많은 산업 분야에서 미세먼지나 기타 이물질의 제어는 생산되는 제품의 성능과 품질에 매우 중요하고 결정적인 역할을 하며, 관련 분야에는 반도체 생산, LCD 스크린 생산, 생화학 공학, 생명 공학, 정밀 기기, OEM 산업이 포함됩니다. , 제약, 병원 및 기타 산업, 특히 반도체 웨이퍼 제조 공정은 먼지 없는 수준에 대한 가장 높은 요구 사항을 갖습니다. , 오늘날의 웨이퍼는 나노미터 수준으로 발전했기 때문에 웨이퍼에 먼지가 떨어지면 웨이퍼 회로 전체가 손상되거나 심지어 웨이퍼가 폐기되는 원인이 될 수 있습니다. 이전 노력은 성과를 거두었습니다. 물의 흐름에 영향을 미칠 수 있습니다. 제품 전체의 품질과 성능에 영향을 미치며, 회사의 대외적인 시선과 평가에도 영향을 미치게 되는데, 작은 것 같지만 파급력이 크기 때문에 주의가 필요합니다.
시대가 발전함에 따라 제품 생산 시간과 개발 기간도 크게 단축되었으며, 이는 업계가 생산 라인의 통제력 상실을 조기에 감지하고 발생 가능한 손실을 줄이기 위해 위험 평가 및 생산 라인 모니터링을 보다 정확하게 수행해야 함을 의미합니다. ... 이러한 추세 하에서, 규격에 맞지 않는 제품이 생산되지 않도록 비정상 제품을 빠르게 발견하고 생산 초기에 불량 제품을 잡아내는 방법 역시 다양한 산업 분야의 생산 라인과 품질 관리 부서가 직면한 최우선 과제입니다. .
JMP는 고객이 먼지 데이터를 분석하고 잠재적인 문제 지점을 찾는 데 도움이 되는 다양한 먼지 분석 도구를 제공합니다. 예비 데이터 작성부터 간단한 통계 분석을 위한 데이터 통합, 비정상적인 프로젝트에 대한 심층 분석을 위한 후속 통계 도구 사용까지 JMP가 완벽한 지원을 제공할 수 있습니다. 오늘은 JMP를 사용하여 반도체 불량 분석을 수행하는 방법을 공유하겠습니다.
데이터 그리기 및 예비 그래픽 분석
JMP의 그래프 빌더 플랫폼은 데이터를 그래픽으로 그릴 수 있는 빠른 관찰 플랫폼을 제공할 수 있으며, 먼지 점의 입자 크기에 따라 해당 점 크기를 그릴 수 있고 그라데이션 색상을 사용하여 입자 크기를 구분할 수 있으므로 실제 상황을 보다 신속하고 효율적으로 이해할 수 있습니다. 직관적으로 상태.
아래에서는 분석 사례 예시로 패널에 떨어지는 먼지 데이터를 사용합니다.
그림 1에서는 그래프 빌더를 사용하여 떨어지는 먼지의 분산형 다이어그램을 만들고 포인트 크기와 색상을 사용하여 입자 크기를 나타냅니다.
또한 JMP에는 그래픽을 조정하여 요인 간의 관계를 관찰하고 주요 영향 요인을 찾는 데 도움이 되는 다양한 대화형 차트 기능도 있습니다. 각 플랫폼의 로컬 데이터 필터는 설정한 변수에 따라 논의하고 싶은 카테고리를 필터링할 수 있으며, 이 기능을 사용하면 패널 간 할당이 다른지 확인할 수 있습니다.
그림 2 그래프 빌더는 로컬 데이터 필터와 협력하여 데이터를 필터링합니다.
컬럼 전환 기능을 사용하면 그래프 빌더 플랫폼에서 논의되는 매개변수를 빠르게 전환할 수 있고, 영향력이 더 큰 요소를 빠르게 찾을 수 있습니다. 즉, 이 요소를 통해 데이터를 더 잘 구분할 수 있습니다.
그림 3 그래프 빌더는 열 전환기와 협력하여 변수를 전환합니다.
