Le escursioni possono comportare costi significativi in uno stabilimento di produzione. Nel settore dei semiconduttori, i tempi di fermo produzione, i wafer scartati e a bassa resa e la riduzione della produzione possono comportare perdite di fatturato sostanziali. Gli ingegneri incaricati di analizzare queste escursioni devono rapidamente individuare informazioni utili per prendere decisioni basate sui dati che riducano al minimo i tempi di fermo e migliorino la qualità del prodotto.
Il flusso di lavoro analitico di JMP può aiutarti a definire i passaggi e gli strumenti necessari per analizzare in modo efficiente le escursioni. Scopri come Query Builder facilita l'accesso ai dati dai database e come il potente menu Tabelle di JMP facilita la manipolazione dei dati. Scopri i formati di tabella ottimali per visualizzare e analizzare i dati delle mappe wafer. Utilizza tecniche esplorative e analitiche per scoprire relazioni nascoste tra le fasi del processo di produzione. Migliora la tua analisi con JMP Pro, sfruttando funzionalità come l'analisi delle immagini nel nuovo componente aggiuntivo Torch Deep Learning per JMP Pro 18 per ottenere informazioni avanzate.
Automatizza e riesegui l'intera analisi utilizzando Workflow Builder in JMP, garantendo velocità, ripetibilità, flessibilità e potenza analitica senza bisogno di scrivere codice. Scopri come sfruttare questi strumenti e tecniche in JMP e JMP Pro può portare a una risoluzione efficiente e a notevoli risparmi sui costi in un ambiente di produzione in rapida evoluzione.
Ciao a tutti. Mi chiamo Ryan Cooper e sono il JMP Systems Engineer per il Gulf Coast Territory. Oggi parleremo di come semplificare le indagini sulle escursioni di produzione con JMP. Sebbene questo sia un esempio di un'attività nel settore dei semiconduttori, l'idea di seguire un piano come questo per le escursioni è trasferibile a qualsiasi settore manifatturiero. Vi mostrerò alcuni suggerimenti e trucchi che potrebbero essere utili per qualsiasi attività in JMP, non solo per le indagini sulle escursioni. Ce ne saranno per tutti i gusti.
Detto questo, passiamo alla nostra escursione. Mi dispiace se pensate di dover abbandonare le vostre escursioni di produzione per i prossimi 30 minuti circa, ma ne abbiamo un'altra qui. Speriamo che, dopo aver esaminato questa, abbiate nuovi strumenti nella vostra cassetta degli attrezzi JMP da usare autonomamente. Questa escursione in particolare presenta alcune misteriose firme di wafer che hanno lasciato perplessi gli ingegneri del Dipartimento di Ingegneria dei Difetti di URA Semiconductor Company. Ci sono quattro mappe di wafer qui, firme diverse che provengono da punti diversi, e dobbiamo capire da dove provengono.
Lo faremo utilizzando diverse aree del flusso di lavoro analitico di JMP. Esamineremo prima l'accesso ai dati, poi un po' di fusione e pulizia dei dati, per poi passare all'esplorazione e alla visualizzazione. Ci concentreremo brevemente su alcuni strumenti di modellazione, ma completeremo il tutto con automazione e scripting. Il punto chiave è che con il Workflow Builder non è richiesta alcuna programmazione. Torneremo su diverse aree di questo flusso di lavoro in vari punti della presentazione, e ne capirete il motivo. È un ottimo modo per organizzare la risoluzione di un problema in JMP.
Le tabelle dati di cui abbiamo bisogno. Mi chiedono sempre: "Come posso iniziare a fare qualcosa del genere? Nella mia azienda vengono raccolti moltissimi dati". Di solito rispondo sempre a questa domanda: avere sempre una domanda in mente. In questo caso, stiamo ampliando la domanda che ci siamo posti all'inizio: da dove provengono questi difetti? Vogliamo sapere quali fasi del processo contribuiscono alle firme anomale dei difetti dei wafer sul Prodotto A. Tutte queste firme dei wafer provengono dal Prodotto A. Quindi di solito cerco di collegare alcune parole chiave a diverse aree di una tabella dati o di un database o qualcosa del genere.
