MLベースのCTQ Define Add-in開発(2022-JP-30MP-1361)テストプロセスは転写で最も多くのデータを生成しますが、データを必要に応じて処理できるツールがないため、データの利用に制限がありました。特に、ウェーハテストプロセスで生成されるデータはFabの品質レベルを反映していますが、エンジニアが一部しか活用していないレベルでした。このようなテストデータの活用性を高め、歩留まり/品質向上に貢献するために、JMPがサポートするMLアルゴリズムを組み込んでウェーハテストのCTQ導出するユーザーフレンドリーなCTQ Define Add-inを開発しました。本発表では、該当add-inに基づいてTarget別CTQをDefineし、CTQ Itemを対象に現場適用のための最適なCoefficient条件まで導き出す一連の分析過程を紹介します。
高度な統計モデリング基本的なデータ分析とモデリング品質およびプロセスエンジニアリング結果の共有と伝達
