Uwe Krautz, L6S Master Black Belt, GlobalFoundries
Big Data und maschinelles Lernen sind eine leistungsstarke Kombination, die der Halbleiterindustrie helfen kann, die Produktqualität und Automatisierung zu verbessern. Die Daten von Produktionswerkzeugen oder Messsystemen (z. B. FDC/SPC-Signale, Rohsensordaten, Prozessmessungen usw.) müssen jedoch häufig bereinigt und vorverarbeitet werden, bevor maschinelle Lernansätze verwendet werden können. Daten können Ausreißer, Multikollinearität oder seltsame Verteilungen aufweisen, die es schwierig machen, einfache Modellierungstechniken wie lineare Regression oder fortschrittlichere Tools wie Deep Neural Networks zu verwenden, die lernen, Artefakte zu unterscheiden, aber nicht die Ursache eines Problems sind. Tausende von Datensätzen müssen gefiltert und auf eine begrenzte Anzahl von Schlüsselmerkmalen reduziert werden. Dieser gesamte Prozess der Datenbereinigung und Feature-Engineering kann mit JMP-Datenvisualisierungs- und Analysetools beschleunigt werden, sodass sich Datenwissenschaftler auf die Erstellung von ML-Modellen konzentrieren können, ohne zu viel Zeit mit der Datenvorbereitung zu verbringen. Die Ergebnisse von JMP® können in Python-basiertes ML übersetzt werden, das über Cloud-basiertes Computing automatisiert und skaliert werden kann.
