Corinne BERGES, Six Sigma Master Black Belt für NXP Structured Problem Solving, NXP Semiconductors
Shilu Zhang, Data Scientist für Data Engineering & Analytics Team, Manufacturing IT, NXP Semiconductors
James Bird, Technischer Direktor, Six Sigma Black Belt, Datenwissenschaftler, NXP Semiconductors
Chris Smith, Senior Quality Director, Six Sigma Master Black Belt, NXP Semiconductors
In der Halbleiterfertigungsindustrie für die Automobilindustrie werden Teile bei jedem Herstellungsschritt getestet, um wahrscheinlich ausfallende Teile zu überprüfen. Je weiter stromaufwärts die Schwachteile verschrottet werden, desto geringer sind die Verschrottungskosten. Aber das Testen hat auch seinen Preis. Ein kürzlich bei NXP durchgeführtes Projekt versuchte, eine manuelle Fehlerklassifizierung der auf der Ebene der Waferinspektion beobachteten Fehler zu vermeiden. Defekte werden nun anhand eines Trainingsbilddatensatzes als Killer oder Nicht-Killer klassifiziert, und für jeden Chip wird eine Ausfallwahrscheinlichkeit bewertet. JMP® ermöglicht einen weiteren Schritt zur Korrelation dieser Ausfallwahrscheinlichkeit mit elektrischen Tests mit drei Arten von Analysen. Die erste Analyse bewertete eine Fehlerwahrscheinlichkeitsschwelle, um die Anzahl der getesteten Teile zu begrenzen, um die Testkosten zu begrenzen. Die zweite Analyse hob die Tests hervor, die am stärksten mit der Ausfallwahrscheinlichkeit korrelierten. Die abschließende Analyse verwendete die Liste der hervorgehobenen Tests, um die Testgrenzen anzupassen, um die Teile mit Ausreißern der Ausfallwahrscheinlichkeit zu überprüfen. Die Analysen begrenzen die Testkosten und erhöhen gleichzeitig die Qualität.