서로 다른 로트나 패널의 먼지 입자 비율을 비교하려면 파이 차트를 사용하여 비교할 수도 있습니다. 다음 그림을 예로 들어 보겠습니다. 패널 번호 07과 패널의 먼지 입자 비율을 비교하려면 다음 그림을 참조하십시오. 06이나 12에 가까울수록 간단한 원형 차트를 그리면 패널 07의 먼지 입자 비율이 패널 12의 먼지 입자 비율에 더 가깝다는 것을 알 수 있습니다.
그림 4: 먼지 비율의 유사점과 차이점을 비교하는 원형 차트
데이터의 양이 적을 경우에는 원형 차트를 그려서 먼지 상황을 관찰하고 비슷한 먼지 비율의 패널을 찾을 수 있지만, 데이터의 양이 조금 클 경우에는 문제가 되는 패널을 찾을 수 있는 다른 방법이 있을까요?
데이터를 비슷한 비율의 그룹으로 그룹화
이 문제를 해결하기 위해 JMP는 사용자가 대규모 데이터의 이상치를 분석하는 데 도움이 되는 다양한 간단한 플랫폼을 제공합니다. 먼저, 먼저 JMP를 사용하여 먼지 비율에 따른 그룹화를 수행해 보겠습니다.
계산을 단순화하기 위해 먼저 입자 크기를 간단히 그룹화한 후 JMP의 분포 플랫폼을 사용하여 전체 분포 백분위수 데이터를 찾습니다. 아래와 같이 75번째 백분위수, 90번째 백분위수, 97.5번째 백분위수, 99.5번째 백분위수를 기준으로 합니다. 백분위수 분위수는 물질을 미세한 입자, 작은 입자, 중간 입자, 큰 입자, 초대형 입자로 나누는 구분점으로 사용됩니다.
그림 5는 서술형 통계 분석을 위해 분포를 사용합니다.
다음으로 계층적 클러스터링을 사용하여 패널을 다음과 같이 나눕니다. 입자의 비율에 따라 다음을 알 수 있습니다. JMP 비율이 비슷한 사람들을 같은 그룹으로 묶습니다. , JMP의 도움을 받아 전체 패널을 세 가지 카테고리로 분류했는데, 카테고리 1은 고리 모양의 먼지 떨어지는 추세를 보이는 반면, 카테고리 3은 위쪽에 특별한 대형 입자 지점과 클러스터가 있는 것으로 보입니다. 응집이 발생하고 더 많은 샘플이 수집되어 후속 조치에 포함되면 이 데이터를 패널 그룹으로 사용하여 신소재가 어느 분진 비율에 더 가까운지 판단할 수 있습니다. 후속 생산 라인 결과와 결합됩니다. , 전공정에서 사전에 감지할 수 있으며, 불량 제품의 잠재적인 기회를 식별하여 불량 제품의 후속 생산을 방지합니다.
그림 6은 계층적 군집화를 사용하여 먼지의 비율에 따라 분류합니다.
동일한 경향을 가진 샘플을 그룹화하는 방법을 이해한 후에는 어떤 패널에 특별한 먼지 문제가 있는지 명확히 해야 합니다.
사용 JMP 비정상 먼지 낙진 데이터 분석
특별한 먼지 낙진 조건을 가진 패널을 찾기 위해 먼저 단순히 비정상적인 먼지 낙진 조건을 여러 항목으로 나누었습니다.
- 대형 입자 - 전체 먼지 입자 크기 데이터와 관련하여 패널의 먼지 입자 크기는 전체 먼지 입자 크기 데이터보다 훨씬 높습니다.
- 대량 - 전체 먼지량 데이터와 비교했을 때 패널의 먼지량이 전체 먼지량보다 훨씬 많습니다.
- 클러스터된 먼지 - 전체 먼지 데이터와 비교하여 패널 먼지는 특정 영역에서 더 높은 농도를 나타냅니다.