In questa tabella, noterete i dati sui difetti dei wafer, che corrispondono alle fasi del processo di produzione dei difetti. Ho bisogno di dati di processo con parametri come prodotto, quindi per i difetti del Prodotto A, fase, processo e cose del genere. Potete vedere il modo in cui questi dati sono formattati. Noterete il formato dati alto. Questo funziona bene per visualizzare i wafer. Non è adatto per le previsioni e per ottenere informazioni più sofisticate dai modelli. In generale, i problemi con i predittori che possono influenzare i risultati tendono a richiedere il formato ampio. Vedrete che questo è in formato alto e saremo in grado di visualizzare i wafer semplicemente utilizzando X e Y in Graph Builder.
Questo è già in un formato piuttosto buono. Se vogliamo capire cosa sta causando un problema, dovremo ottenere i dati in un formato più ampio, e ci sono alcuni modi per farlo. Nella pagina successiva, questo è il formato che vorremo usare per rispondere alla nostra domanda. Noterete che abbiamo il nostro wafer qui a sinistra, individualizzato, con un grafico completo dei dati generati a livello di die. Lo creeremo e lo salveremo nella tabella, e lo useremo in varie parti della nostra analisi.
Poi abbiamo i predittori qui, generati dai dati delle fasi del processo. In questo caso, vedrete che abbiamo le fasi e poi l'ID dell'apparecchiatura. L'ID dell'apparecchiatura si trova dopo il trattino basso. Saremo in grado di capire quali ID apparecchiatura e quali fasi causano determinati difetti. Il totale dei difetti qui è l'output. Solo che non è sullo schermo. Questo è il risultato finale. Questa è la tabella che vogliamo.
Il nostro piano di analisi è qui. Ho accennato che saremmo tornati al flusso di lavoro analitico, ed è qui che emerge per la prima volta. Abbiamo accesso ai dati, dove otterremo i dati tramite Query Builder, e lo filtriamo in SQL. Combinazione e pulizia dei dati, dove divideremo e uniremo le tabelle. La divisione è ciò che aiuta a ottenere il formato ampio, e poi dobbiamo unire le tabelle per creare le relazioni necessarie a risolvere il problema. Qui avremo esplorazione e visualizzazione.
Come ho detto, il livello di matrice è in formato stacked. Salveremo i grafici in una tabella dati, una funzionalità davvero interessante che non tutti conoscono. Visualizzeremo i risultati delle nostre analisi utilizzando il formato wide con i grafici che abbiamo salvato come marcatori o strumenti di etichette per la nostra analisi, dove alla fine effettueremo la modellazione. Seguiremo questo flusso. Effettueremo prima l'accesso ai dati, visualizzeremo i dati a livello di matrice, poiché non richiede alcuna fusione o pulizia dei dati. Effettueremo una piccola pulizia per adattarci al formato wide, quindi effettueremo la modellazione e l'analisi in un secondo momento.
Un'altra cosa che dovrei sottolineare è che l'80% della risoluzione di un problema tramite analisi sta nell'accesso e nella preparazione dei dati. In questo caso, si tratta di questi passaggi. Spesso mi accorgo che è proprio questo che scoraggia le persone dall'effettuare analisi di questo tipo. È abbastanza facile perdere la motivazione, soprattutto se si deve scrivere codice o programmare, cosa che fortunatamente non è richiesta in JMP. Abbiamo ottimi strumenti per la preparazione dei dati e per il loro collegamento con Workflow Builder. Vedremo tra poco come tutto questo si collega. I nostri obiettivi alla fine di questo articolo, cosa faremo? Otterremo informazioni fruibili basate su decisioni basate sui dati e creeremo conoscenze riutilizzabili tramite Workflow Builder.
Questa soluzione sarà rapida, flessibile e potente lungo l'intero flusso di lavoro, così potremo raggiungere una soluzione efficiente che ci consentirà di ridurre i tempi di inattività, migliorare la qualità dei nostri wafer e del nostro prodotto e, di conseguenza, aumentare i ricavi e i risparmi sui costi. Detto questo, passiamo alla demo di JMP. Vorrei anche sottolineare che questa è da intendersi come una panoramica, quindi non preoccupatevi se non riuscite a seguire tutto. A volte configurerò alcune cose in tempo reale ed eseguirò un breve script su altre, giusto per prendere tempo. Potete comunque guardare il video e il flusso di lavoro che allegherò come riferimento per alcuni passaggi che vi interessano.
