In molti settori, il controllo delle polveri sottili o di altri corpi estranei gioca un ruolo vitale e decisivo per le prestazioni e la qualità dei prodotti realizzati.I settori coinvolti includono la produzione di semiconduttori, la produzione di schermi LCD, l'ingegneria biochimica, la biotecnologia, gli strumenti di precisione, le industrie OEM. , prodotti farmaceutici, ospedali e altre industrie, in particolare I processi di produzione dei wafer semiconduttori hanno i requisiti più elevati in termini di livelli di assenza di polvere Poiché i wafer attuali si sono sviluppati a livello nanometrico, qualsiasi particella di polvere che cade sul wafer può causare danni all'intero circuito del wafer o addirittura causare la rottamazione del wafer. Gli sforzi precedenti hanno dato i loro frutti. Il flusso d'acqua può influenzare la qualità e le capacità del prodotto complessivo e quindi influenzano la visione esterna e la valutazione dell'azienda. Anche se sembra una cosa piccola, ha un ampio impatto, quindi dobbiamo stare attenti.
Con l'avanzare dei tempi, anche i tempi di produzione del prodotto e il periodo di sviluppo sono stati notevolmente ridotti. Ciò significa anche che l'industria deve essere più accurata nella valutazione dei rischi e nel monitoraggio della linea di produzione per rilevare tempestivamente la perdita di controllo della linea di produzione e ridurre possibili perdite . . Secondo questa tendenza, Anche come scoprire rapidamente prodotti anomali e cercare di individuare prodotti difettosi nelle prime fasi della produzione per evitare di produrre prodotti che non soddisfano le specifiche è una priorità assoluta per le linee di produzione e i dipartimenti di gestione della qualità in vari settori. .
JMP fornisce numerosi strumenti di analisi della polvere per aiutare i clienti ad analizzare i dati sulla polvere e a individuare potenziali punti problematici. Dal disegno preliminare dei dati, all'integrazione dei dati per semplici analisi statistiche o al successivo utilizzo di strumenti statistici per l'analisi approfondita di progetti anomali, JMP può fornire un supporto perfetto. Oggi condividerò come utilizzare JMP per condurre analisi di fallout dei semiconduttori. .
Disegno dei dati e analisi grafica preliminare
La piattaforma di creazione grafici di JMP può fornire una piattaforma di osservazione rapida per inserire dati in grafici e può disegnare dimensioni in punti corrispondenti in base alla dimensione delle particelle dei punti di polvere e utilizzare colori sfumati per distinguere le dimensioni delle particelle, consentendo di comprendere la situazione reale più rapidamente e stato intuitivamente.
Di seguito utilizziamo i dati della polvere caduta sul pannello come illustrazione del caso di analisi.
La Figura 1 utilizza il generatore di grafici per creare un diagramma di dispersione della polvere che cade e utilizza la dimensione in punti e il colore per indicare la dimensione delle particelle.
JMP dispone inoltre di numerose funzioni di grafici interattivi che consentono di osservare le relazioni tra i fattori modificando la grafica e aiutano anche a trovare i principali fattori di influenza. Il filtro Dati locali sotto ciascuna piattaforma può filtrare le categorie di cui vuoi discutere in base alle variabili impostate. Utilizzando questa funzione, possiamo verificare se ci sono diverse allocazioni tra i diversi panel.
Figura 2 Il generatore di grafici collabora con il filtro dati locale per filtrare i dati
Utilizzando la funzione di cambio colonna, possiamo cambiare rapidamente i parametri discussi nella piattaforma di creazione dei grafici e scoprire rapidamente i fattori con maggiore influenza. In altre parole, questo fattore può distinguere meglio i dati.
