Ideen für die Nachverfolgung von STMicro-Daten?<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Suchen Sie nach Ideen für ein plausibles DOE für den STMicroelectronic-Datensatz. Dies wäre das Thema des "Data Mining, das produktiveres DOE / ganzheitliches DOE ermöglicht".
Der Datensatz ist angehängt. Grundsätzlich, wenn Sie gehen Durch den ganzheitlichen DOE-Ansatz von Explore / Screen / Experiment stellen Sie fest, dass es eine Handvoll wichtiger parametrischer Tests gibt, die mit der Antwort korrelieren: logBin10-Fehler. Im Bootstrap Forest mit fehlenden Informationen können Sie schnell die 606 PT-Parameter durchsuchen und diejenigen finden, die das Vorhandensein des dominierenden Fehlermodus am besten charakterisieren.
Es gibt auch eine Teilungsvariable im Datensatz, die ein Teil der Ausrüstung ist, die zur Herstellung dieser Chips verwendet wird. Und Sie sehen, dass die Trennung auch mit dem Scheitern zusammenhängt.
Aus diesen Daten haben wir eine Reihe von PT-Parametern, die sich auf das primäre Fehler-BIN beziehen, was für Ingenieure nützlich ist, da die PTs früh im Fertigungsprozess ausgeführt werden und Chips, die die Sortierung der elektrischen Wafer nicht erfüllen, frühzeitig warnen können. (Aufgrund des soeben durchgeführten Data Mining müssen sie nur die Werte von 4 bis 5 dieser Parameter überwachen, um einen guten Überblick über die wahrscheinlichen Fehler zu erhalten.)
Es scheint jedoch, als gäbe es hier mehr Gelegenheit zum Lernen, und diese Data Mining-Übung sollte zu einem kontrollierten Experiment führen, bei dem die Organisation besser verstehen kann, was vor sich geht. Wenn die Aufteilung Probleme im Herstellungsprozess verursacht, was könnte hier noch am Werk sein?
Es scheint, als ob das Data Mining auf den Symptomen beruht und nicht die Hauptursache im Herstellungsprozess ist. Aber Sie möchten nicht unbedingt ein Follow-up-DOE einrichten, bei dem die PT-Parameter als Faktoren verwendet werden, oder? Wäre es sinnvoll, absichtlich Chips herzustellen, die auf den PTs niedrig oder hoch angezeigt werden, um das Versagen im EWS hervorzurufen? Wenn Sie diese PTs absichtlich systematisch variieren, können Sie Ursache und Wirkung überprüfen, anstatt nur die Produktionsdaten abzubauen.
Basierend auf dem Bootstrap Forest sind hier die beiden dominierenden PT-EWS-Beziehungen mit 164 und 451:
In Kombination mit der Aufteilung, die wir auch testen möchten, können wir ein benutzerdefiniertes Design erstellen. Dies wäre der Designlauf für die beiden PTs und die Aufteilung:
Ich gehe davon aus, dass es viele andere Faktoren gibt, die sich auf den BIN10-Fehler auswirken können und die es wert sind, untersucht zu werden, das Ablagerungsrezept, den Rohmaterialhersteller, die Ätzgeschwindigkeit usw. Ziel wäre es, ein plausibles Follow-up-Design zu erstellen, das in einem datengetriebenen DOE-Kontext Sinn macht. Ich schätze die Gedanken und helfe.
Betreff: Ideen für das Follow-up von DOE für STMicro-Daten?Danke, Robert! Ich freue mich auch auf Ihren Fall. Das wird eine schöne Ergänzung zum ST-Fall sein, den wir bereits haben. Scott und ich hatten letzte Woche (2. Oktober) unser erstes Holistic DOE Event in Denver.) und ich präsentierte diesen ST-Fall mit dem oben beschriebenen Follow-up-DOE. Es schien gut zu laufen (tatsächlich sagte jemand im Publikum vor der Einrichtung des DOE: "Ich wette, es ist der Ätzschritt!").