Iniziamo dando un'occhiata a... Iniziamo dando un'occhiata a Query Builder. È qui che accederemo ai nostri dati. Vado su File, Database e Query Builder e cercherò i dati sui difetti qui. Digiterò "semiconduttore". Come puoi vedere, ci sono diverse tabelle sui semiconduttori. Potresti avere diverse tabelle e dovremo trovare quelle giuste. In questo caso, esaminerò i dati sul conteggio dei difetti del wafer e farò clic su "Avanti".
Qui otterrete questa piccola anteprima della tabella stessa, con le colonne che la compongono. Potete ottenere un'istantanea della tabella. Potete vedere come è orientata rispetto al prodotto, all'ID del die, ai wafer e poi al numero di difetti su quel die per ogni chip sul wafer. Si tratta di dati di analisi molto, molto individuali. È letteralmente una riga per ogni chip a ogni passaggio, a ogni passaggio di difetti. Stiamo eseguendo la scansione alla ricerca di difetti. Potete effettuare delle unioni qui se volete, ma faremo tutte le nostre unioni e la manipolazione della tabella dati in JMP più tardi. Ma ora cliccherò su "Crea query".
Per dare un'occhiata a cosa succede qui, aggiungerò un prodotto all'elenco. Come potete vedere, abbiamo aggiunto solo una colonna, ma posso vedere le righe distinte se lo desidero attivando questa opzione. Per ora la disattivo. Aggiungerò in questo ordine l'ID del mio die, il mio die X e Y, il mio wafer e i miei difetti. Potete vedere tutto ciò che viene aggiunto proprio qui. Voglio filtrare per Prodotto A, poiché è lì che si trova il mio problema. Posso filtrare per Prodotto A. Posso anche richiedere il filtro quando eseguo questa operazione. Se avete un altro prodotto che volete esaminare, potete farlo nello stesso flusso di lavoro.
Non lo farò in questa situazione, ma sappi che c'è. Dato che sto filtrando per Prodotto A, posso anche eliminare il prodotto dalle mie colonne qui. Quello che succede è che sta scrivendo un po' di codice SQL in modo da estrarre dal database esattamente ciò che gli dico in base al mio trascinamento. Non è necessario conoscere il codice SQL per estrarre questo. Con queste informazioni, eseguirò la mia query e poi chiuderò. Ecco i miei risultati. Ora posso prendere questo e andare a Graph Builder. Abbiamo il nostro dado X. Conferiscilo a una X nel mio dado Y. L'impostazione predefinita è più fluida, ma posso disattivarla e trasformarla in punti dati. Questo assomiglia molto di più a un wafer.
In questo caso, abbiamo tutto insieme. Voglio dividere questo per il numero di wafer. Ora lo riassumo. Ora possiamo vedere alcuni wafer singoli qui. Ce ne sono 125 in totale e voglio fornire alcune informazioni sui difetti. Il modo in cui lo farò è trascinare i difetti su Overlay. Ora abbiamo il numero di difetti su ogni die o chip sul wafer semiconduttore. Non mi piace molto questa impostazione della legenda in questo momento con la colorazione. Non mostra cromaticamente cosa sta succedendo con i difetti.
Vado qui e modifico le impostazioni della legenda. Rendo il tema colore più divergente. Passo dal blu al rosso. Possiamo dare un'occhiata a come appare ora. Prendo alcune delle firme. Stanno iniziando a emergere un po', ma voglio un po' più di contrasto qui, così posso vedere che la firma è migliore. Ora modifico... modifico leggermente il mio tema colore, ne creo uno nuovo e prendo questo pennarello e mi lascio più spazio per il rosso. Clicco OK, e ora abbiamo alcune di queste firme che risaltano un po' di più. Abbiamo il difetto superiore e inferiore, la ciambella, e poi quello sinistro e destro. Abbiamo un sinistro e un destro, proprio qui.
