JMP . La présentation donnera un aperçu de ces applications avec des rapports de cas.
Titre : Applications et analyse du Big Data dans l'industrie pharmaceutique
Résumé:
L'acquisition de données est effectuée tout au long du cycle de vie du produit dans l'industrie pharmaceutique et prend en charge la gestion GxP. L'industrie pharmaceutique ne manque pas de données, mais comment pouvons-nous analyser et utiliser efficacement ces données ？ De l'application dans la formulation et le contrôle des normes de contrôle interne assistées par QbT au contrôle QbP des processus statistiques ; de l'analyse et de l'application des fluctuations techniques essentielles des processus aux applications QbD dans le développement de produits, la R&D des processus et les méthodes d'analyse - comment pouvons-nous analyser systématiquement ces processus, mettre en œuvre une mise à niveau itérative continue et utiliser JMP pour examiner les modèles et les appliquer dans la pratique ?
Fond:
Peng Xiaodan est l'actuel vice-président du département de gestion des opérations de Shanghai Fosun Pharmaceutical (Group) Co., Ltd. Il est titulaire d'une ceinture noire Lean Six Sigma Master Black Belt (MBB), d'une maîtrise ès sciences en gestion de la qualité de l'Université polytechnique de Hong Kong et d'une maîtrise en gestion internationale de l'ingénierie pharmaceutique (IPEM) de l'Université de Pékin. Avec des connaissances théoriques et pratiques approfondies en contrôle statistique des processus, en modélisation hybride, en conception expérimentale, en modélisation prédictive, en calcul statistique, Peng possède une perspective unique sur des domaines tels que la gestion de la qualité, l'analyse et l'application des données et l'excellence opérationnelle. Cela lui permet de diriger des équipes dans la mise en œuvre d'idées innovantes pour apporter d'énormes avantages à l'entreprise. Tout en promouvant l'utilisation de JMP et d'autres outils de base pour l'analyse de données dans l'industrie pharmaceutique, il a également formé de nombreux professionnels exceptionnels.
Sujet de la conférence : Applications de JMP dans la R&D, la fabrication et la gestion de la qualité dans l'industrie pharmaceutique
Résumé de la conférence : La science de la réglementation des médicaments est une discipline scientifique qui s'intéresse au développement de nouveaux outils, normes et méthodes pour évaluer l'innocuité, l'efficacité, le contrôle de la qualité et l'utilité des médicaments, et qui est basée sur la quantification des données. L'innocuité et l'efficacité des médicaments sont basées sur des essais cliniques ou des données d'observation, et la conception de l'étude et les méthodes d'analyse qui sont pertinentes pour ce type de données relèvent du domaine de la biostatistique. D'autre part, les applications statistiques liées à la recherche, à la fabrication et à la gestion de la qualité de la formulation et des procédés des médicaments sont classées dans les statistiques de la qualité. Au fur et à mesure que la proportion de médicaments génériques utilisés par les patients augmente d'année en année, les exigences statistiques pour les domaines de la R&D pharmaceutique, de la fabrication et de la gestion de la qualité dans divers organismes de réglementation nationaux augmenteront également. Les problèmes de sécurité des médicaments génériques sont principalement attribués à des problèmes de qualité lors de la R&D et de la fabrication des médicaments, et l'application de méthodes statistiques s'est avérée être une solution efficace par les industries manufacturières traditionnelles. Dans mon expérience d'enseignement et de gestion de la recherche, j'ai observé que les entreprises locales et les agences de réglementation pharmaceutique utilisent largement les outils statistiques. Cependant, ils ne connaissent pas les conditions préalables à l'utilisation de ces outils, quand utiliser quels outils pour collecter quelles données, et les domaines sur lesquels se concentrer lors de l'utilisation de ces outils. Par conséquent, il devient difficile pour eux de comprendre la signification pratique des variables et paramètres clés dans les formules mathématiques, et ainsi de réaliser l'application de méthodes statistiques pour le développement, la fabrication et la gestion de la qualité des médicaments.
