In vielen Branchen spielt die Kontrolle von Feinstaub oder anderen Fremdstoffen eine entscheidende und entscheidende Rolle für die Leistung und Qualität der hergestellten Produkte. Zu den betroffenen Bereichen gehören die Halbleiterproduktion, die Herstellung von LCD-Bildschirmen, die biochemische Technik, die Biotechnologie, Präzisionsinstrumente und die OEM-Industrie Insbesondere die Pharmaindustrie, Krankenhäuser und andere Branchen Bei der Herstellung von Halbleiterwafern gelten höchste Anforderungen an die Staubfreiheit Da sich heutige Wafer bis in den Nanometerbereich entwickelt haben, kann jedes auf den Wafer fallende Staubteilchen den gesamten Waferkreislauf beschädigen oder sogar dazu führen, dass der Wafer verschrottet wird. Die bisherigen Bemühungen haben sich ausgezahlt. Der Wasserfluss kann beeinträchtigt werden Sie beeinflussen die Qualität und Leistungsfähigkeit des Gesamtprodukts und wirken sich somit auf die Außensicht und Bewertung des Unternehmens aus. Obwohl es wie eine Kleinigkeit klingt, hat es große Auswirkungen, daher müssen wir vorsichtig sein.
Mit dem Fortschritt der Zeit wurden auch die Produktproduktionszeit und die Entwicklungszeit erheblich verkürzt. Dies bedeutet auch, dass die Industrie bei der Risikobewertung und der Überwachung der Produktionslinie genauer vorgehen muss, um einen Kontrollverlust über die Produktionslinie frühzeitig zu erkennen und mögliche Verluste zu reduzieren . . Unter diesem Trend Die schnelle Erkennung anormaler Produkte und der Versuch, fehlerhafte Produkte in den frühen Phasen der Produktion zu erkennen, um die Produktion von Produkten zu vermeiden, die nicht den Spezifikationen entsprechen, ist ebenfalls eine der obersten Prioritäten für Produktionslinien und Qualitätsmanagementabteilungen in verschiedenen Branchen. .
JMP bietet viele Tools zur Staubanalyse, die Kunden dabei helfen, Staubdaten zu analysieren und potenzielle Problempunkte zu finden. Von der vorläufigen Datenzeichnung über die Integration von Daten für eine einfache statistische Analyse bis hin zur anschließenden Verwendung statistischer Tools für eine detaillierte Analyse ungewöhnlicher Projekte kann JMP perfekte Unterstützung bieten. Heute werde ich Ihnen zeigen, wie Sie JMP zur Durchführung einer Halbleiter-Fallout-Analyse verwenden. .
Datenzeichnung und vorläufige grafische Analyse
Die Graph Builder-Plattform von JMP kann eine schnelle Beobachtungsplattform bereitstellen, Daten in Grafiken umwandeln, entsprechende Punktgrößen entsprechend der Partikelgröße von Staubpunkten zeichnen und Verlaufsfarben zur Unterscheidung von Partikelgrößen verwenden, sodass Sie die tatsächliche Situation schneller und intuitiver verstehen können Status.
Im Folgenden verwenden wir die Daten des auf das Panel fallenden Staubs zur Veranschaulichung eines Analysefalls.
Abbildung 1 verwendet den Graph Builder, um ein Streudiagramm des fallenden Staubs zu erstellen, und verwendet Punktgröße und Farbe, um die Partikelgröße anzuzeigen.
JMP verfügt außerdem über viele interaktive Diagrammfunktionen, mit denen Sie durch Anpassung der Grafiken die Zusammenhänge zwischen Faktoren beobachten und sogar wichtige Einflussfaktoren finden können. Der lokale Datenfilter unter jeder Plattform kann die Kategorien, die Sie diskutieren möchten, basierend auf den von Ihnen festgelegten Variablen filtern. Mit dieser Funktion können wir bestätigen, ob es unterschiedliche Zuordnungen zwischen verschiedenen Panels gibt.
Abbildung 2 Graph Builder arbeitet mit dem lokalen Datenfilter zusammen, um Daten zu filtern
Mit der Spaltenumschaltfunktion können wir die in der Graph Builder-Plattform besprochenen Parameter schnell wechseln und schnell die Faktoren mit größerem Einfluss ermitteln. Mit anderen Worten, dieser Faktor kann die Daten besser unterscheiden.