Das schien in Ordnung zu sein mit der Tatsache, dass es sich bei Spilled um 4 verschiedene Maschinen handelt. Ich konzentrierte mich nur auf den Split 3, der die interessanteste und vielfältigste Reaktion zeigte (Splits 1 und 2 hatten niedrige Bin10-Fehler, Spilled 4 hatte alle hohen Fehler, von denen ich erklärte, dass es sich möglicherweise um ein defektes Gerät handelt, das untersucht werden sollte).
Es ist nicht perfekt, aber es erschien dem Publikum plausibel. Ich möchte den Fall noch ein bisschen verfeinern, da ich mehr Feedback bekomme. Wir werden sehen, wie es für den Rest der Ereignisse, die wir diesen Monat haben, weitergeht.
Betreff: Ideen für das Follow-up von DOE für STMicro-Daten?
Ich habe meine Semi-Demo noch einmal angeschaut und es gibt einige Probleme damit, die ich derzeit zu beheben versuche. Das Hauptproblem ist, dass Sie die gleiche Antwort erhalten können, wenn Sie die Standard-JMP-Funktionalität anstelle von Pro verwenden. Die Verwendung von Standard-JMP ist nicht so einfach wie die Verwendung von Pro, aber selbst mit Pro brauchte ich ein Skript, um durch verschiedene Validierungsspalten zu blättern und ein zuverlässiges Ergebnis zu erzielen. Das Wichtigste, was meine Semi-Demo zeigt, ist die Wichtigkeit der Validierung, wenn Sie falsche Positive unterdrücken möchten. Wenn es mir gelingt, die Probleme mit der Semi-Demo zu überwinden, stelle ich sie zur Verfügung.
Im ST-Whitepaper bin ich mir nicht sicher, welche Aufteilungen S1, S2, S3 und S4 sind. Ich glaube nicht, dass es sich um verschiedene Maschinen handelt. Sie klingen eher wie ein "Experiment", bei dem sie eine Prozesseinstellung oder einen Parameter absichtlich (oder versehentlich) verändert haben.
Ich stelle auch im ST-Whitepaper fest, dass sie Parameter 171 als den aussagekräftigsten Parameter anstelle von 451 auswählen. Ich vermute, der Grund dafür ist, dass sie besser verstehen, was Parameter 171 ist und wie sich dies auf eine Prozesseinstellung oder ein Geräteleistungsmerkmal auswirkt. Beispielsweise könnte 171 eine Messung der elektrischen Leitungsbreite sein, die sie direkt auf eine physikalische Dimension beziehen können Sie werden in einem bestimmten Schritt inline gemessen. Während 451 ein Leckstrom sein könnte, der eine weniger offensichtliche Beziehung zu dieser physikalischen Dimension hat.
In Bezug auf ein Folgeexperiment würde ein Trockenätzprozess, der das Problem darstellt, bei den meisten Halbleitern gut ankommen. Trockenätzprozesse sind oft problematisch, eignen sich aber auch gut zur Untersuchung durch DoE. Sie haben viele Faktoren, die variiert werden können, und oft hat der Verfahrenstechniker kein gutes quantitatives Verständnis dafür, wie diese Faktoren miteinander interagieren und den Prozess beeinflussen.
Ein guter Satz von Faktoren könnte sein: HF-Leistung, Vorspannungsleistung, Kammerdruck, Futtertemperatur. Helium BSC (Rückseitenkühlung). Ich kenne zwei verschiedene Ertragsprobleme, die durch Chuck-Temperatur- und He-BSC-Probleme aufgrund von Kalibrierungsunterschieden zwischen Ätzkammern verursacht wurden. Ich würde auch vorschlagen, das Experiment sowohl in einer "guten" als auch in einer "schlechten" Kammer durchzuführen.
Ertragsprobleme bei Halbleitern weisen häufig ein räumliches Muster auf den Wafern auf, wie im folgenden Beispiel gezeigt, und ähneln der im ST-Whitepaper erwähnten "Smile" -Signatur. Diese Muster können wichtige Hinweise für die Ingenieure sein, um herauszufinden, was schief gelaufen ist.
