Corinne BERGES, Six Sigma Black Belt, NXP Semiconductors
Ein Kunde aus der Automobilindustrie meldete ein Problem mit einigen Teilen, und die Fehleranalyse ergab mehrere fehlgeschlagene Tests bei Ventilsteuerungsfunktionen. Neue Tests an den Produkten ergaben einen Bereich am Matrizenrand, in dem die Teile wahrscheinlicher ausfielen. Es wurden Analysen entwickelt, um den Unterschied zwischen diesem schwachen Bereich und dem Rest der Matrize zu verstehen. Diese Analysen verwendeten Unit-Probe- und Class-Probe-Daten: Erstere ermöglichen Untersuchungen auf Matrizenebene; letztere unterstützen die Untersuchung der Retikel auf dem Wafer. Die Retikel sind spezielle Strukturen, die auf den Wafern zwischen den Matrizen eingebettet sind und jeden einzelnen Fertigungsschritt abbilden; ihr Test ermöglicht die Identifizierung des fehlerhaften Schritts.
Die Datenanalyse in JMP bestand aus einer univariaten Analyse mit Testverteilungsdiagrammen, einer multivariaten Analyse und auch Vorhersagealgorithmen unter Verwendung des Vergleichs zwischen den beiden Bereichen auf dem Chip auf sieben Waferchargen. Die Analysen wurden auf Chip- und Maskenebene durchgeführt, um die fehlerhaften Herstellungsschritte hervorheben zu können.
Diese Fallstudie wurde in Schulungsmaterialien verwendet, um maschinelles Lernen zu fördern. Im Kontext der Automobilindustrie, wo Null-Fehler das Ziel sind, muss jeder in solchen Analysen geschult werden, um das höchstmögliche Qualitätsniveau zu erreichen.
