Re：不良品ゼロを目指してしたがって、機械学習とニューラルネットワークによって生成された大量のデータについて学習した後の質問は、半プロセス製造で関心のある欠陥の特定に役立ちます。
1）（AOI）自動光学システムを使用する従来のアプローチでは、さまざまなプロセスステップ間でインライン欠陥を検出するため、ウェーハレベルまたは製品レベルでダイが故障する可能性がある致命的な欠陥のみに焦点を当て、そのため、戦略的に検査を実施します最も重要な関心領域のレシピ。製造プロセスのリソースを最も効率的な方法で使用するために、私たちが回避しているのは、致命的でない欠陥をキャプチャすることです。機械学習アルゴリズムに従って、すべてのウエハーのクリティカルなエリアまたはクリティカルでないエリアにある可能性のある特定の欠陥を探していると、サイクルタイムが危険にさらされますか？機能および製品の障害と高い相関係数を示していますか？
2）欠陥の減少と顧客の期待に焦点を合わせ続けている場合、（D0）方法論はすべての欠陥の除去に焦点を合わせていますか？もしそうなら、それはAOIを使用する現在の慣行よりも費用対効果が高いですか？
3）この方法論に基づくいくつかの相関関係を示すために、いくつかの非専有データを共有できますか？
ありがとう！
/ Sajid Shamsi
Re：不良品ゼロを目指してこんにちは @sajid -
Ed Hutchinsに連絡して、彼が直接応答できるようにしました。これが彼の言ったことです：
1）私たちの経験では、AOIシステムに比べてプロセスにかなりのサイクルタイムを追加しないように、致命的な欠陥を識別するための機械学習アルゴリズムの使用を実装できます。 ただし、これを実現するには、いくつかの実用的な要素を念頭に置いてシステムをセットアップする必要があります。検査システムによって生成されるデータの量、機械学習アルゴリズムを実行するコンピューターの能力、およびコンピューターの相対位置検査システムに。 これらの要素が考慮され、システムが適切に設計されている場合、分析する必要のあるデータの量に応じて、ウエハーあたり数秒から数分までプロセス全体を迅速に実行できます。 適切にトレーニングされている場合、機械学習アルゴリズムは非常に正確であり、その結果と下流の製品属性または障害との間に直接的な相関関係があります。
2）欠陥ゼロと自動欠陥検出は補完的です。 自動検査装置と機械学習アルゴリズムを有効にすると、100％検査ははるかに低コストで時間がかかります。 これらのシステムは、欠陥ゼロを促進するために2つのことを行います。欠陥が製品に伝わらないようにして下流の歩留まりを促進することと、まれにしか発生しない欠陥であっても、欠陥の発生を正確に記述することで上流の改善活動を可能にすることです。
3）WolfspeedのRobert Leonard博士が、2019年の炭化ケイ素と関連材料に関する内部会議（ICSCRM）で機械学習のアプリケーションを発表しました。 会議の議事録が公開されると、彼の論文には相関関係を示すサンプル画像が含まれます。
欠陥ゼロ製品を目指して 
Ed Hutchins, Wolfspeed, outlines the new and powerful ways engineers are striving to create zero-defect products. Wolfspeed社のエド・ハッチンズ氏が、エンジニアがゼロ欠陥製品の開発に取り組んでいる、新しく強力な方法について解説します。Wolfspeed社のエド・ハッチンズ氏が、エンジニアがゼロ欠陥製品の開発に取り組んでいる、新しく強力な方法について解説します。企業は、製品の製造と配送において、自動化とデジタル経済の台頭を積極的に受け入れています。また、産業用IoT（IIoT）の台頭によって実現したインラインセンサーと高度な計測システムにより、これまで以上に複雑な大量のデータが生成・収集されています。Cree傘下のWolfspeed社で製品エンジニアリングマネージャーを務めるエド・ハッチンズ氏が、このビデオクリップで解説します。 パネルディスカッションの全編はオンデマンドで視聴できます。
先ほど膨大なデータについて話しましたが、これはほんの始まりに過ぎません。データの利用方法は変化しており、ごく最近になって変化しました。以前は自動検査ツールを使って、特定の特徴、特定の属性、特定の欠陥を探すためのレシピを定義していました。
「しかし、今では機械学習とディープニューラルネットワークの登場により、目視では確認できても、有限のパラメータセットや指示のレシピにまで絞り込むのが難しい欠陥を探すアルゴリズムを作成できるようになりました。
「これらの技術によって、これまでは人間の介入やサンプル採取が必要だった欠陥を発見できるようになり、全体像を把握できるようになりました。」
「私たちは製品全体、すべてのウェハー、すべてのサンプルを調べて、これらの特徴を見つけようとすることで、今日のお客様の期待の一部であるゼロ欠陥を目指すことができます。」
オンデマンド ウェブキャストのプレビューは次のとおりです。
Wolfspeed の Ed Hutchins 氏は、エンジニアが品質エンジニアリングと機械学習を使用して欠陥ゼロの製品を作成する新しい強力な方法について説明します。
