<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Autor
Don Kent, leitender Produktingenieur, IM Flash Technologies dkent
Bei der Halbleiter-Großserienfertigung werden jede Woche einige Wafer als Produkte mit geringer Ausbeute eingestuft. Oftmals weisen diese Wafer deutliche räumliche Signaturen auf. Ebenso sind viele Möglichkeiten zur Ertragssteigerung mit Wafern mit subtilen räumlichen Signaturen verbunden. In beiden Fällen bieten die räumlichen Muster Hinweise zur Verbesserung des Prozesses. Bemühungen, diese räumlichen Signaturen zu überprüfen und zu klassifizieren, tragen in der Regel Früchte; Diese Bemühungen nehmen jedoch die längste Zeit in Anspruch und sind am offensten für Interpretationen. Mit JSL wurde ein Skript zur Klassifizierung räumlicher Wafermuster erstellt. Räumliche Statistiken und maschinelles Lernen wurden mit hochdimensionalen Datenanalysetechniken in einer adaptiven Clustering- und Wafer-Visualisierungsanwendung kombiniert. Die JSL-Lösung nutzt mehrere der Plattformen innerhalb von JMP, einschließlich PCA und Clustering, und verwendet den Graph Builder zur Visualisierung der resultierenden räumlichen Cluster durch Referenzierung benutzerdefinierter Wafer-Map-Dateien. Dieses im gesamten IM Flash-Netzwerk bereitgestellte Add-In ermöglicht es Ingenieuren und Technikern, Wafer anhand ihrer räumlichen Signaturen schnell in ähnliche Gruppen zu klassifizieren. Dies ermöglicht eine schnellere Ermittlung der Grundursache, indem eine zuverlässige Metrik für das Data Mining bereitgestellt wird, die schneller und genauer ist als manuelle Bewertungsmethoden.
