Zhang Yaowei
Leiter der QA-Abteilung
SanDisk Semiconductor (Shanghai) Co. Ltd., Western Digital Technologies, Inc.
Vortragsthema:
Big Data für die Gemeinsamkeitsanalyse und Qualitätsvorhersage der Halbleiterfertigung
Abstrakt:
In der Fertigungsindustrie haben wir uns auf Prozessschwankungen konzentriert. Was ist Prozessvariation? Welche Abweichungen können zu Qualitätsproblemen führen? Welche Arten von Schwankungen können zu Produktausfällen führen? Da der Herstellungsprozess von Halbleitern so ausgeklügelt ist, was kann passieren, wenn sich Variationen im ersteren und im nachfolgenden Prozess überschneiden? Gegen eine Fabrik, die Big Data anwendet, stellt die Herstellung von Wafern, das Verpacken von Wafern und das Testen fertiger Produkte die ernsthafte Verbindung sowie Geschäftsanwendungen her. All dies wird vorgestellt. Schlüsselparameter aus Dutzenden, Hunderten oder sogar Tausenden von Eingabevariablen zu identifizieren und sie richtig zu steuern, um ein Gleichgewicht zwischen Qualität und Kosten zu finden, ist das schwierigste und kritischste Problem des ausgeklügelten Prozessablaufs. Daher hilft die Gemeinsamkeitsanalyse, solche Aspekte sowohl zu diagnostizieren als auch vorherzusagen. Um eine Gemeinsamkeitsanalyse durchzuführen, müssen über alle Verknüpfungen von der Datenbereinigung, Datenverbindung, Algorithmusauswahl bis zur Ergebnisanalyse ständige Versuche und Überprüfungen durchgeführt werden. Um dieses Ziel zu erreichen, haben wir uns für JMP-Software entschieden, um den Prozess zu unterstützen. Näheres wird in diesem Vortrag erläutert.
Hintergrund:
Zhang Yaowei ist ein Experte mit fast 20 Jahren Erfahrung in der Halbleiterindustrie. Mit Arbeitserfahrung bei Intel, STATS ChipPAC und Microsoft ist Zhang derzeit Direktor der QA-Abteilung von SanDisk Semiconductor (Shanghai) Co. Ltd., Western Digital Technologies, Inc. Er verfügt über einzigartige Einblicke in die Halbleiterforschung und -entwicklung, die Prozessfertigung und das Qualitätsmanagement. Als Verfechter der Innovation führt Zhang sein Team weiterhin an, innovatives Denken zu praktizieren und große Vorteile für das Unternehmen zu schaffen. Seine wertvolle Erfahrung ist nicht nur zum Reichtum des Unternehmens geworden, sondern auch zu einer treibenden Kraft für die Verbesserung der gesamten Branche. Als Spezialwerkzeug für die Datenanalyse in der Fertigungsindustrie wurde die JMP-Software von Zhang von Intel zu STATS ChipPAC und SanDisk gebracht und eine große Anzahl von Fachleuten geschult.
Big Data Mining in der IC-Fertigung: Fehlervorhersagemodell
Im Jahr 2016 besiegte AlphaGo die besten Go-Spieler einen nach dem anderen. Und 2017 schlug AlphaGo Zero alle seine Vorgänger durch Selbstlernen ohne menschliche Erfahrung. Seitdem sind die Menschen in das erste Jahr der KI eingetreten. Mit der kontinuierlichen Entwicklung der Informationstechnologie spielt die Anwendung von Daten, insbesondere die Anwendung von Big Data in der Industrie, eine immer wichtigere Rolle in der Fertigungsindustrie. Die Herstellung integrierter Schaltkreise (IC) ist eine Hightech-intensive Industrie. Die sehr kleinen Abmessungen der Produkte und die hohen Präzisionsanforderungen sind dazu verdammt, eine sehr enge Beziehung zur Datenanalyse zu haben. Dieser Vortrag stellt hauptsächlich vor, wie die Echtzeit-Geräteüberwachungsdaten in der IC-Produktion verwendet werden können, um die Grundursache von Fehlern mit Data-Mining- und maschinellen Lernmethoden zu finden, um Qualitätsverbesserung, Kostensenkung und Produktivitätssteigerung zu erreichen. Sehen wir uns die Möglichkeiten und Aussichten der KI in der Branche an. Wir werden einige aktuelle Fälle vorstellen, um vorzustellen, wie die Modellvorhersagefunktion von JMP bei der Fehlervorhersage und der virtuellen Messtechnik von WAT auf der Grundlage von IC-Fertigungsdaten verwendet werden kann. Wir hoffen, dass diese Fälle inspirieren werden.