Betreff: Ideen für das Follow-up von DOE für STMicro-Daten?Dies ist eine große Verbesserung, und ich bin sicher, dass Sie jemand mit einem tieferen Hintergrund in der Semi-Industrie hinsichtlich der Faktoren und Bereiche anleiten kann, die in der vorgeschlagenen DSD für den Ätzprozess verwendet werden sollen.
Wenn ein Teil der Zielgruppe für diese Demo JMP-Benutzer sind, sollten Sie darüber nachdenken, wie Sie den vorgeschlagenen Workflow in Pro einfacher demonstrieren und zu einer potenziell besseren Lösung als JMP führen. Wenn Sie zum Beispiel Fit Y by X verwenden, um eine bivariate Analyse von log (bin10) gegen jedes X zu erhalten, und dann die Parameterschätzungen in eine kombinierte Datentabelle ausgeben, entfernen Sie die Intercept-Terme aus der kombinierten Tabelle und sortieren Sie sie nach p-Wert aufsteigend wir Holen Sie sich die ersten sechs Parameter sind 26, 451, 183, 2, 47, 164. Es scheint also nicht allzu schwierig zu sein, mit einem potenziell einfacheren Workflow zu denselben Schlussfolgerungen mit JMP zu gelangen, da wir uns keine Gedanken über die Anzahl der Bäume im Wald machen müssen. Möglicherweise müssen wir die ST-Daten modifizieren, um starke Interaktionseffekte hervorzurufen, die von der Methode „Fit Y by X“ übersehen würden, von Bootstrap Forest jedoch problemlos erfasst werden könnten. Wenn es sich bei einem Teil der Zielgruppe um vorhandene JMP-Benutzer handelt, müssen wir meines Erachtens darauf vorbereitet sein, zu zeigen, dass sie die Lösung in JMP nicht einfach neu erstellen können.
Alternativ können Sie auch die Semi-Demo verwenden, die Robert bei der ersten Veröffentlichung von Pro erstellt hat und die zeigt, wie Pro die Ursache eines Problems erkannt hat, das auf einen Drei-Wege-Infektionseffekt zurückzuführen ist, den die oben beschriebene Methode Fit Y by X verpasst hat. Anschließend können Sie das Nachfolgeexperiment auf die drei benachbarten Prozessschritte stützen, die das Problem verursacht haben. Ich werde Robert bitten, Ihnen seine Demo weiterzuleiten.
Malcolm
Betreff: Ideen für das Follow-up von DOE für STMicro-Daten?Hallo Malcolm - Danke für die Antwort. Betreff: Die Datentabelle, dafür gebe ich Ian die Ehre. Er hat großartige Arbeit geleistet, als er die Drehbücher und auch ein kurzes Video für eine Marketingkampagne zusammengestellt hat. Darauf baue ich im ganzheitlichen DOE-Kontext lediglich auf.
Zu Ihren spezifischen Punkten:
1) Zufälliges Saatgut - Bei 1.000 Bäumen haben sich die Dinge beruhigt und die Ergebnisse sind wiederholbar - 26, 451, 164 und 171 sind die Top 4. Diese Top 4 bleiben jetzt auch dann erhalten, wenn der Bootstrap Forest immer wieder ausgeführt wird. Das ist also eine gute Änderung, die vorgenommen werden sollte.
2) 164 ist schwierig, weil es in die falsche Richtung geht und ein anderes Verhalten zu haben scheint als 26, 451 und 171. Eine weitere nette Ergänzung, die ich hinzufügen werde, ist das Variablen-Clustering, das zeigt, dass 71% der Variation in den Daten durch den 451-Parameter-Durchschnitt erklärt werden.
