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_de-DE

liliconcom

Ermittlung von Entscheidungsmetriken zur Ertragsverbesserung mithilfe der Monte-Carlo-Simulation_Jeffrey Yang

Sprecher: Jeffrey Yang, Senior Engineering Manager von Micron Semiconductor

das Vortragsthema: Festlegung von Entscheidungsmetriken zur Ertragsverbesserung unter Verwendung der Monte-Carlo-Simulation

Zusammenfassung:

In der LSI-Testbranche gibt es immer wieder Herausforderungen, die Ausbeute zu verbessern, indem falsche Fehler reduziert werden, insbesondere im Back-End-Betrieb. Auf der einen Seite fordern die Kunden zunehmend pünktliche Lieferungen. Auf der anderen Seite besteht ein enormer Druck, bei den Kosten für jedes einzelne Werkzeug zu sparen und gleichzeitig die Qualitätsstandards des Kunden zu erfüllen. Das Finden der Balance-Metrik wird zu einem Schlüsselpunkt, um das Engineering-Team bei der Entscheidungsfindung zu leiten. Monte-Carlo-Simulationen können dieses Problem effektiv angehen, aber oft fehlen Ingenieuren die richtigen Werkzeuge, um diesen Ansatz zu übernehmen. JMP Pro kann Ihnen helfen, selbst wenn Sie neu in Sachen Codierung und Algorithmen sind. Dieser Artikel beschreibt, wie Monte-Carlo-Simulationen mit JMP Pro durchgeführt werden, um das richtige Rezept für Produktionstools (Socket-Deaktivierungsrate usw.) und betriebliche KPIs (UPH, Ausbeute, Wiederherstellungsrate usw.) zu finden. Simulationsergebnisse werden in Radardiagrammen wiedergegeben, um Ingenieuren eine dynamische Ansicht zu bieten, um Gleichgewichtspunkte zu beurteilen und Rezepte nach Bedarf anzupassen. Durch die Formulierung einer Reihe von Radarindikatoren in Kombination mit Produktportfolios und die Implementierung von Formelanpassungen trägt es zur Verbesserung des Gesamtertrags der Terminalproduktion bei.