Kang Sheng schloss sein Studium mit einem Master-Abschluss an der East China Normal University ab und spezialisierte sich auf Wahrscheinlichkeit und mathematische Statistik. Er arbeitet jetzt bei Semiconductor Manufacturing International Corp. und fungiert als Senior Manager des Quality and Reliability Center. Er verfügt über 13 Jahre Erfahrung in der Halbleiterfertigung mit Fachkenntnissen in den Bereichen Qualitätsmanagement, statistische Prozesskontrolle (SPC) und Design of Experiments (DOE) usw. Im Namen des Unternehmens hat er herausragende Beiträge zum Industrial Internet und Industrial Big geleistet Datenanalyse, durch die Teilnahme an der Gründung der Alliance of the Industrial Internet Shanghai Branch. Er hat mehr als 15 veröffentlichte Artikel und 19 in den USA und China erteilte Patente in den Bereichen Industriestatistik und Halbleiterqualität und -zuverlässigkeit.
Thomas Chen Direktor für Produktentwicklung und Testtechnik
Yangtze-Speichertechnologien
Thema: Datenanalyse in der NAND-Flash-Entwicklung und -Tests
Abstrakt:
Wenn wir in das Zeitalter von Big Data eintreten, sehen wir uns zwei wichtige Indikatoren an, um zu messen, wie tief man sich an dieser Revolution beteiligen sollte – Speichergröße und Netzwerkbandbreite.
Vor etwa 20 Jahren war eine Zeit, in der die meisten Leute in der Hightech-Industrie noch von der „Rechenleistung“ sprachen und sich über die Veröffentlichung von Pentium-Serien freuten. Heute unterscheidet nur die Speichergröße, 128 GB, 256 GB …, einen iPhone-Preis. Die Menschen interessieren sich jetzt mehr dafür, wie Daten gespeichert und übertragen werden.
Speicher, insbesondere NAND-Flash, werden im täglichen Leben einer Person häufig verwendet. Von Computern bis hin zu Mobiltelefonen, von Rechenzentren bis hin zu Servern der Enterprise-Klasse hat NAND-Flash verschiedenen Anwendungen geholfen, Datenspeicherprobleme mit höherer Effizienz, höherer Sicherheit und geringerem Stromverbrauch zu lösen. Gleichzeitig treiben Big-Data-Anwendungen auch die Speicherindustrie voran und machen sie zum ersten Segment im Halbleiterbereich, das ein Drittel des gesamten Halbleitermarktes einnimmt.
YMTC ist das erste und einzige IDM-Unternehmen in China, das NAND-Flash entwickelt und herstellt. Angesichts des Kapazitätsziels von YMTC, das bei über 300.000 Wafern pro Monat liegt, über 10 20 Transistoren werden jeden Monat in der Fabrik von YMTC getestet. Eine genaue und effiziente Datenanalyse ist eine der wichtigsten Möglichkeiten, um schnell neue Produkte zu entwickeln, Massenproduktionslinien zu stabilisieren und Ausbeute, Qualität und Zuverlässigkeit zu verbessern.
