Dans de nombreuses industries, le contrôle des poussières fines ou autres corps étrangers joue un rôle vital et décisif dans les performances et la qualité des produits fabriqués. Les domaines concernés comprennent la production de semi-conducteurs, la production d'écrans LCD, l'ingénierie biochimique, la biotechnologie, les instruments de précision, les industries OEM. , produits pharmaceutiques, hôpitaux et autres industries, en particulier Les processus de fabrication de plaquettes semi-conductrices ont les exigences les plus élevées en matière de niveaux sans poussière , étant donné que les plaquettes d'aujourd'hui ont atteint l'échelle nanométrique, toute particule de poussière tombant sur la plaquette peut endommager l'ensemble du circuit de la plaquette, voire entraîner la mise au rebut de la plaquette. Les efforts précédents ont porté leurs fruits. Le débit d'eau peut affecter la qualité et les capacités du produit dans son ensemble, et ainsi affecter la vision externe et l'évaluation de l'entreprise. Même si cela semble être une petite chose, cela a un impact considérable, nous devons donc être prudents.
Avec l'avancée des temps, le temps de production et la période de développement des produits ont également été considérablement réduits.Cela signifie également que l'industrie doit être plus précise dans l'évaluation des risques et la surveillance de la ligne de production afin de détecter rapidement la perte de contrôle de la ligne de production et de réduire les pertes possibles. . . Sous cette tendance, Comment découvrir rapidement les produits anormaux et essayer de détecter les produits défectueux dès les premiers stades de la production pour éviter de produire des produits qui ne répondent pas aux spécifications est également une priorité absolue pour les lignes de production et les services de gestion de la qualité dans diverses industries. .
JMP propose de nombreux outils d'analyse de poussière pour aider les clients à analyser les données sur la poussière et à identifier les points problématiques potentiels. Du dessin de données préliminaires à l'intégration de données pour une analyse statistique simple, ou à l'utilisation ultérieure d'outils statistiques pour une analyse approfondie de projets anormaux, JMP peut fournir un support parfait. Aujourd'hui, je vais partager comment utiliser JMP pour effectuer une analyse des retombées des semi-conducteurs.
Dessin des données et analyse graphique préliminaire
La plate-forme de création de graphiques de JMP peut fournir une plate-forme d'observation rapide pour dessiner des données dans des graphiques, dessiner des tailles de points correspondantes en fonction de la taille des particules des points de poussière et utiliser des couleurs dégradées pour distinguer la taille des particules, vous permettant ainsi de comprendre la situation réelle plus rapidement et statut intuitivement.
Ci-dessous, nous utilisons les données de poussière tombant sur le panneau comme illustration de cas d'analyse.
La figure 1 utilise le générateur de graphiques pour créer un diagramme de dispersion des chutes de poussière et utilise la taille en points et la couleur pour indiquer la taille des particules.
JMP dispose également de nombreuses fonctions de graphiques interactifs qui vous permettent d'observer les relations entre les facteurs en ajustant les graphiques, et même de vous aider à trouver les facteurs d'influence clés. Le filtre de données locales sous chaque plateforme peut filtrer les catégories dont vous souhaitez discuter en fonction des variables que vous définissez. Grâce à cette fonction, nous pouvons confirmer s'il existe différentes allocations entre les différents panneaux.
Figure 2 Le générateur de graphiques coopère avec le filtre de données local pour filtrer les données
Grâce à la fonction de changement de colonne, nous pouvons rapidement changer les paramètres discutés dans la plateforme Graph Builder et découvrir rapidement les facteurs ayant une plus grande influence. En d'autres termes, ce facteur peut mieux distinguer les données.
Figure 3 Le générateur de graphiques coopère avec Column Switcher pour changer de variable
Si vous souhaitez comparer la proportion de particules de poussière dans différents lots ou panneaux, vous pouvez également utiliser un diagramme circulaire pour comparer. Prenons l'exemple de la figure suivante. Si nous voulons comparer la proportion de particules de poussière dans le panneau n° 07 à être plus proche de 06 ou 12, vous pouvez Dessiner un simple diagramme circulaire montre que la proportion de particules de poussière dans le panneau 07 est plus proche de celle du panneau 12.