Figura 3 Il generatore di grafici collabora con Column Switcher per cambiare variabili
Se si desidera confrontare la proporzione delle particelle di polvere in diversi lotti o pannelli, è anche possibile utilizzare un grafico a torta per confrontare, prendendo come esempio la figura seguente: se vogliamo confrontare la proporzione delle particelle di polvere nel pannello n. essere più vicino a 06 o 12, è possibile Disegnare un semplice grafico a torta mostra che la proporzione delle particelle di polvere nel Pannello 07 è più vicina a quella del Pannello 12.
Figura 4: Grafico a torta che confronta le somiglianze e le differenze nella proporzione di polvere
Per una piccola quantità di dati, possiamo disegnare un grafico a torta per osservare la situazione della polvere e trovare pannelli con rapporti di polvere simili. Ma quando la quantità di dati è leggermente più grande, ci sono altri modi per trovare pannelli problematici?
Raggruppare i dati in gruppi con proporzioni simili
Per risolvere questo problema, JMP fornisce molte semplici piattaforme per aiutare gli utenti ad analizzare le anomalie in dati più grandi. Innanzitutto, proviamo a utilizzare JMP per eseguire il raggruppamento in base alla proporzione di polvere.
Per semplificare il calcolo, eseguiamo innanzitutto un semplice raggruppamento delle dimensioni delle particelle e utilizziamo la piattaforma di distribuzione JMP per trovare i dati percentili di distribuzione complessivi, come mostrato di seguito, basandoci su 75° percentile, 90° percentile, 97,5° percentile, 99,5° percentile Il quantile viene utilizzato come punto di divisione per dividere il materiale in particelle fini, particelle piccole, particelle medie, particelle grandi e particelle ultra-grandi.
La Figura 5 utilizza la distribuzione per l'analisi statistica narrativa
Successivamente, utilizza il clustering gerarchico per dividere il pannello Possiamo trovarlo in base alla proporzione delle particelle JMP Raggruppa quelli con proporzioni simili nello stesso gruppo , con l'aiuto di JMP, abbiamo classificato il pannello complessivo in tre categorie. Possiamo scoprire che la categoria uno sembra avere una tendenza alla caduta della polvere a forma di anello, mentre la categoria tre sembra avere alcuni punti e ammassi di particelle speciali di grandi dimensioni sul lato superiore e nell'angolo inferiore sinistro.Quando si verifica l'agglomerazione e vengono raccolti più campioni e inclusi nel follow-up, questi dati possono essere utilizzati come gruppo per giudicare a quale rapporto di polvere il nuovo materiale è più vicino.In combinazione con i successivi risultati della linea di produzione , può essere pre-rilevato nel processo front-end.Identificare potenziali opportunità per prodotti difettosi per evitare la successiva produzione di prodotti difettosi.
La Figura 6 utilizza il clustering gerarchico per classificare in base alla proporzione di polvere.
Dopo aver capito come raggruppare i campioni con lo stesso andamento, occorre ulteriormente chiarire quali pannelli presentano particolari problemi di polvere.
utilizzo JMP Analizzare i dati anomali sulla ricaduta di polvere
Per trovare i pannelli con condizioni particolari di ricaduta di polvere, per prima cosa dividiamo semplicemente la caduta di polvere anomala in più voci.
- Particelle di grandi dimensioni - Rispetto ai dati relativi alla dimensione complessiva delle particelle di polvere, il pannello ha una dimensione delle particelle di polvere che è molto superiore ai dati relativi alla dimensione complessiva delle particelle di polvere
- Grande quantità - Rispetto al dato relativo alla quantità di polvere complessiva, il pannello presenta una quantità di polvere molto superiore a quella complessiva.
- Polvere raggruppata - Rispetto ai dati complessivi sulla polvere, la polvere del pannello presenta una concentrazione maggiore in alcune aree.
JMP Esplora valori anomali su La piattaforma può cercare rapidamente i valori anomali che abbiamo impostato , in base al caso di fallout, utilizziamo l'interfaccia Quantile Range Outliers per scoprire che Tail Quantile è 0,005 e Q è 4 e impostiamo il punto anomalo in modo che sia maggiore di [percentile 0,995+4*(percentile 0,995-percentile 0,005 )] o inferiore a [percentile 0,005-4*(percentile 0,995-percentile 0,005)], si può scoprire che il limite superiore è 541. Consideriamo le particelle che lo superano come particelle grandi e dobbiamo contrassegnarle.
