nav[aria-label="Primary Navigation"] { padding: 0; & ul { list-style: none; width: 100%; display: flex; flex-direction: row; justify-content: start; align-items: start; gap: 30px; padding: 0; & li { margin: 0; } & ul li { list-style: none; } } }

195271_it-IT

liliconcom

Stabilire metriche decisionali per il miglioramento del rendimento utilizzando la simulazione Monte Carlo_Jeffrey Yang

Relatore: Jeffrey Yang, Responsabile tecnico senior di Micron Semiconductor

l'argomento del discorso: Stabilire metriche decisionali per il miglioramento del rendimento utilizzando la simulazione Monte Carlo

Riepilogo:

Nel settore dei test LSI, ci sono sempre sfide per migliorare il rendimento riducendo i falsi errori, specialmente nelle operazioni di back-end. Da un lato, i clienti richiedono sempre più consegne puntuali. D'altra parte, c'è un'enorme pressione per risparmiare sul costo di ogni singolo stampo rispettando gli standard di qualità del cliente. Trovare la metrica di equilibrio diventa un punto chiave per guidare il team di ingegneri nel prendere decisioni. Le simulazioni Monte Carlo possono risolvere efficacemente questo problema, ma spesso gli ingegneri non dispongono degli strumenti adeguati per adottare questo approccio. JMP Pro può aiutarti, anche se sei nuovo nella codifica e negli algoritmi. Questo articolo spiegherà come utilizzare JMP Pro per eseguire simulazioni Monte Carlo per trovare la ricetta giusta per gli strumenti di produzione (tasso di disabilitazione del socket, ecc.) e i KPI operativi (UPH, rendimento, tasso di recupero, ecc.). I risultati della simulazione si riflettono nei grafici radar per fornire agli ingegneri una vista dinamica per giudicare i punti di equilibrio e regolare le ricette secondo necessità. Formulando una serie di indicatori radar combinati con portafogli di prodotti e implementando aggiustamenti della formula, aiuta a migliorare la resa complessiva della produzione di terminali.