Mi sembrano a posto. Ora clicco su "Fine". Questa è una cosa poco nota di Graph Builder e di cosa si può fare con JMP e inviarlo a una tabella dati. Ma se andate sul triangolo rosso qui e lo trasformate in "tabella dati", ora avete una tabella dati con l'icona del grafico. Possiamo usarla per altre informazioni e renderà alcune delle nostre visualizzazioni molto, molto più interessanti. Per ora concludo.
Ora dobbiamo pensare a come suddividere la nostra tabella dati e convertirla in un formato più ampio per poter effettuare analisi più sofisticate. Quello che faremo è suddividere l'ID di questo die in modo da avere tutti gli ID dei chip o die in alto, con il wafer a sinistra. Lo faremo in modo da poter unire queste informazioni con questa tabella. Andiamo su "Tabelle" e "Dividi". Attiverò questa anteprima qui, così possiamo vedere cosa sta succedendo.
Voglio dividere in base all'ID del mio die e dividerò i difetti all'interno di quell'ID die. Ora ho 1.423 die in alto e 125 wafer a sinistra qui. Per vedere il wafer, trascino il wafer qui in basso per raggrupparlo. Ora potete vedere il wafer qui in questa prima colonna con tutti gli ID dei miei die a destra qui. Questo mi aiuterà a unirlo a quest'altra tabella. Gli darò un nome. Ho questo predefinito qui. Lo sposterò e cliccherò su OK.
Ora non mi serve più, quindi esco. Ho due tabelle qui. Voglio unire queste informazioni qui. Vado su Tabelle e Unisci. Uniremo la tabella di Graph Builder con quest'altra tabella qui. Faremo corrispondenze sul wafer. Questa è la nostra colonna comune, e potete vedere l'anteprima apparire qui. Abbiamo due colonne wafer in questo momento perché le abbiamo in entrambe le tabelle. Ne sceglierò solo una per l'output. Iniziamo con wafer e grafico e attiviamolo.
Abbiamo wafer e grafico. Ora scegliamo il resto del nostro die. Ora abbiamo tutto insieme. Diamo anche un nome al mio output e clicco su OK. Dato che li ho usati, ho due tabelle, e ora sono tutte in questa tabella, clicco fuori da queste. Ora ho questa tabella dati qui dove posso fare un paio di cose diverse. Non ho il numero totale di difetti qui o... Posso riassumere, cosa che farò tra poco, ma non ho ancora i passaggi del processo. Questo ci aiuterà a risolvere il problema.
Ma ora posso realizzare visualizzazioni e modelli interessanti con quello che ho, ora che ho il mio die come predittore e i miei wafer qui a sinistra. La prima cosa che farò è l'embedding multivariato, che è la nuova funzionalità di JMP Pro 18. Sto usando UMAP. La prima cosa che viene fuori qui è questo grafico di UMAP1 e UMAP2. Le dimensioni di tutti quei chip sono state ridotte in due dimensioni diverse, e qui esamineremo alcune relazioni.
Noterete che i punti neri al momento non ci dicono nulla. Ci indicano solo le righe. È qui che entra in gioco il grafico. Faccio clic su Grafico. Faccio clic con il pulsante destro del mouse e dico "Usa come marcatore". Vedrete cosa succede qui nel mio embedding multivariato. Ora potete vedere che alcuni di questi wafer con firme anomale vengono mostrati qui a destra, lontano da questo gruppo di wafer normali. Potete iniziare a vedere alcuni di questi wafer anomali qui. È un buon modo per visualizzare alcune firme dei wafer di cui potreste non sapere l'esistenza.
La prossima cosa che farò è il clustering. Lo eseguirò anche separatamente. Userò tutti i miei dadi qui per raggruppare wafer simili. Vedrete che questo è stato salvato nella tabella dati. Ho assegnato ogni wafer a cluster diversi e ho creato un Graph Builder con uno switcher di colonne chiamato selettore di cluster, dove posso scorrere e vedere, ok, ci sono 125 wafer in un modello che ha un cluster. Poi, con due cluster, stiamo iniziando a vedere alcune di quelle diverse firme dei wafer che ottengo da qui.