JMP 이상값 탐색 플랫폼은 우리가 설정한 이상값을 빠르게 검색할 수 있습니다. , 낙진 사례를 기반으로 Quantile Range Outliers 인터페이스를 사용하여 Tail Quantile이 0.005이고 Q가 4임을 확인하고 이상점을 [백분위수 0.995+4*(백분위수 0.995-백분위수 0.005)]보다 크게 설정합니다. 또는 [백분위수 0.005-4*(백분위수 0.995-백분위수 0.005)] 미만인 경우 상한은 541임을 알 수 있습니다. 이를 초과하는 입자는 큰 입자로 간주하여 표시해야 합니다.
그림 7 이상값 탐색을 사용하여 이상값 필터링
그래프 빌더나 Tabulate를 사용하면 패널 4~12에 모두 큰 입자가 있음을 알 수 있습니다.
그림 8은 그래프 빌더와 Tabulate를 사용하여 각 패널의 대형 입자 먼지 수를 표시합니다.
먼지 입자가 많은 패널을 선택하려면 Tabulate를 사용하여 각 패널의 먼지 입자 수를 정렬한 다음 Explore Outliers 플랫폼을 사용하여 먼지 입자가 더 많은 패널을 선택합니다. 이번 예시에서는 06, 07, 02 3개의 패널에 먼지 문제가 많다고 생각하겠습니다.
그림 9는 Tabulate를 사용하여 먼지의 양을 정렬하고 Explore Outliers를 사용하여 먼지가 많은 패널을 필터링합니다.
다음으로 클러스터된 입자 문제를 다루어야 합니다. JMP의 정규 혼합 플랫폼은 데이터 포인트가 일반적인 무작위 산란점인지 특수 집중점인지 확인하는 기능을 제공합니다. JMP는 점집합 정도에 따라 데이터를 여러 범주로 나누는데, 일반적인 무작위로 산재된 점을 배경으로 하여 그림을 기억한 후 나머지 점을 그룹으로 분류하는 방식과 다소 유사합니다. 본 예시에서는 노이즈 포인트를 제외한 모든 데이터를 5개 그룹으로 나눈 후 그래프 빌더로 그려본 결과, 특히 02, 06, 07, 09, 12번에 고리 모양의 입자 클러스터가 존재하는 것을 확인할 수 있습니다. 02, 06, 07은 세 개의 패널에서 특히 뚜렷하게 나타나고, 05, 10, 11, 08은 왼쪽 위와 아래 모서리에 몇 개의 점 클러스터가 있고, 04는 왼쪽에 두 개의 클러스터가 있고, 21~ 30개는 그렇지 않습니다. 분명히 대부분은 소규모 클러스터 포인트이거나 단 하나의 클러스터 포인트입니다. 이러한 결과는 이전 계층적 클러스터링 결과와도 일치합니다.
그림 10은 그래프 빌더를 사용하여 일반 혼합물 분류 후 먼지 분류를 그립니다(색상으로 구분).
먼지 분석 결론
앞선 분석을 바탕으로 JMP를 이용하여 정리한 결과는 다음과 같다.
그림 11 먼지 문제 분석 및 마무리 표
JMP의 통계 분석 및 관련 대화형 그래픽 도구를 사용하면 전체 데이터를 빠르고 정확하게 이해할 수 있습니다. 그래픽 프리젠테이션은 또한 문제 지점을 보다 신속하게 찾고 협력하는 데 도움이 됩니다. JMP 편리하고 조정 가능한 도구는 사용자가 주요 문제 지점을 신속하게 식별하는 데 도움이 됩니다. 이 예에서는 링 입자 클러스터링이 주요 문제인 것으로 보입니다. JMP를 사용하여 문제를 몇 개의 특정 패널로 좁힌 다음 후속 분석을 통해 문제가 특정 장비나 인력 작업에 집중되어 있는지 확인할 수 있습니다. 지향. JMP를 사용하면 더 빠르게 작업하고, 시간과 노력을 절약하고, 더 적은 비용으로 제품 품질을 유지할 수 있습니다.
추천 도서:
JMP를 사용하여 7분 만에 웨이퍼 다이어그램을 그리는 방법을 알아보세요.
웨이퍼 결함을 신속하게 식별하는 방법은 무엇입니까? 첨단 반도체 분야의 데이터 분석
IC 제품에 대한 신뢰성 테스트를 수행하는 방법은 무엇입니까? JMP 신뢰성 가속 분석 애플리케이션