Figure 4 : Diagramme circulaire comparant les similitudes et les différences dans la proportion de poussière
Pour une petite quantité de données, nous pouvons dessiner un diagramme circulaire pour observer la situation en matière de poussière et trouver des panneaux avec des taux de poussière similaires. Mais lorsque la quantité de données est légèrement plus grande, existe-t-il d'autres moyens de trouver des panneaux problématiques ?
Regroupez les données en groupes avec des proportions similaires
Afin de résoudre ce problème, JMP propose de nombreuses plates-formes simples pour aider les utilisateurs à analyser les anomalies dans des données plus volumineuses. Tout d'abord, nous essayons d'abord d'utiliser JMP pour effectuer un regroupement en fonction de la proportion de poussière.
Afin de simplifier le calcul, nous effectuons d'abord un simple regroupement de la taille des particules et utilisons la plate-forme de distribution de JMP pour trouver les données de centile de distribution globale, comme indiqué ci-dessous, nous nous basons sur le 75e centile, le 90e centile, le 97,5e centile, le 99,5e. percentile Le quantile est utilisé comme point de division pour diviser le matériau en particules fines, petites particules, particules moyennes, grosses particules et ultra-grosses particules.
La figure 5 utilise la distribution pour l'analyse statistique narrative
Ensuite, utilisez le clustering hiérarchique pour diviser le panneau en Selon la proportion de particules, on peut trouver que JMP Regroupez ceux avec des proportions similaires dans le même groupe , avec l'aide de JMP, nous avons classé l'ensemble du panneau en trois catégories. Nous pouvons constater que la première catégorie semble avoir une tendance à la chute de poussière en forme d'anneau, tandis que la catégorie trois semble avoir des points et des amas spéciaux de grosses particules sur la face supérieure. et coin inférieur gauche. Lorsqu'une agglomération se produit et que davantage d'échantillons sont collectés et inclus dans le suivi, ces données peuvent être utilisées comme un groupe de panneaux pour juger du rapport de poussière dont le nouveau matériau est le plus proche. En combinaison avec les résultats de la chaîne de production ultérieure. , il peut être pré-détecté dans le processus initial.Identifier les opportunités potentielles de produits défectueux pour éviter la production ultérieure de produits défectueux.
La figure 6 utilise le regroupement hiérarchique pour classer en fonction de la proportion de poussière.
Après avoir compris comment regrouper les échantillons présentant la même tendance, nous devons en outre clarifier quels panneaux présentent des problèmes particuliers de poussière.
utiliser JMP Analyser les données anormales sur les retombées de poussière
Afin de trouver les panneaux présentant des conditions particulières de retombée de poussière, nous divisons d’abord simplement les retombées anormales de poussière en plusieurs éléments.
- Grosses particules - Par rapport aux données globales sur la taille des particules de poussière, le panneau a une taille de particules de poussière beaucoup plus élevée que les données globales sur la taille des particules de poussière.
- Grande quantité - Par rapport aux données globales sur la quantité de poussière, le panneau présente une quantité de poussière beaucoup plus élevée que la quantité globale.
- Poussière groupée – Par rapport aux données globales sur la poussière, la poussière des panneaux a une concentration plus élevée dans certaines zones.
JMP Explorez les valeurs aberrantes sur La plateforme peut rechercher rapidement les valeurs aberrantes que nous définissons , sur la base du cas de retombées, nous utilisons l'interface Quantile Range Outliers pour déterminer que Tail Quantile est 0,005 et Q est 4, et définissons le point aberrant pour qu'il soit supérieur à [percentile 0,995+4*(percentile 0,995-percentile 0,005 )] ou inférieure à [percentile 0,005-4*(percentile 0,995-percentile 0,005)], on peut constater que la limite supérieure est de 541. Nous considérons les particules qui la dépassent comme de grosses particules et devons les marquer.
