En una operación de fabricación de semiconductores, es fundamental mantener el rendimiento del producto, el tiempo del ciclo y la calidad debido a sus procesos costosos y complejos. El aumento de las consecuencias del contenedor de la sonda unitaria (UP) para un dispositivo calificado generó preocupaciones sobre la entrega y requirió mitigación de riesgos. La gerencia frecuentemente solicita una estimación del riesgo potencial de desperdicio por rendimientos inferiores al mínimo y/o límites estadísticos excedidos. Los grupos de planificación necesitan saber si se necesitan nuevos lotes de obleas para cubrir la escasez de troqueles, mientras que los grupos de productos están interesados en conociendo el impacto en el rendimiento en la sonda unitaria. Como propietario de un dispositivo, utilicé técnicas de minería de datos para identificar los cambios de los parámetros de la sonda paramétrica que corresponden a las consecuencias de la UP y tomé decisiones avanzadas basadas en modelos predictivos.
En esta demostración, se extrajeron y limpiaron los datos de la sonda unitaria y de la sonda de clase de la base de datos de producción. Los datos recopilados se dividieron en conjuntos de datos de entrenamiento, validación y prueba. Se evaluaron y analizaron cuatro modelos a nivel de oblea. Se eligieron modelos de árbol de decisión de clasificación y modelos de clasificación de bosque de arranque para el análisis de respuesta categórica (desecho o no), mientras que se compararon modelos de regresión lineal y modelos de regresión de bosque de arranque para el análisis de respuesta continua (% de consecuencias del contenedor UP). La selección de modelos ayudó a reducir los parámetros de cientos a unos pocos. La decisión final resultante se tomó sobre la disposición de las obleas basándose en el modelo predictivo construido.
Cuando la respuesta UP estuvo disponible en el conjunto de datos de prueba, se comparó la precisión de los dos modelos de predicción entre las consecuencias del contenedor pronosticadas y probadas.