Während der Präsentation werden einige Beispiele vorgestellt, wie JMP während der Produktentwicklungsphase von YMTC verwendet wird und wie es bei der zukünftigen Massenproduktion helfen kann.
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。
Einführung:
Thomas Chen (陈轶) absolvierte die Fudan-Universität und erhielt einen Bachelor-Abschluss in Theoretischer Physik und einen Master-Abschluss in Elektrotechnik. Chen kam 2001 zu Intel, um an der Entwicklung von NOR-Flash-Produkten zu arbeiten. Anfang 2010 kam er zu Micron und begann mit der Arbeit an NAND-Flash-Produktentwicklungen. Chen kam Anfang 2016 als Director of Product Engineering and Test Engineering zu Yangtze Memory Technologies. In den letzten 16 Jahren seiner Karriere war Chen an über 10 Generationen der Forschung und Entwicklung von Flash-Produkten beteiligt, angefangen bei 230-nm- bis hin zu 64-Layer-3D-NAND-Flash.
Voca Lai
Leitender Datenwissenschaftler
F&E-Manager, Taiwans Riese für Halbleitermontage und -prüfung
Thema ：
Die Standardisierung der Big-Data-Analyse und JMP® Experimental Flow
Abstrakt ：
Der jüngste Aufschwung von Big Data ist immer noch heiß, aber die meisten seiner Anwendungen auf dem Markt beschränken sich auf Zusammenfassungen oder Regressionen und beinhalten keine Analyse. Ohne Analyse können wir die Ursachen nicht weiter untersuchen und dann Entscheidungen treffen oder Vorhersagen treffen. Die allgemeine Anwendung von Big Data ist unvollständig, und die Menschen sollten nicht auf ihren magischen Charme hereinfallen. Dieser Vortrag, der auf der langjährigen praktischen Erfahrung des Autors im Halbleiterbereich basiert, zeigt Ihnen die Schritte der Datenanalyse mit einem standardisierten Ablauf vom Sortieren über die Analyse zur Entscheidungsfindung oder Vorhersage bis hin zur Lösung des Problems. Die einzigartigen Tools in JMP bieten eine Vorlage für eine perfekte Demonstration.
Einführung ：
Voca Lai, Master in Maschinenbau, absolvierte die National Chiao Tung University (NCTU) in Taiwan und die National Chung Hsing University (NCHU) in Taiwan. Er ist außerdem Mitglied der Chinese Society for Quality (CSQ) in Taiwan und zertifizierter Qualitätsingenieur (CQE). Er arbeitet bei Taiwans Halbleitermontage- und Testgiganten als F&E-Manager und als Hauptvertreter für statistische Ausbildung und statistische Beratung. Er hat mehr als 20 Jahre lang zur Entwicklung und Verbesserung der Technologie integrierter Schaltungen beigetragen und verfügt über Erfahrung in Forschung und Entwicklung, QA, ENG, MFG und PD.
Multivariate Analyse von Sensor- und Verbraucherdaten mit JMP ®
Jianfeng Ding, Senior Research Statistician Developer bei JMP, SAS
Datensätze, die aus sensorischen und Verbraucherstudien resultieren, können ziemlich groß sein und viele verschiedene Spalten und Datentypen enthalten. Eine Vielzahl multivariater Datenanalyseverfahren kann bei der Exploration und Analyse sensorischer Daten nützlich sein. In den letzten Jahren wurden viele dieser Methoden zu JMP hinzugefügt. In diesem Artikel stellen wir vor, wie Methoden wie Varianzanalyse (ANOVA), K-Mean-Cluster, Hauptkomponentenanalyse, partielle Kleinste-Quadrate-Analyse, multiple Faktorenanalyse, multiple Korrespondenzanalyse und Text Explorer auf sensorische und Verbraucherdaten angewendet werden, und betonen, wie dies jeweils der Fall ist dieser Verfahren funktioniert, wie jedes interpretiert wird und wie sie sich aufeinander beziehen. Durch die Veranschaulichung der besten Methoden zur Bewältigung von Problemen mit Sensorik und Verbraucherpräferenzen ist es das Ziel dieses Dokuments, Analysten mit sensorischer Bewertung, Verbraucherpräferenzen und geeigneten multivariaten Methoden vertraut zu machen, damit jeder Analyst diese Methoden in JMP effektiv für seine eigenen sensorischen Studien verwenden kann.
