通過將光學檢測步驟結果與電氣測試相關聯來解決良率和質量問題 (2023-EU-PO-1343)Corinne BERGES，恩智浦半導體結構化問題解決六西格瑪大師黑帶
Shilu ZHANG，恩智浦半導體製造 IT 數據工程與分析團隊數據科學家
James BIRD，六西格碼黑帶技術總監，恩智浦半導體數據科學家
Chris SMITH，高級質量總監，6 Sigma Master Black Belt，NXP Semiconductors
在汽車半導體製造行業，零件在每個製造步驟中都要進行測試，以篩選可能發生故障的零件。 報廢的薄弱部件越往上游，報廢成本就越低。 但是測試也是有成本的。 NXP 最近的一個項目試圖避免對在晶圓檢測級別觀察到的缺陷進行手動缺陷分類。 現在，訓練圖像數據集中的缺陷被分類為致命缺陷或非致命缺陷，並評估每個芯片的故障概率。 JMP® 允許進一步將這種故障概率與三種分析類型的電氣測試相關聯。 第一項分析評估了故障概率閾值，以限制測試部件的數量以限制測試成本。 第二個分析突出了與失敗概率最相關的測試。 最終分析使用突出顯示的測試列表來調整測試限制以篩選具有故障概率異常值的部件。 這些分析在提高質量的同時限制了測試成本。
數據探索統計和建模