Posso scendere lungo la linea e vedere come appare. Il cluster 5, credo, era il più ottimale. Puoi vedere come la maggior parte dei nostri difetti a sinistra e a destra sono qui, i nostri difetti superiori e inferiori qui. Quello grande a ciambella emerge in un cluster a sé stante. Puoi fare lo stesso anche per gli altri. Passiamo al resto del nostro problema. Abbiamo parlato di avere una tabella che necessitava di dati di processo al suo interno. Eseguirò un Query Builder separatamente, giusto per il tempo necessario a ottenere quei dati di processo. Funziona allo stesso modo del Query Builder che ho usato prima. Troviamo solo i dati di processo.
Lo eseguirò solo per ottenere la mia tabella qui. Ricorda, ora è in formato verticale. Vogliamo che sia in formato largo in modo da poterlo unire ai nostri wafer, al nostro prodotto. Quello che farò prima è combinare un paio di queste variabili solo per renderle più informative. Capirete perché è importante dopo aver eseguito la divisione. Ma quello che farò è aggiungere un trattino basso tra l'ID della fase e il tipo di processo. Potremmo avere diversi tipi di processo. In questo caso, è solo l'attrezzatura, ma forse c'è la camera, forse c'è qualcos'altro che ha un tipo di ID diverso. Vogliamo concatenarli insieme per separare cosa succede in ogni fase per ogni tipo di processo.
Faccio clic destro qui e vado su "Nuova colonna formula e carattere", e posso concatenare con un trattino basso. Ora sono uniti. Farò la stessa cosa per il tipo di processo. Il mio ID tipo, concatenalo insieme con un trattino basso. Ora che ho queste informazioni, posso eseguire una suddivisione in modo simile a quello che ho fatto prima con il mio wafer. Lo eseguirò anche separatamente. Avendolo fatto, posso uscire da questa tabella cliccandoci sopra.
Ora ho i miei wafer, di nuovo 125, qui, e i diversi passaggi e il tipo di passaggio con l'ID di quella particolare apparecchiatura, o forse della sua camera o di qualcos'altro. Questo qui potrebbe avere centinaia di passaggi, a volte anche migliaia. Non è necessariamente fattibile semplicemente analizzarli e filtrarli per vedere quali wafer sono comuni a questi passaggi. Quello che faremo è unirli alla nostra tabella esistente, sommare i difetti e poi capire quale di questi passaggi contribuisce effettivamente alle firme dei nostri wafer.
Per farlo, torno qui e sommiamo tutti i nostri difetti. Posso usare un altro piccolo trucco con la formula. Ecco fatto. Li ho evidenziati tutti. Posso effettivamente sommarli tutti con un semplice clic destro, una nuova colonna formula, combina e somma. Alla fine, quello che è successo è che tutto questo è stato sommato. Ho una colonna che somma tutto e la chiamerò semplicemente "Totale difetti". Clicco su OK. Poi, faremo un join simile a quello che abbiamo fatto prima. Di nuovo, lo farò in background. Avremo il nostro grafico wafer, i nostri difetti totali e poi i nostri passaggi del processo qui. Facciamolo e possiamo usare X per estrarli.
Ora abbiamo il nostro wafer, il nostro grafico e i nostri passaggi con gli ID delle nostre apparecchiature. Alla fine, abbiamo il totale dei difetti. Questo è in realtà il risultato finale della nostra tabella per aiutarci a rispondere alla domanda che ci eravamo prefissati inizialmente, ovvero: quale di questi passaggi causa le firme dei wafer in questo modo? La prima cosa che mi piace fare una volta ottenute le informazioni in questo tipo di formato di tabella dati è passare ad analisi, screening e screening predittivo. Quello che posso fare qui è inserire tutti i miei passaggi, potrebbero essere centinaia o migliaia, nella X e poi il totale dei difetti nella Y.