Jianfeng Ding
JMP Senior Research Statistician Developer, SAS
Jianfeng Ding kam 1998 als statistischer Tester zu SAS und testete viele Plattformen innerhalb von JMP. Sie wurde 2004 Statistikentwicklerin. Seitdem hat sie viele statistische Plattformen wie Multivariate, Hauptkomponenten, Faktorenanalyse, Partial Least Squares und Multiple Correspondence Analysis entwickelt und verantwortet. Ding erwarb einen Master-Abschluss in Meeres-, Erd- und Atmosphärenwissenschaften sowie einen Master-Abschluss in Statistik an der North Carolina State University.
Xun Liu
v Eis Präsident , Shanghai Hengrui Pharmaceuticals
Chief Scientific Officer von Suncadia Biopharmaceuticals, einer Tochtergesellschaft von Hengrui Medicine
Leiter des biopharmazeutischen Forschungsinstituts Shanghai Hengrui
Effiziente und effektive biopharmazeutische Prozessentwicklung – AD Ö E-Ansatz
Abstrakt
Biologische Medikamente, auch bekannt als Biologika, erleben in China ein schnelles Wachstum als eine der vielversprechendsten Grenzen in der Medizin. Die Geschwindigkeit, ein Produkt von DNA zu BLA zu bringen, ist das Schlüsselelement des Erfolgs für jedes Unternehmen in China der Pharmaindustrie. Um die Entwicklungszeit zu verkürzen und alle kritischen und wichtigsten Prozessparameter statistisch zu ermitteln Versuchsplanung (DOE) ist ein wertvolles Instrument, um diese Ziele effizient und effektiv zu erreichen. Wir haben D verwendet Ö E in verschiedenen Stadien der Prozess- und Methodenentwicklung für Screening und Optimierung. Zum Beispiel c Ell l inne e Engineering wendete das Prinzip für Zelllinien-Screening und -Selektion an, Zellkulturentwicklung verwendete D Ö E für Screening und Optimierung von Kulturmedien, Entwicklung von Aufreinigungsverfahren verwendet D Ö E, um den Charakterisierungsbereich zu testen und den optimalen Betriebsbereich festzulegen , analytische Methodenentwicklung etablierte Assay-Methode mit Hilfe von D Ö E, und die Formulierungsentwicklung war in der Lage, den am besten geeigneten Formulierungspuffer für das Endprodukt mit einem fraktionierten faktoriellen Design zu screenen und zu erhalten im JMP . Die Präsentation gibt einen Überblick über diese Anwendungen mit Fallberichten.
Titel: Big Data-Anwendungen und -Analyse in der pharmazeutischen Industrie
Abstrakt:
Die Datenerfassung erfolgt in der pharmazeutischen Industrie über den gesamten Produktlebenszyklus und unterstützt das GxP-Management. Der pharmazeutischen Industrie mangelt es nicht an Daten, aber wie können wir solche Daten effektiv analysieren und nutzen? ？ Von der Anwendung bei der Formulierung und Kontrolle QbT-gestützter interner Kontrollstandards bis hin zur QbP-Kontrolle statistischer Prozesse; Von der Analyse und Anwendung wesentlicher technischer Prozessschwankungen bis hin zu QbD-Anwendungen in der Produktentwicklung, Prozessforschung und -entwicklung und Analysemethoden - wie können wir diese Prozesse systematisch analysieren, kontinuierliche iterative Upgrades implementieren und JMP verwenden, um Modelle zu untersuchen und in der Praxis anzuwenden?