JMP est un outil statistique et d'analyse de données intuitif, efficace et largement utilisé. Son application peut grandement promouvoir les statistiques et l'analyse des données pour la R&D, la fabrication et la gestion de la qualité des médicaments par les sociétés pharmaceutiques conformément aux lois et réglementations sur les médicaments. L'analyse et l'utilisation des données peuvent améliorer la compréhension d'une entreprise de ses produits et processus et aider à parvenir à un consensus avec l'organisme de réglementation. Cette présentation se concentrera sur l'introduction de l'application du JMP dans les statistiques de qualité, avec des études de cas pratiques dans la R&D de médicaments, la fabrication et la gestion de la qualité.
Jiali Luo
Vice-président, Boerheringer Ingelheim Chine
Jiali Luo est actuellement vice-président de Boerheringer Ingelheim Chine et directeur général de Borheringer Ingelheim Biopharmaceuticals (China) Ltd Co. Avant son poste actuel chez BI, Luo a occupé plusieurs postes de direction en tant que directeur de la R&D, directeur des produits biopharmaceutiques, vice-président des affaires Développement, directeur général de Global Commercial à grande entreprise pharmaceutique chinoise y . Pendant de nombreuses années, Luo a travaillé dans les domaines de la biopharmacie en Chine et a apporté une contribution significative s à la R&D, la fabrication, le système qualité et le développement commercial pour b iopharm un produit s . Il possède exp un expérience nsive dans la gestion et l'exploitation s dans le l'industrie biopharmaceutique en Chine et à l'étranger. Luo a m aster c'est et doctorats en b iochimie et p protéine s science , ainsi qu'un MBA.
[résumé manquant pour NIFDC ?]
Tan De Jiang
Directeur adjoint du laboratoire de pharmacologie, Institut de contrôle des médicaments chimiques, Instituts nationaux de contrôle des aliments et des médicaments
Tan De Jiang est technicien en chef, mentor pour les étudiants de maîtrise et directeur adjoint du laboratoire de pharmacologie à l'Institut de contrôle des médicaments chimiques, Instituts nationaux de contrôle des aliments et des médicaments. Il siège à de nombreux comités, dont le comité d'experts pour la validation des compétences du système de test mécanique à trois niveaux et un pour la China Food and Drug Administration (CFDA), le sous-comité des médicaments du 9e comité national des normes de référence sur les médicaments et le laboratoire médical. et Sous-comité de contrôle de la qualité des produits de diagnostic pour la Société d'examen médical de Beijing.Tan est expert en évaluation des dispositifs médicaux CFDA, expert en examen pour le prix d'État de la science et de la technologie de la Fondation nationale des sciences naturelles de Chine et le prix de la science et de la technologie de Pékin. Il est membre du comité de rédaction du Chinese Journal of Pharmaceutical Analysis. Actuellement, il est professeur invité à l'Ocean University of China et mentor d'étudiants en maîtrise à l'Université pharmaceutique de Chine et à l'Université de Yantai. Il a précédemment mené des recherches pharmacologiques chez Taisho Pharmaceutical Co., Ltd. au Japon et l'Istituto Superiore di Sanità en Italie. Ses intérêts de recherche portent principalement sur la recherche sur l'efficacité et la toxicité des médicaments, l'évaluation et les applications statistiques. Il a participé au projet de recherche du 8e plan quinquennal, au programme 863, à de grands projets nationaux et à des projets de collaboration internationale, et il a dirigé un projet pour la Commission municipale des sciences et technologies de Pékin. Tan a reçu le National Science and Technology Progress Award (3e classe), le State Administration of Traditional Chinese Medicine Science and Technology Progress Award (2e classe) et le Chinese Pharmaceutical Association Science and Technology Award (3e classe). Il a publié plus de 70 articles universitaires dans des revues universitaires locales et étrangères, dont sept ont été indexés dans SCI. Il a également participé à la compilation de sept publications académiques, en tant que rédacteur en chef pour l'un et rédacteur en chef adjoint pour un autre.
