In vielen Branchen spielt die Kontrolle von Feinstaub oder anderen Fremdstoffen eine entscheidende und entscheidende Rolle für die Leistung und Qualität der Ausgangsprodukte.Die beteiligten Bereiche umfassen Halbleiterproduktion, LCD-Bildschirmproduktion, Bioverfahrenstechnik, Biotechnologie, Präzision B. Ausrüstung, Gießereiindustrie, Pharmazie, Krankenhäuser usw., insbesondere Im Halbleiterwaferprozess wird höchste Staubfreiheit gefordert , Da sich die heutigen Wafer bis in den Nanometerbereich entwickelt haben, kann jeder Staub, der auf den Wafer fällt, den gesamten Waferkreislauf beschädigen und sogar dazu führen, dass der Wafer verschrottet wird.Alle Arten von fließendem Wasser können die Qualität und Leistungsfähigkeit des Gesamtprodukts beeinträchtigen , und wirkt sich dann auf die Außenansicht und Bewertung des Unternehmens aus, was sich nach einer Kleinigkeit anhört, aber eine große Wirkung hat und sorgfältig und wachsam sein muss.
Mit fortschreitender Zeit wurden auch die Produktionszeit und die Entwicklungszeit von Produkten stark verkürzt, was auch bedeutet, dass die Industrie bei der Risikobewertung und Überwachung von Produktionslinien genauer sein muss, dh die Früherkennung von außer Kontrolle geratenen Produktionslinien um mögliche Verluste zu reduzieren. . Unter diesem Trend Wie man anormale Produkte schnell findet und versucht, die fehlerhaften Produkte in der frühen Phase der Produktion zu fangen, um die Herstellung von Produkten zu vermeiden, die nicht den Spezifikationen entsprechen, ist auch die oberste Priorität für die Produktionslinien und Qualitätsmanagementabteilungen in verschiedenen Branchen. .
JMP bietet viele Tools für die Fallout-Analyse, mit denen Kunden Fallout-Daten analysieren und potenzielle Problempunkte finden können. Von der vorläufigen Datenzeichnung über die Konsolidierung von Daten für einfache statistische Analysen bis hin zur Verwendung statistischer Tools für die eingehende Analyse ungewöhnlicher Projekte kann JMP perfekte Unterstützung bieten. Heute werde ich Ihnen zeigen, wie Sie JMP für die Halbleiterstaubanalyse verwenden. .
Datenzeichnung und vorläufige grafische Analyse
Die Graph Builder-Plattform von JMP kann eine schnelle Beobachtungsplattform bereitstellen, Daten in Diagramme zeichnen und die entsprechende Punktgröße entsprechend der Partikelgröße des Staubpunkts zeichnen und die Farbverlaufsfarbe verwenden, um die Partikelgröße zu unterscheiden, damit Sie die verstehen können Ist-Situation schneller und intuitiver.
Im Folgenden verwenden wir die Daten des Fallens von Staub auf der Platte als Beispiel für einen Analysefall.
Abbildung 1. Verwenden Sie den Graph Builder, um ein Streudiagramm von fallendem Staub zu erstellen, und verwenden Sie Punktgröße und Farbe, um die Partikelgröße anzuzeigen
JMP verfügt außerdem über eine Reihe von interaktiven Grafikfunktionen, mit denen Sie die Wechselbeziehungen zwischen Faktoren beobachten können, indem Sie die Grafik anpassen, und Ihnen sogar dabei helfen, wichtige Einflussfaktoren zu finden. Der lokale Datenfilter unter jeder Plattform kann die Kategorien, die Sie diskutieren möchten, anhand der von Ihnen festgelegten Variablen filtern. Mit dieser Funktion können wir bestätigen, ob es unterschiedliche Verteilungen zwischen verschiedenen Panels gibt.
Abbildung 2 Graph Builder arbeitet mit dem lokalen Datenfilter zusammen, um Daten zu filtern
Mit der Column-Switcher-Funktion können wir die auf der Graph-Builder-Plattform besprochenen Parameter schnell wechseln und schnell die Faktoren herausfinden, die einen größeren Einfluss haben, mit anderen Worten, die Faktoren können die Daten besser unterscheiden.
