<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Auteur
Don Kent, ingénieur produit principal, IM Flash Technologies dkent
Dans la fabrication de semi-conducteurs en grand volume, certaines tranches sont classées chaque semaine comme à faible rendement. Ces plaquettes ont souvent des signatures spatiales distinctes. De même, de nombreuses opportunités d’amélioration du rendement sont liées aux plaquettes aux signatures spatiales subtiles. Dans ces deux cas, les modèles spatiaux offrent des indices pour améliorer le processus. Les efforts visant à examiner et classer ces signatures spatiales portent généralement leurs fruits ; cependant, ces efforts prennent le plus de temps et sont les plus sujets à interprétation. Un script de classification de modèles spatiaux de tranches a été créé à l'aide de JSL. Les statistiques spatiales et l'apprentissage automatique ont été combinés avec des techniques d'analyse de données de grande dimension dans une application de clustering adaptatif et de visualisation de tranches. La solution JSL utilise plusieurs plates-formes de JMP, notamment PCA et Clustering, et utilise Graph Builder pour visualiser les clusters spatiaux résultants en référençant des fichiers de carte de tranche personnalisés. Ce complément, déployé sur le réseau IM Flash, permet aux ingénieurs et techniciens de classer rapidement les tranches en groupes similaires en fonction de leurs signatures spatiales. Cela permet une détermination plus rapide des causes profondes en fournissant une métrique fiable pour l'exploration de données, plus rapide et plus précise que les méthodes de notation manuelle.
