576720_de-DE

liliconcom

Entwicklung des ML-basierten CTQ Define Add-ins (2022-KR-30MP-1361)

Jaejoo Choi, SK Hynix

 

„Der Testprozess generiert die meisten Daten im Unternehmen, aber die Nutzung der Daten war aufgrund des Mangels an Tools, die die Daten reibungslos verarbeiten konnten, begrenzt. Insbesondere die aus dem Wafer-Testprozess generierten Daten spiegeln das Qualitätsniveau der Fabrik wider, wurden jedoch nur teilweise von den Ingenieuren genutzt. Um die Nutzung von Testdaten zu erhöhen und zur Ertrags-/Qualitätsverbesserung beizutragen, haben wir ein benutzerfreundliches CTQ Define-Add-In entwickelt, das den CTQ des Wafertests ableitet, indem es den von JMP unterstützten ML-Algorithmus einfügt. In dieser Präsentation stellen wir eine Reihe von Analyseprozessen vor, die CTQ für jedes Ziel basierend auf dem Add-in definieren und optimale Koeffizientenbedingungen für Feldanwendungen ableiten, die auf CTQ-Elemente abzielen.Ausbrechen