Abbildung 3 Graph Builder arbeitet mit Column Switcher zusammen, um Variablen zu wechseln
Wenn Sie den Anteil der Staubpartikel in verschiedenen Chargen oder Panels vergleichen möchten, können Sie zum Vergleich auch ein Kreisdiagramm verwenden. Nehmen Sie die folgende Abbildung als Beispiel. Wenn wir den Anteil der Staubpartikel in Panel Nr. 07 mit vergleichen möchten näher an 06 oder 12 liegen, können Sie die Zeichnung eines einfachen Kreisdiagramms sehen, dass der Anteil der Staubpartikel in Panel 07 näher an dem von Panel 12 liegt.
Abbildung 4: Kreisdiagramm zum Vergleich der Gemeinsamkeiten und Unterschiede im Staubanteil
Für eine kleine Datenmenge können wir ein Kreisdiagramm zeichnen, um die Staubsituation zu beobachten und Panels mit ähnlichen Staubverhältnissen zu finden. Aber wenn die Datenmenge etwas größer ist, gibt es andere Möglichkeiten, problematische Panels zu finden?
Gruppieren Sie die Daten in Gruppen mit ähnlichen Anteilen
Um dieses Problem zu lösen, bietet JMP viele einfache Plattformen, die Benutzern bei der Analyse von Anomalien in größeren Daten helfen. Zunächst versuchen wir zunächst, mit JMP eine Gruppierung nach Staubanteil durchzuführen.
Um die Berechnung zu vereinfachen, führen wir zunächst eine einfache Gruppierung der Partikelgröße durch und verwenden die Verteilungsplattform von JMP, um die gesamten Verteilungsperzentildaten zu ermitteln, wie unten gezeigt. Wir basieren auf dem 75. Perzentil, dem 90. Perzentil, dem 97,5. Perzentil und dem 99,5. Perzentil Perzentil Das Quantil wird als Teilungspunkt verwendet, um das Material in feine Partikel, kleine Partikel, mittlere Partikel, große Partikel und ultragroße Partikel zu unterteilen.
In Abbildung 5 wird die Verteilung für die narrative statistische Analyse verwendet
Als nächstes verwenden Sie hierarchisches Clustering, um das Panel zu unterteilen Anhand des Anteils der Partikel können wir das herausfinden JMP Gruppieren Sie diejenigen mit ähnlichen Proportionen in derselben Gruppe Mit Hilfe von JMP haben wir das Gesamtpanel in drei Kategorien eingeteilt. Wir können feststellen, dass Kategorie eins einen ringförmigen Staubabfalltrend zu haben scheint, während Kategorie drei auf der Oberseite einige besonders große Partikelpunkte und -cluster zu haben scheint und untere linke Ecke. Wenn eine Agglomeration auftritt und mehr Proben gesammelt und in die Nachverfolgung einbezogen werden, können diese Daten als Panelgruppe verwendet werden, um zu beurteilen, welchem Staubverhältnis das neue Material näher kommt. Kombiniert mit den nachfolgenden Ergebnissen der Produktionslinie , kann es im Front-End-Prozess vorab erkannt werden. Identifizieren Sie potenzielle Möglichkeiten für fehlerhafte Produkte, um die spätere Produktion fehlerhafter Produkte zu vermeiden.
Abbildung 6 verwendet hierarchisches Clustering zur Klassifizierung nach dem Staubanteil.
Nachdem wir verstanden haben, wie Proben mit demselben Trend gruppiert werden, müssen wir außerdem klären, bei welchen Panels besondere Staubprobleme auftreten.
verwenden JMP Analysieren Sie Daten zu ungewöhnlichen Staubausfällen
Um die Panels mit besonderen Staubfallbedingungen zu finden, unterteilen wir zunächst einfach den anormalen Staubfall in mehrere Elemente.
- Große Partikel – Im Verhältnis zu den Gesamtdaten zur Staubpartikelgröße weist das Panel eine Staubpartikelgröße auf, die viel höher ist als die Gesamtdaten zur Staubpartikelgröße
- Große Menge – Verglichen mit den Daten zur gesamten Staubmenge weist das Panel eine viel höhere Staubmenge auf als das gesamte Panel.
- Clusterstaub – Verglichen mit den Gesamtstaubdaten weist der Plattenstaub in bestimmten Bereichen eine höhere Konzentration auf.
JMP Entdecken Sie Ausreißer auf Die Plattform kann schnell nach den von uns festgelegten Ausreißern suchen Basierend auf dem Fallout-Fall verwenden wir die Quantile Range Outliers-Schnittstelle, um herauszufinden, dass das Tail-Quantil 0,005 und Q 4 ist, und legen den Ausreißerpunkt auf größer als [Perzentil 0,995+4*(Perzentil 0,995-Perzentil 0,005)] fest. oder kleiner als [Perzentil 0,005-4*(Perzentil 0,995-Perzentil 0,005)], kann festgestellt werden, dass die Obergrenze 541 beträgt. Wir betrachten Partikel, die diese Grenze überschreiten, als große Partikel und müssen sie markieren.
