Level: Mittelstufe
Corinne BERGES, Six Sigma Black Belt, NXP-Halbleiter
Ein Kunde in der Automobilindustrie meldete ein Problem mit einigen Teilen, und die Fehleranalyse zeigte mehrere Fehlertests bei Ventilmanagementfunktionen auf. Neue Tests an den Produkten ergaben einen Bereich in der Werkzeugkante, in dem die Teile mit größerer Wahrscheinlichkeit versagen. Die Analysen wurden entwickelt, um den Unterschied zwischen diesem schwachen Bereich und dem Rest der Matrize zu verstehen. Bei diesen Analysen wurden Einheitensonden- und Klassensondendaten verwendet: Ersteres ermöglicht die Untersuchung auf Matrizenebene; Letzteres unterstützt das Studium der Fadenkreuze auf dem Wafer. Die Fadenkreuze sind spezifische Strukturen, die auf den Wafern zwischen den Stempeln eingebettet sind und jeden einzelnen Herstellungsschritt darstellen. Ihr Test ermöglicht die Identifizierung des fehlerhaften Schritts.
Die Datenanalyse in JMP bestand aus einer univariaten Analyse mit Testverteilungsdiagramm, multivariater Analyse und auch Vorhersagealgorithmen unter Verwendung des Vergleichs zwischen den beiden Bereichen auf dem Chip auf sieben Waferchargen. Die Analysen wurden auf Matrizen- und Fadenkreuzebene durchgeführt, um die fehlgeschlagenen Herstellungsschritte hervorheben zu können.
Diese Fallstudie wurde in Schulungsunterlagen verwendet, um maschinelles Lernen zu fördern. Im Kontext der Automobilindustrie, in der Null Fehler das Ziel sind, muss jeder in solchen Analysen geschult werden, um ein höchstmögliches Qualitätsniveau zu erreichen.