Hintergrund:
Peng Xiaodan ist der derzeitige Vizepräsident der Betriebsmanagementabteilung von Shanghai Fosun Pharmaceutical (Group) Co., GmbH. Er hat einen Lean Six Sigma Master Black Belt (MBB), einen Master of Science in Qualitätsmanagement der Hong Kong Polytechnic University und einen Master-Abschluss in International Pharmaceutical Engineering Management (IPEM) der Peking University. Mit umfassenden theoretischen und praktischen Kenntnissen in statistischer Prozesssteuerung, hybrider Modellierung, experimentellem Design, prädiktiver Modellierung und statistischer Berechnung verfügt Peng über eine einzigartige Perspektive in Bereichen wie Qualitätsmanagement, Datenanalyse und -anwendung sowie operative Exzellenz. Dies ermöglicht es ihm, Teams bei der Umsetzung innovativer Ideen zu führen, die dem Unternehmen enorme Vorteile bringen. Während er den Einsatz von JMP und anderen zentralen Tools für die Datenanalyse in der pharmazeutischen Industrie förderte, hat er auch viele herausragende Fachleute gefördert.
Vortragsthema : Anwendungen von JMP in F&E, Fertigung und Qualitätsmanagement in der pharmazeutischen Industrie
Vorlesungszusammenfassung: Die Arzneimittelzulassungswissenschaft ist eine wissenschaftliche Disziplin, die sich mit der Entwicklung neuer Werkzeuge, Standards und Methoden zur Bewertung der Sicherheit, Wirksamkeit, Qualitätskontrolle und des Nutzens von Arzneimitteln befasst und auf der Datenquantifizierung basiert. Die Arzneimittelsicherheit und -wirksamkeit basiert auf klinischen Studien- oder Beobachtungsdaten, und das Studiendesign und die Analysemethoden, die für diese Art von Daten relevant sind, fallen in den Bereich der Biostatistik. Andererseits werden statistische Anwendungen im Zusammenhang mit der Forschung, Herstellung und dem Qualitätsmanagement von Arzneimittelformulierungen und -prozessen der Qualitätsstatistik zugeordnet. Da der Anteil der von Patienten verwendeten Generika von Jahr zu Jahr zunimmt, werden auch die statistischen Anforderungen für pharmazeutische Forschung und Entwicklung, Herstellung und Qualitätsmanagement in verschiedenen nationalen Regulierungsbehörden zunehmen. Sicherheitsprobleme von Generika werden hauptsächlich Qualitätsproblemen während der Arzneimittelforschung und -entwicklung und -herstellung zugeschrieben, und die Anwendung statistischer Methoden hat sich in der traditionellen Fertigungsindustrie als effektive Lösung erwiesen. In meiner Erfahrung als Lehrer und Forschungsleiter habe ich beobachtet, dass lokale Unternehmen und Arzneimittelzulassungsbehörden häufig statistische Instrumente einsetzen. Sie sind jedoch nicht mit den Voraussetzungen für die Verwendung dieser Tools vertraut, wann sie welche Tools verwenden, um welche Daten zu sammeln, und auf welche Bereiche sie sich bei der Verwendung dieser Tools konzentrieren sollten. Daher wird es für sie schwierig, die praktische Bedeutung von Schlüsselvariablen und Parametern innerhalb mathematischer Formeln zu verstehen und dadurch die Anwendung statistischer Methoden für die Arzneimittelentwicklung, -herstellung und das Qualitätsmanagement zu realisieren.