Figure 7 Utiliser Explorer les valeurs aberrantes pour filtrer les valeurs aberrantes
En utilisant le générateur de graphiques ou Tabulate, nous pouvons constater que les panneaux 4 à 12 contiennent tous de grosses particules.
La figure 8 utilise le générateur de graphiques et Tabulate pour afficher le nombre de grosses particules de poussière dans chaque panneau.
Si vous souhaitez sélectionner des panneaux contenant une grande quantité de particules de poussière, utilisez Tabulate pour trier le nombre de particules de poussière sur chaque panneau, puis utilisez la plateforme Explorer les valeurs aberrantes pour sélectionner les panneaux contenant une plus grande quantité de particules de poussière. Dans cet exemple, on pensera que les trois panneaux 06, 07 et 02 ont beaucoup de problèmes de poussière.
La figure 9 utilise Tabulate pour trier la quantité de poussière et utilise Explore Outliers pour filtrer les panneaux contenant une grande quantité de poussière.
Nous devons ensuite traiter le problème des particules groupées. La plateforme de mélanges normaux de JMP offre la possibilité de déterminer si les points de données sont des points dispersés aléatoires généraux ou des points concentrés spéciaux. JMP divise les données en plusieurs catégories en fonction du degré d'agrégation des points. C'est quelque peu similaire à la méthode de mémorisation d'images, en utilisant des points dispersés aléatoirement généraux comme arrière-plan, puis en classant les points restants en groupes. Dans cet exemple, nous divisons toutes les données après avoir exclu les points de bruit en 5 groupes, puis les dessinons avec le générateur de graphiques. Nous pouvons constater qu'il y a des points de particules regroupés en forme d'anneau à 02, 06, 07, 09 et 12, en particulier à 02, 06, 07 est particulièrement évident sur les trois panneaux, tandis que 05, 10, 11 et 08 ont des groupes de points dans les coins supérieur et inférieur gauche, 04 a deux groupes à gauche et les groupes de 21~ 30 ne le sont pas. Évidemment, la plupart d'entre eux sont des points de regroupement à petite échelle ou un seul point de regroupement. De tels résultats correspondent également aux résultats précédents du clustering hiérarchique.
La figure 10 utilise le générateur de graphiques pour tracer la classification des poussières après la classification des mélanges normaux (distingués par la couleur)
Conclusion de l'analyse des poussières
Sur la base de l'analyse précédente et en utilisant JMP pour organiser, les résultats suivants sont obtenus.
Figure 11 Tableau d'analyse et de finition du problème de poussière
Grâce à l'analyse statistique et aux outils graphiques interactifs associés sur JMP, nous pouvons comprendre rapidement et précisément l'ensemble des données. La présentation graphique nous aide également à trouver plus rapidement les points problématiques et à coopérer avec eux. JMP Des outils pratiques et hautement ajustables peuvent aider les utilisateurs à identifier rapidement les principaux points problématiques. Dans cet exemple, le regroupement de particules en anneau semble être le principal problème. Grâce à JMP, nous limitons le problème à quelques panneaux spécifiques. Nous pouvons ensuite effectuer une analyse ultérieure pour confirmer si le problème est concentré sur un certain équipement ou une certaine opération du personnel, etc. Orienté. En utilisant JMP, vous pouvez être plus rapide, économiser du temps et des efforts et maintenir la qualité de vos produits avec moins d'argent.
Lecture recommandée:
Apprenez à dessiner des diagrammes de plaquettes avec JMP en 7 minutes
Comment identifier rapidement les défauts d’une plaquette ? Analyse de données sous semi-conducteurs de haute technologie
Comment effectuer des tests de fiabilité sur les produits IC ? Application d'analyse d'accélération de la fiabilité JMP
