使用数据挖掘进行产量建模和模式预测：一种预防方法使用数据挖掘进行产量建模和模式预测：一种预防方法
François Bergeret 博士，统计学家 – Ippon Innovation
文森特·巴雷克； Alexandre Couvrat，Soitec 良率和缺陷率工程师
对于复杂的工艺制造，良率和缺陷取决于大量因素。 已投入生产的产量增强工具正在帮助 Soitec 检测大多数流程问题（快速反应方法）。 本文介绍了使用 JMP 脚本语言 (JSL) 和 JMP 创建的两种新数据挖掘工具，它们现在用于预防性方法。 产量模型检测与产量相关的主要因素。 然后将这些因素包含在模型中以提供准确的预测。 基于制造量、工艺工具负载和吞吐量的模拟可供用户预测产量和缺陷变化。 Yield Model 是一个交互性很强的工具，其终极 JSL 功能将在演示过程中现场展示。 对于下一代 SOI（绝缘体上硅），零件内厚度均匀性是主要的良率驱动因素。 图案预测使用 JMP 9 Neural 平台来分析和预测厚度均匀性，并获得非常有希望的结果。 用户在学习样本上训练神经网络，神经网络会根据验证样本进行评估，自动以良好的准确性预测未来零件的模式。 本文包括用于收益模型的高级 JSL 功能，以及神经网络准确预测复杂模式能力的发现。 本文中介绍的两种工具是预防性工具，可帮助 Soitec 节省时间并提高质量。
预测建模
