Corinne BERGES, NXP 구조적 문제 해결을 위한 식스 시그마 마스터 블랙 벨트, NXP Semiconductors
Shilu ZHANG, 데이터 엔지니어링 및 분석 팀의 데이터 과학자, 제조 IT, NXP Semiconductors
James BIRD, Six Sigma Black Belt 기술 이사, 데이터 과학자, NXP Semiconductors
Chris SMITH, NXP Semiconductors Six Sigma Master Black Belt 수석 품질 이사
자동차용 반도체 제조 산업에서는 각 제조 단계에서 부품을 테스트하여 고장 가능성이 있는 부품을 가려냅니다. 약한 부품이 폐기될수록 폐기 비용이 낮아집니다. 그러나 테스트에는 비용도 있습니다. NXP의 최근 프로젝트는 웨이퍼 검사 수준에서 관찰된 결함의 수동 결함 분류를 피하고자 했습니다. 결함은 이제 교육 이미지 데이터 세트에서 킬러 또는 킬러가 아닌 것으로 분류되며 각 다이에 대해 실패 확률이 평가됩니다. JMP®는 세 가지 유형의 분석을 통해 이 실패 확률을 전기 테스트와 연관시키는 추가 단계를 허용합니다. 첫 번째 분석에서는 테스트 비용을 제한하기 위해 테스트되는 부품 수를 제한하기 위해 실패 확률 임계값을 평가했습니다. 두 번째 분석에서는 실패 확률과 가장 관련이 있는 테스트를 강조했습니다. 최종 분석에서는 강조 표시된 테스트 목록을 사용하여 테스트 한계를 조정하여 실패 확률 이상값이 있는 부품을 선별했습니다. 분석은 품질을 높이면서 테스트 비용을 제한합니다.
