스피커: 유 팡팡 , Western Digital China Shanghai Co., Ltd. 품질 부서 관리자
스피커: 신디 유 , Western Digital China(Shanghai) Co.의 품질 관리자, 주식회사
연설 주제 : 반도체제조업 빅데이터 활용에 대한 공통분석 및 품질예측
주제: 빅 데이터 및 예측 품질 평가의 제조 응용 프로그램에서의 공통성 분석
요약 :
제조 과정에서 우리는 항상 공정 변동에 대해 우려해 왔습니다. 그렇다면 프로세스 변동은 무엇입니까? 어떤 종류의 변동이 품질 문제를 일으킬 수 있습니까? 얼마나 많은 변동으로 인해 제품이 고장날 수 있습니까? 반도체 제조 공정은 복잡하고, 전후 공정 변동이 중첩되면 어떤 영향을 미칠까? 이 기사에서는 공장 빅 데이터 인프라에서 웨이퍼에서 패키징, 완제품 테스트에 이르기까지 데이터 연결을 구현하는 방법과 이를 기반으로 하는 비즈니스 응용 프로그램을 소개합니다. 수십, 수백 또는 수천 개의 입력 변수에서 주요 매개변수를 식별하고 목표 방식으로 제어하여 품질을 보장할 뿐만 아니라 비용을 절감하는 방법은 복잡한 기술 프로세스의 어려움이자 핵심입니다. 이 시점에서 공통성 분석은 진단과 예측 모두에 큰 도움이 될 수 있습니다. 공통성 분석을 위해서는 데이터 정렬, 데이터 연결, 알고리즘 선택, 결과 분석의 과정에 주의를 기울이고 계속 시도하고 검증해야 합니다. 이를 용이하게 하기 위해 JMP 데이터 분석 소프트웨어를 선택했습니다.
추상적인:
제조 산업에서 우리는 항상 공정 변동에 대해 우려합니다. 그렇다면 프로세스 변동은 무엇입니까? 어떤 유형의 변동으로 인해 품질 문제가 발생합니까? 얼마나 많은 변동성이 제품 고장을 초래할 것인가? 반도체 제조 공정은 매우 복잡합니다. 이러한 변동이 제조 공정에 중첩된 후 어떤 결과를 기대할 수 있습니까? 이 텍스트는 산업 빅 데이터 프레임워크 내에서 웨이퍼에서 패키지, 완제품까지 데이터 연결을 구현하고 이를 기반으로 비즈니스 응용 프로그램을 평가하는 프로세스를 소개합니다. 수십, 수백 또는 수천 개의 입력 변수 중에서 핵심 매개변수를 식별하고 제어할 수 있는 동시에 품질 보증과 낮은 비용을 보장하는 것은 복잡한 산업 프로세스 흐름의 어렵고 중추적인 부분입니다. 공통성 분석은 진단과 예측 모두를 위해 이 영역에서 매우 유용할 수 있습니다. 공통성 분석을 가능하게 하려면 데이터 수집, 데이터 연결, 알고리즘 선택 및 결과 분석을 포함하여 이 프로세스의 모든 영역에 집중해야 합니다. 그런 다음 주기가 반복되고 반복되어 실험 및 검증의 각 단계에서 개선됩니다. 우리는 이러한 목표를 달성하는 데 도움이 되도록 JMP 분석 소프트웨어를 사용하기로 결정했습니다.