JMP ist ein intuitives, effektives und weit verbreitetes Statistik- und Datenanalysetool. Seine Anwendung kann Datenstatistiken und -analysen für Arzneimittelforschung und -entwicklung, Herstellung und Qualitätsmanagement durch pharmazeutische Unternehmen in Übereinstimmung mit Arzneimittelgesetzen und -vorschriften erheblich fördern. Die Datenanalyse und -nutzung kann das Verständnis eines Unternehmens für seine Produkte und Prozesse verbessern und dazu beitragen, einen Konsens mit der Regulierungsbehörde zu erzielen. Diese Präsentation konzentriert sich auf die Einführung der Anwendung von JMP in der Qualitätsstatistik, mit praktischen Fallstudien in der Forschung und Entwicklung von Arzneimitteln, der Herstellung und dem Qualitätsmanagement.
Jiali Luo
Vizepräsident, Boerheringer Ingelheim China
Jiali Luo ist derzeit Vice President von Boerheringer Ingelheim China und General Manager von Borheringer Ingelheim Biopharmaceuticals (China) Ltd Entwicklung, Chief Officer von Global Commercial an einer großes chinesisches Pharmaunternehmen j . Luo hat viele Jahre in den Bereichen Biopharmazeutika in China gearbeitet und einen wesentlichen Beitrag geleistet s in die Forschung und Entwicklung, Herstellung, Qualitätssystem und kommerzielle Entwicklung für b iopharm a Produkt s . Er besitzt exp a nsive Erfahrung in Management und Betrieb ist im biopharmazeutische Industrie in China und Übersee. Luo hat m Aster 's und Promotionen in b iochemie und p Routine s Wissenschaft , sowie ein MBA-Studium.
[Fehlende Zusammenfassung für NIFDC?]
Tan De Jiang
Stellvertretender Direktor des Pharmakologischen Labors, Institut für chemische Arzneimittelkontrolle, National Institutes for Food and Drug Control
Tan De Jiang ist Cheftechniker, Mentor für Masterstudenten und stellvertretender Direktor des Pharmakologielabors am Institut für chemische Arzneimittelkontrolle der National Institutes for Food and Drug Control. Er sitzt in vielen Ausschüssen, darunter dem Expertenausschuss für die Kompetenzvalidierung des dreistufigen und einem mechanischen Testsystems für die China Food and Drug Administration (CFDA), dem Unterausschuss für Arzneimittel des 9. National Drug Reference Standards Committee und dem Medical Laboratory Unterausschuss für Qualitätskontrolle diagnostischer Produkte der Beijing Medical Examination Society.Tan ist ein CFDA-Experte für die Bewertung medizinischer Geräte, Review-Experte für den staatlichen Preis für Wissenschaft und Technologie der National Natural Science Foundation of China und den Pekinger Wissenschafts- und Technologiepreis. Er ist Mitglied des Editorial Board des Chinese Journal of Pharmaceutical Analysis. Derzeit ist er Gastprofessor an der Ocean University of China und Mentor für Masterstudenten an der China Pharmaceutical University und der Yantai University. Zuvor führte er pharmakologische Forschung bei Taisho Pharmaceutical Co., Ltd. in Japan und das Istituto Superiore di Sanità in Italien. Seine Forschungsinteressen konzentrieren sich hauptsächlich auf Arzneimittelwirksamkeits- und Toxizitätsforschung, Bewertung und statistische Anwendungen. Er war am 8. Fünfjahresplan-Forschungsprojekt, dem 863-Programm, an großen nationalen Projekten und internationalen Kooperationsprojekten beteiligt und leitete ein Projekt für die Beijing Municipal Science and Technology Commission. Tan erhielt den National Science and Technology Progress Award (3. Klasse), den State Administration of Traditional Chinese Medicine Science and Technology Progress Award (2. Klasse) und den Chinese Pharmaceutical Association Science and Technology Award (3. Klasse). Er veröffentlichte mehr als 70 wissenschaftliche Arbeiten in lokalen und ausländischen akademischen Zeitschriften, von denen sieben in SCI indexiert wurden. Er war auch an der Zusammenstellung von sieben wissenschaftlichen Publikationen beteiligt, wobei er bei einer als Chefredakteur und bei einer anderen als stellvertretender Chefredakteur fungierte.