Abbildung 3 Graph Builder kooperiert mit Column Switcher, um Variablen zu wechseln
Wenn Sie den Anteil der Staubpartikel in verschiedenen Chargen oder zwischen Panels vergleichen möchten, können Sie auch ein Tortendiagramm zum Vergleichen verwenden, die folgende Abbildung ist ein Beispiel, wenn wir den Anteil der Staubpartikel im Panel mit der Nummer 07 vergleichen möchten näher an 06 oder 12, können Sie durch Zeichnen eines einfachen Tortendiagramms feststellen, dass der Anteil der Staubpartikel von Panel 07 näher an dem von Panel 12 liegt.
Abbildung 4: Das Tortendiagramm vergleicht die Gemeinsamkeiten und Unterschiede im Anteil des herabfallenden Staubs
Für eine kleine Datenmenge können wir ein Tortendiagramm zeichnen, um die Situation von fallendem Staub zu beobachten und Panels mit ähnlichen Anteilen von fallendem Staub zu finden, aber wenn die Datenmenge etwas größer ist, gibt es eine andere Möglichkeit, das problematische Panel zu finden ?
Gruppieren Sie die Daten und gruppieren Sie diejenigen mit ähnlichen Anteilen in derselben Gruppe
Um dieses Problem zu lösen, bietet JMP viele einfache Plattformen, die Benutzern helfen, anormale Punkte in größeren Datenmengen zu analysieren. Lassen Sie uns zunächst versuchen, JMP zu verwenden, um die Leistung basierend auf dem Anteil des Staubabfalls zu gruppieren.
Um die Berechnung zu vereinfachen, nehmen wir zunächst eine einfache Gruppierung der Partikelgröße vor und verwenden die Verteilungsplattform von JMP, um die Gesamtverteilungsperzentildaten zu finden.Das Quantil wird als Teilungspunkt verwendet, um die Daten in winzige Partikel, klein, zu unterteilen Partikel, mittlere Partikel, große Partikel und ultragroße Partikel.
Abbildung 5 Verwenden von „Verteilung“ für deskriptive Statistikanalysen
Verwenden Sie als Nächstes hierarchisches Clustering Um nach dem Anteil der Partikel zu gruppieren, können wir das finden JMP Gruppieren Sie ähnliche Proportionen in derselben Gruppe , klassifizieren wir mit Hilfe von JMP das gesamte Panel in drei Kategorien. Wir können feststellen, dass Kategorie 1 einen ringförmigen Staubfalltrend zu haben scheint, während Kategorie 3 einige spezielle große Partikelpunkte und -cluster auf der Ober- und Unterseite zu haben scheint untere linke Ecke Nachdem die anschließende Sammlung weitere Proben umfasst, können diese Daten verwendet werden, um zu beurteilen, in welcher Panelgruppe die neuen Daten näher am Anteil des fallenden Staubs liegen, und dann in Kombination mit den nachfolgenden Produktionslinienergebnissen können sie im Voraus erkannt werden des vorherigen Prozesses Mögliche Gelegenheiten für fehlerhafte Produkte, um die nachfolgende Produktion von minderwertigen Produkten zu vermeiden.
Abbildung 6 Klassifizierung durch hierarchisches Clustering nach dem Anteil des herabfallenden Staubs
Nachdem wir verstanden haben, wie Proben mit dem gleichen Trend gruppiert werden, müssen wir weiter klären, welche Panels welche speziellen Staubabscheidungsprobleme haben.
verwenden JMP Analyse von abnormalen Staubfalldaten
Um die Panels mit besonderen Staubbedingungen zu finden, teilen wir zunächst einfach den ungewöhnlichen Staub in mehrere Elemente auf.
- Große Partikel – Panels mit einer viel größeren Fallout-Partikelgröße im Vergleich zu den gesamten Fallout-Partikelgrößendaten
- Hohe Menge - Das Panel hat eine viel höhere Staubmenge als die Gesamtstaubmengendaten
- Gehäufter Staub - relativ zu den Gesamtstaubdaten weist der Plattenstaub in einigen Bereichen eine höhere Konzentration auf
JMP Untersuchen Sie Ausreißer auf Die Plattform kann die von uns festgelegten Ausreißer schnell ausfindig machen , in diesem Fall verwenden wir die Schnittstelle Quantile Range Outliers, um herauszufinden, dass Tail Quantile 0,005 und Q 4 ist und der Punkt des Ausreißers größer als [Percentile 0,995+4*(Percentile 0,995-Percentile 0,005 ) ist. ] oder kleiner als [Perzentil 0,005–4*(Perzentil 0,995–Perzentil 0,005)], kann festgestellt werden, dass die Obergrenze 541 beträgt und die Partikel, die diese überschreiten, als große Partikel betrachtet werden und gekennzeichnet werden müssen.