Figura 7 Utilizzare Esplora valori anomali per filtrare i valori anomali
Utilizzando il generatore di grafici o la tabella possiamo scoprire che i pannelli 4~12 hanno tutti particelle di grandi dimensioni.
La Figura 8 utilizza il generatore di grafici e la tabella per visualizzare il numero di particelle di polvere di grandi dimensioni in ciascun pannello.
Se desideri selezionare pannelli con una grande quantità di particelle di polvere, utilizza Tabula per ordinare il numero di particelle di polvere su ciascun pannello, quindi utilizza la piattaforma Esplora valori anomali per selezionare i pannelli con una maggiore quantità di particelle di polvere. In questo esempio, penseremo che i tre pannelli 06, 07 e 02 abbiano molti problemi di polvere.
La Figura 9 utilizza Tabula per ordinare la quantità di polvere e utilizza Esplora valori anomali per filtrare i pannelli con una grande quantità di polvere.
Successivamente dobbiamo affrontare il problema delle particelle raggruppate. La piattaforma Miscele normali di JMP offre la possibilità di determinare se i punti dati sono punti sparsi casuali generali o punti concentrati speciali. JMP divide i dati in diverse categorie in base al grado di aggregazione dei punti. È in qualche modo simile al metodo di memorizzazione delle immagini, utilizzando punti sparsi casuali generali come sfondo e quindi classificando i punti rimanenti in gruppi. In questo esempio, dividiamo tutti i dati dopo aver escluso i punti di rumore in 5 gruppi, quindi li disegniamo con il generatore di grafici. Possiamo scoprire che ci sono punti di particelle raggruppati a forma di anello in 02, 06, 07, 09 e 12, in particolare in 02, 06 , 07 è particolarmente evidente sui tre pannelli, mentre 05, 10, 11 e 08 hanno alcuni gruppi di punti negli angoli superiore e inferiore sinistro, 04 ha due gruppi a sinistra e i gruppi di 21~ 30 non sono così Ovviamente, la maggior parte di essi sono punti di cluster su piccola scala o solo un punto di cluster. Tali risultati corrispondono anche ai risultati precedenti del clustering gerarchico.
La Figura 10 utilizza il generatore di grafici per tracciare la classificazione delle polveri dopo la classificazione delle miscele normali (distinte per colore)
Conclusione dell'analisi delle polveri
Sulla base dell'analisi precedente e utilizzando JMP per l'organizzazione, si ottengono i seguenti risultati.
Figura 11 Analisi e tabella di finitura del problema polveri
Utilizzando l'analisi statistica e i relativi strumenti grafici interattivi su JMP, possiamo comprendere in modo rapido e accurato tutti i dati. La presentazione grafica ci aiuta anche a trovare più rapidamente i punti problematici e a collaborare JMP Strumenti pratici e altamente regolabili possono aiutare gli utenti a identificare rapidamente i punti problematici chiave. In questo esempio, il raggruppamento di particelle ad anello sembra essere il problema principale. Utilizzando JMP, restringiamo il problema ad alcuni pannelli specifici. Possiamo quindi eseguire un'analisi successiva per confermare se il problema è concentrato su una determinata attrezzatura o operazione del personale. ecc. Orientata. Utilizzando JMP, puoi essere più veloce, risparmiare tempo e fatica e mantenere la qualità dei tuoi prodotti con meno soldi.
Lettura consigliata:
Scopri come disegnare diagrammi wafer con JMP in 7 minuti
Come identificare rapidamente i difetti dei wafer? Analisi dei dati con semiconduttori ad alta tecnologia
Come eseguire test di affidabilità sui prodotti IC? Applicazione di analisi dell'accelerazione dell'affidabilità JMP