Ich denke also, diese beiden Themen sind sortiert. Die Schlussfolgerungen aus dem Data Mining sind also:
1) Wir haben einen Bootstrap Forest und eine PCA verwendet, um eine Schlüsselassoziation zwischen dem repräsentativsten parametrischen Testergebnis (451) und dem Bin10-Fehler zu finden.
2) Wir haben auch festgestellt, dass die Split-Variable darauf hinweist, dass der Fehler möglicherweise auf ein Gerät (Split 3 und Split 4) zurückzuführen ist, das dazu führt, dass der Parametertest in dem Bereich hoch ist, der den bin10-Fehler verursacht.
3) Ausgerüstet mit diesen Fakten können wir auf die Ingenieure mit dem parametrischen Testdurchschnitt als Antwort (451_Param_average) zurückgreifen und ein DOE entwerfen, um den Ätzschritt auf der Split-3-Ausrüstung zu untersuchen.
Was die Simulation der Daten angeht, weiß ich ungefähr, in welchem Bereich sich dieser Parameter befinden sollte, und wir können herausfinden, wie hoch die Bin10-Fehlerrate für die Stufe 451 sein würde.
Ich brauche also nur eine plausible Reihe von Eingaben und Pegeln für das Follow-up-Design.
Vielleicht ein 5-Faktor-DSD:
Mit simulierten Daten sieht das dann so aus:
Die Geschichte hier könnte also irgendetwas über die Maschine sein - vielleicht fehlerhafte oder abgenutzte Teile / Sensoren, die eine intermittierende Eintauchgeschwindigkeit oder durchschnittliche Vorschubgeschwindigkeiten verursachen (nicht vorhanden bei den anderen Teilen, die in der Spezifikation arbeiten). Dies könnte wiederum dazu führen, dass hoher Param-Durchschnitt, der den Wohlstand für einen hohen bin10-Fehler verursacht.
Ich bin nicht mit dieser Geschichte verheiratet, aber es könnte funktionieren, wenn Leute, die schlauer als ich in diesem Bereich sind, glauben, dass dies plausibel sein könnte. Auch hier schätzen Gedanken und Kommentare.
Betreff: Ideen für das Follow-up von DOE für STMicro-Daten?Hallo Dan,
Die Datentabelle für die Analyse historischer Daten ist mit den Skripten zur Erläuterung der Prozess- und Messtypen gut dokumentiert und bietet eine großartige Story, die wir SEs leicht replizieren und in der Halbleiter- und anderen Industriezweigen bereitstellen können. Wir bekommen das übliche Problem mit dem zufälligen Startwert, der für den Bootstrap-Wald verwendet wird, und geben unterschiedliche Lösungen, z. B. habe ich beim zweiten Versuch 164_PARAM_AVERAGE als obersten Prädiktor für log (Bin10) erhalten und dies ist im Rest des Demo-Ablaufs nicht enthalten. Wir müssen dies korrigieren, um konsistente Ergebnisse zu erzielen. Wir könnten den zufälligen Startwert im Skript für die Bootstrap-Gesamtstruktur festlegen, aber ich möchte dies nach Möglichkeit vermeiden, da wir den Dialog für die Bootstrap-Gesamtstruktur nicht mehr anzeigen können. Ist es möglich, eine größere Anzahl von Bäumen im Wald auszuprobieren, um zu sehen, ob das Problem dadurch behoben wird, oder sogar einen verstärkten Baum?
Wie Sie vorschlagen, sind die parametrischen Tests eher Symptome als Ursachen des Problems, und ich frage mich, ob ein realistischeres nächstes DOE darin besteht, sich auf die Prozessschritte zu konzentrieren, die für jeden der vier parametrischen Testfehler verantwortlich sind. Robert könnte Sie dabei leiten, aber ich gehe davon aus, dass eine glaubwürdigere DOE in einem der Ätzschritte mit der Handlung besteht, dass es der Ätzschritt ist, der für das Merkmal verantwortlich ist, das den hohen parametrischen Testwert und den hohen parametrischen Test verursacht Wert verursacht den Fehler bin10.
Malcolm
