576720_fr-FR

liliconcom

Développement du complément CTQ Define basé sur ML (2022-KR-30MP-1361)

Jaejoo Choi, SK hynix

 

"Le processus de test génère le plus de données dans l'entreprise, mais il y avait une limite à l'utilisation des données en raison du manque d'outils capables de gérer les données de manière fluide. En particulier, les données générées par le processus de test des plaquettes reflètent le niveau de qualité de la fab, mais elles n'ont été que partiellement utilisées par les ingénieurs. Afin d'augmenter l'utilisation des données de test et de contribuer à l'amélioration du rendement/de la qualité, nous avons développé un CTQ Define Add-in convivial qui dérive le CTQ du test de plaquette en greffant l'algorithme ML pris en charge par JMP. Dans cette présentation, nous allons introduire une série de processus d'analyse qui définissent CTQ pour chaque cible en fonction du complément et dériver des conditions de coefficient optimales pour l'application sur le terrain ciblant les éléments CTQ. »Éclater