Questo eseguirà un modello per capire quali sono i più predittivi del totale dei difetti. Sembra che i passaggi 1, 5 e 4 possano potenzialmente influenzare il totale dei difetti. Diamo un'occhiata separatamente. Diciamo, uno, quattro e cinque qui. Vado su "Graph Builder". Ricorda, poiché abbiamo i marcatori sui wafer e i grafici, saremo in grado di vedere come appare molto rapidamente.
Sto trascinando il Passaggio 1 qui. Lo renderò un po' più grande. Possiamo vedere abbastanza immediatamente, sembra che l'apparecchiatura B sia quella più influente qui. Abbiamo il nostro difetto in alto e in basso qui. Sembra che l'abbiamo trovato. Rendiamolo un commutatore di colonna. Ha un redo e un commutatore di colonna. Esamineremo i numeri uno, quattro e cinque, e aggiungeremo anche l'otto qui. Vi mostrerò perché tra un secondo.
Anche il passaggio 4 è stato determinante. Sembra che abbiamo trovato il difetto sinistro e destro qui con l'apparecchiatura L. Il passaggio 5, l'apparecchiatura N, presenta la firma a ciambella. Quindi, il motivo per cui ho incluso il passaggio 8 è perché abbiamo solo due wafer qui, e sembra che sia lì che si trova la nostra firma di difetto casuale, ma abbiamo solo due wafer per quello. Non è ancora visibile nel modello. Avremmo bisogno di più dati, più wafer, affinché ciò si manifesti.
Ciò che siamo riusciti a fare è capire quale delle nostre apparecchiature sta causando questi difetti. Torniamo al nostro PowerPoint e controlliamo i nostri obiettivi e vediamo cosa siamo riusciti a fare. Siamo riusciti a ottenere informazioni fruibili basate su decisioni basate sui dati. Sembra che saremo in grado di analizzare le apparecchiature in ciascuna di queste fasi in modo un po' più approfondito. Forse c'è qualcos'altro che sta causando il problema all'interno di quelle apparecchiature, ma abbiamo ristretto il campo a quello.
Abbiamo conoscenze riutilizzabili. Tra un attimo vi mostrerò Workflow Builder e come tutto ciò che ho appena fatto è stato acquisito in Workflow Builder. Velocità, flessibilità e potenza lungo l'intero flusso di lavoro. Tutto questo sarà riutilizzabile e potrà essere eseguito di nuovo, magari per un'altra situazione. Basta riscrivere un paio di passaggi in modo molto, molto semplice, e avrete una soluzione efficiente. Non ci è voluto molto tempo per farlo. Stiamo riducendo i tempi di inattività, migliorando la qualità e aumentando i ricavi e i risparmi sui costi.
I grandi vantaggi di questo metodo sono, innanzitutto, un processo decisionale rapido ed efficiente. Ciò che abbiamo appena creato non ha richiesto ore di programmazione e settimane e mesi di apprendimento. Non è rimasto in un sistema, in un programma o in una coda in attesa di essere implementato. L'hai fatto tu. È venuto da te, l'esperto del settore. Qualsiasi modifica necessaria può essere apportata facilmente perché sei tu a comprendere il processo. Quindi la tua analisi è ora ottimizzata per gli standard, eseguita correttamente e ripetibile tramite l'automazione.
Hai recuperato tempo e denaro risolvendo rapidamente i problemi di produzione. Una piccola nota a margine. Il valore di avere accesso ai dati di cui sei l'esperto del settore è prezioso, e sarai in grado di riconoscere cose che un database manager, o un team di data science, o qualcosa del genere, potrebbe non avere. Ho visto feedback insistenti su scienziati e ingegneri che hanno accesso a dati come questo. Potrebbe danneggiare un database di produzione o qualcosa del genere. Ma con ciò che può essere fatto da un esperto del settore, è davvero essenziale per fare nuove scoperte che vanno oltre lo status quo e semplicemente farlo come abbiamo sempre fatto.
Come soluzione, si potrebbe potenzialmente avere un database replicato da un database di produzione reale. Di conseguenza, è possibile osservare l'impatto che l'accesso a questi dati ha avuto sulla produttività di scienziati e ingegneri in tre diverse aziende di semiconduttori. L'accesso a questo strumento ha liberato gli esperti del settore da noiose attività di preparazione dei dati, consentendo loro di concentrarsi sulla risoluzione di problemi ingegneristici che creano un reale valore aziendale. Per il mio QE, è possibile raccogliere rapidamente informazioni di processo e report che altrimenti avrebbero richiesto molte ore di compilazione. Si sta risparmiando tempo.