Abbildung 7 Verwenden von „Explore Outliers“ zum Filtern von Ausreißern
Mit Graph Builder oder Tabulate können wir feststellen, dass die Panels 4 bis 12 große Partikel enthalten.
Abbildung 8 verwendet Graph Builder und Tabulate, um die Anzahl großer Staubpartikel auf jeder Platte darzustellen
Wenn Sie Panels mit einer großen Menge Staub auswählen möchten, verwenden Sie Tabulate, um die Staubmenge auf jedem Panel zu sortieren, und verwenden Sie dann die Plattform Explore Outliers, um die Panels mit mehr Staubpartikeln auszuwählen. Anhand dieses Beispiels denken wir, dass die drei Panels 06, 07 und 02 viele Staubprobleme haben.
Abbildung 9 Verwenden von Tabulate zum Sortieren der Menge an fallendem Staub und Verwenden von Explore Outliers zum Filtern von Panels mit einer großen Menge an fallendem Staub
Als nächstes müssen wir uns mit dem Problem der geclusterten Partikel befassen.Die Plattform für normale Mischungen von JMP bietet die Möglichkeit zu beurteilen, ob die Datenpunkte allgemeine zufällige Streupunkte oder spezielle konzentrierte Punkte sind. JMP teilt die Daten gemäß dem Aggregationsgrad der Punkte in mehrere Kategorien ein, was der Methode zum Entfernen der Rückseite des Bildes etwas ähnlich ist.Die allgemeinen zufällig verstreuten Punkte werden als Hintergrund verwendet, und die verbleibenden Punkte werden klassifiziert und gruppiert. In diesem Beispiel teilen wir alle Daten nach dem Ausschließen von Rauschpunkten in 5 Gruppen ein und verwenden dann den Graph Builder, um sie zu zeichnen. Es kann festgestellt werden, dass 02, 06, 07, 09 und 12 ringförmige Clusterpartikel aufweisen, insbesondere in 02, 06, 07 ist auf diesen drei Panels besonders deutlich, während 05, 10, 11, 08 einige Clustering-Punkte in der oberen und unteren linken Ecke haben, 04 zwei Clustering-Punkte auf der linken Seite hat und die Clustering-Punkte 21~30 sind nicht so auffällig, meist kleinräumige Häufungspunkte oder nur ein Häufungspunkt. Solche Ergebnisse entsprechen auch den bisherigen Ergebnissen von Hierarchical Clustering.
Abbildung 10 Verwenden Sie den Graph Builder, um die Klassifizierung von Staub nach der Klassifizierung von normalen Gemischen (nach Farbe unterschieden) zu zeichnen
Fazit Staubanalyse
Gemäß der vorherigen Analyse und der Verwendung von JMP, um die folgenden Ergebnisse zu sortieren.
Abbildung 11 Analyse und Anordnung von Staubproblemen
Mit der statistischen Analyse und den zugehörigen interaktiven grafischen Tools auf JMP können wir die Daten schnell und genau verstehen, Die grafische Darstellung hilft uns auch, Problempunkte schneller zu finden und zu kooperieren JMP Praktisches und hochgradig anpassbares Tool, mit dem Benutzer wichtige Problempunkte schnell erkennen können , in diesem Beispiel scheint die Anhäufung von ringförmigen Partikeln das Hauptproblem zu sein. Mit JMP grenzen wir das Problem auf einige wenige spezifische Panels ein und können dann eine Folgeanalyse durchführen, um zu bestätigen, ob das Problem auf eine bestimmte Ausrüstung konzentriert ist oder Personaleinsatz usw. Durch die Verwendung von JMP können Sie schneller Zeit und Mühe sparen und die Qualität Ihrer Produkte mit weniger Geld aufrechterhalten.
Literatur-Empfehlungen:
Erfahren Sie in 7 Minuten, wie Sie mit JMP eine Waferkarte zeichnen
Wie erkennt man Waferdefekte schnell? Datenanalyse in Hightech-Halbleitern
Wie führt man einen Zuverlässigkeitstest für IC-Produkte durch? Anwendung zur JMP-Zuverlässigkeitsbeschleunigungsanalyse
