Uwe Krautz, Master Black Belt L6S, GlobalFoundries
Big data e Machine Learning sono una potente combinazione che può aiutare l'industria dei semiconduttori a migliorare la qualità e l'automazione dei prodotti. Tuttavia, i dati degli strumenti di produzione o dei sistemi di misurazione (ad es. segnali FDC/SPC, dati grezzi dei sensori, misurazioni di processo, ecc.) spesso devono essere puliti e pre-elaborati prima di utilizzare approcci di Machine Learning. I dati possono presentare valori anomali, multicollinearità o distribuzioni strane che rendono difficile l'utilizzo di semplici tecniche di modellazione come la regressione lineare o strumenti più avanzati come le reti neurali profonde che imparano a distinguere gli artefatti ma non sono la causa principale di un problema. Migliaia di set di dati devono essere filtrati e ridotti a un numero limitato di funzionalità chiave. L'intero processo di pulizia dei dati e ingegneria delle funzionalità può essere accelerato utilizzando gli strumenti di visualizzazione e analisi dei dati di JMP, in modo che i data scientist possano concentrarsi sulla creazione di modelli ML senza perdere troppo tempo a lottare con la preparazione dei dati. I risultati di JMP® possono essere tradotti in ML basato su Python, che può essere automatizzato e ridimensionato tramite il cloud computing.