Abbildung 7: Verwenden Sie „Explore Outliers“, um Ausreißer zu filtern
Mithilfe von Graph Builder oder Tabulate können wir feststellen, dass Panel 4 bis 12 alle große Partikel enthalten.
Abbildung 8 verwendet Graph Builder und Tabulate, um die Anzahl der großen Staubpartikel in jedem Panel anzuzeigen.
Wenn Sie Panels mit einer großen Menge an Staubpartikeln auswählen möchten, verwenden Sie Tabulate, um die Anzahl der Staubpartikel auf jedem Panel zu sortieren, und verwenden Sie dann die Plattform „Ausreißer erkunden“, um Panels mit einer größeren Menge an Staubpartikeln auszuwählen. In diesem Beispiel gehen wir davon aus, dass die drei Panels 06, 07 und 02 viele Staubprobleme aufweisen.
Abbildung 9 verwendet „Tabulate“, um die Staubmenge zu sortieren, und „Explore Outliers“, um Panels mit einer großen Staubmenge zu filtern.
Als nächstes müssen wir uns mit dem Problem geclusterter Partikel befassen. Die Normalmischungsplattform von JMP bietet die Möglichkeit zu bestimmen, ob es sich bei den Datenpunkten um allgemeine zufällige Streupunkte oder spezielle konzentrierte Punkte handelt. JMP unterteilt die Daten basierend auf dem Grad der Punktaggregation in mehrere Kategorien. Dies ähnelt in gewisser Weise der Methode zum Speichern von Bildern, bei der allgemeine zufällige Streupunkte als Hintergrund verwendet und die verbleibenden Punkte dann in Gruppen klassifiziert werden. In diesem Beispiel teilen wir alle Daten nach dem Ausschluss von Rauschpunkten in 5 Gruppen auf und zeichnen sie dann mit dem Graph Builder. Wir können feststellen, dass es insbesondere bei 02, 06, 07, 09 und 12 ringförmig geclusterte Partikelpunkte gibt Bei 02, 06, 07 ist auf den drei Tafeln besonders deutlich zu erkennen, während 05, 10, 11 und 08 einige Ansammlungen von Punkten in der oberen und unteren linken Ecke aufweisen, 04 zwei Ansammlungen auf der linken Seite und die Ansammlungen von 21~ 30 sind nicht so Offensichtlich handelt es sich bei den meisten davon um kleine Clusterpunkte oder nur um einen Clusterpunkt. Solche Ergebnisse entsprechen auch den vorherigen Ergebnissen des Hierarchical Clustering.
Abbildung 10 verwendet den Graph Builder, um die Staubklassifizierung nach der Klassifizierung normaler Gemische zu zeichnen (unterscheidet nach Farbe).
Fazit zur Staubanalyse
Basierend auf der vorherigen Analyse und der Verwendung von JMP zur Organisation werden die folgenden Ergebnisse erzielt.
Abbildung 11 Analyse- und Abschlusstabelle des Staubproblems
Mithilfe der statistischen Analyse und der zugehörigen interaktiven grafischen Tools in JMP können wir die gesamten Daten schnell und genau verstehen. Die grafische Darstellung hilft uns außerdem, Problempunkte schneller zu finden und zu kooperieren JMP Praktische und hochgradig anpassbare Tools können Benutzern dabei helfen, wichtige Problempunkte schnell zu identifizieren. In diesem Beispiel scheint die Anhäufung von Ringpartikeln das Hauptproblem zu sein. Mithilfe von JMP grenzen wir das Problem auf einige wenige spezifische Panels ein. Anschließend können wir eine anschließende Analyse durchführen, um zu bestätigen, ob sich das Problem auf eine bestimmte Ausrüstung oder einen bestimmten Personalbetrieb konzentriert usw. Orientiert. Durch den Einsatz von JMP können Sie schneller sein, Zeit und Aufwand sparen und die Qualität Ihrer Produkte mit weniger Geld aufrechterhalten.
Literatur-Empfehlungen:
Erfahren Sie in 7 Minuten, wie Sie Wafer-Diagramme mit JMP zeichnen
Wie erkennt man Waferdefekte schnell? Datenanalyse unter Hightech-Halbleitern
Wie führt man Zuverlässigkeitstests an IC-Produkten durch? JMP-Anwendung zur Zuverlässigkeitsbeschleunigungsanalyse
