Corinne BERGES, Six Sigma Master Black Belt for NXP Structured Problem Solving, NXP Semiconductors
Shilu Zhang, scientifique des données pour l'équipe d'ingénierie et d'analyse des données, informatique de fabrication, NXP Semiconductors
James Bird, directeur technique, ceinture noire Six Sigma, scientifique des données, NXP Semiconductors
Chris Smith, directeur principal de la qualité, Six Sigma Master Black Belt, NXP Semiconductors
Dans l'industrie de la fabrication de semi-conducteurs pour l'automobile, les pièces sont testées à chaque étape de fabrication pour dépister les pièces susceptibles de tomber en panne. Plus les pièces fragiles sont mises au rebut en amont, plus le coût de mise au rebut sera faible. Mais les tests ont aussi un coût. Un projet récent chez NXP a cherché à éviter une classification manuelle des défauts observés au niveau de l'inspection des plaquettes. Les défauts sont désormais classés comme tueurs ou non tueurs à partir d'un ensemble de données d'images d'entraînement, et une probabilité de défaillance est évaluée pour chaque matrice. JMP® permet une étape supplémentaire dans la corrélation de cette probabilité de défaillance aux tests électriques avec trois types d'analyse. La première analyse a évalué un seuil de probabilité de défaillance pour limiter le nombre de pièces testées afin de limiter le coût des tests. La deuxième analyse a mis en évidence les tests les plus corrélés avec la probabilité de défaillance. L'analyse finale a utilisé la liste des tests mis en évidence pour ajuster les limites de test afin de sélectionner les pièces présentant des valeurs aberrantes de probabilité de défaillance. Les analyses limitent les coûts des tests tout en augmentant la qualité.