Poi l'ultimo qui mi piace molto perché coinvolge alcune metriche. Riduzione dell'83% dei tempi di elaborazione dei dati, costi significativamente ridotti e aumento del 260% della soddisfazione lavorativa tra gli ingegneri di ricerca e sviluppo. È un modo molto più diretto per risolvere un problema rispetto ad altri metodi che mantengono la soddisfazione lavorativa forse non così alta. Detto questo, voglio mostrare il flusso di lavoro e come appare quando si esegue il tutto nel suo complesso.
Farò un passo indietro su tutto ciò che ho fatto qui. Potete vedere come è strutturato. Ancora una volta, torniamo al flusso di lavoro analitico. Mi piace raggruppare i miei passaggi in accesso ai dati, visualizzazione, preparazione dei dati, cose del genere che hanno a che fare con il flusso di lavoro analitico. Ho una Parte 1 e una Parte 2. Potete vedere tutto ciò che ho fatto qui. Inizialmente, ho registrato tutto in sequenza e l'ho organizzato qui, in modo che fosse ripetibile. Farò clic su "Play" qui per l'intero processo e vedrete tutto apparire. Quello che abbiamo fatto prima è stato salvare i grafici nella tabella dati. Abbiamo il nostro embedding multivariato qui. Credo che stia eseguendo il modello in questo momento per lo screening dei predittori.
Abbiamo ottenuto il nostro clustering, in realtà. Alla fine, lo screening del predittore. Abbiamo questo grafico qui alla fine che stavamo osservando con i nostri passaggi. Molto chiaramente, abbiamo le nostre apparecchiature B, L e N che causano i difetti nelle nostre firme. Tutto questo è riproducibile. Puoi eseguirlo di nuovo su nuovi dati e vedere quali nuovi wafer vengono assegnati a ciascuna apparecchiatura.
Detto questo, vorrei mostrarvi un altro aspetto relativo a Torch Deep Learning. C'è un'altra sessione su questo argomento tenuta da Russ Wolfinger, in cui approfondisce l'argomento, ma qui voglio solo mostrarvi un paio di esempi di semiconduttori a livello superficiale. Questa è una funzionalità di JMP Pro 18. Se andate nella sezione "Add-in", scaricherete un componente aggiuntivo separatamente tramite la pagina dedicata nella community di JMP. Se andate nella sezione "Torch Deep Learning and example data", troverete un libro di racconti su Torch qui. Russ ha raccolto una serie di esempi diversi per diverse situazioni. Ci sono un paio di esempi qui relativi a wafer di semiconduttori e mappe di wafer.
Ciò che Torch Deep Learning vi permetterà di fare è analizzare le immagini direttamente dall'immagine e classificare i wafer, i difetti e le firme ad essi correlati. Il motivo per cui voglio mostrarvi come appare questo è che è molto simile a quello che abbiamo appena fatto. Sto aprendo la tabella dati qui. Noterete che abbiamo un'immagine. Abbiamo un nome file che contiene l'ID del lotto e l'ID del wafer, i lotti, la dimensione del die, quindi il numero di die all'interno del wafer, quindi il tipo di guasto, quindi qualsiasi sia la classificazione.
È possibile addestrare i dati su queste immagini per poter prevedere il tipo di errore. È davvero fantastico. È la prima volta che si riesce ad avere un'interfaccia drag-and-drop per eseguire un'analisi delle immagini come questa a livello di deep learning. È davvero, davvero fantastico. Per ulteriori informazioni, consiglio di consultare la guida di Russ sul componente aggiuntivo Torch Deep Learning e il suo intervento al Discovery di quest'anno.
Detto questo, se avete domande, sarò lieto di rispondervi scrivendo a: ryan.cooper@jmp.com. La mia presentazione si conclude qui. Se avete domande, non esitate a contattarmi via email. Grazie per l'ascolto.
