표면 거칠기는 장치의 전기적 성능을 저하시키고 수명에 영향을 미치기 때문에 반도체 및 디스플레이 산업에서 결함 수준을 측정하는 주요 척도입니다. 가공 과정에서 표면 거칠기 공정 실패의 원인은 다양할 수 있습니다. 그러나 표면 거칠기 지표를 종합적으로 평가하고 분석할 수 있는 효과적인 모델이 부족하여 공정 개선에 큰 어려움을 겪고 있습니다. 본 프로젝트는 효율적인 근본 원인 분석 및 공정 조정을 위해 표면 거칠기 측정 지표를 비정규 분포 모델과 연결하는 JMP 분석 패키지를 구축하는 것을 목표로 합니다. 이 프로젝트는 JMP 무작위 시뮬레이션 플랫폼을 사용하여 거칠기 Z-프로파일 데이터를 6개의 비정규 분포 모델로 나눕니다. (1) 정규 분포(3) 오른쪽으로 치우친 분포; ) 바이모달; (6) 이상치(3%) 5개의 표면 거칠기 측정 지표(Ra, Rz, Rp, Rv, Rk) 와 분포를 설명하는 8개의 통계 매개변수가 계산되었습니다 . Hierarchical Cluster, K-means Cluster, Normal Mixtures, Cluster Variables, Multivariate Correlation, Primary Components Analysis 및 Model Driven Control Charts를 포함한 다양한 클러스터링 방법을 비교하여 6개의 비정규 분포 모델을 효과적으로 결합할 수 있는지 확인했습니다. 꼬리 군집과 이산점, 13개의 변수를 피크 군집, 비대칭 군집, 가는 꼬리 군집으로 구분하였다. 표면 거칠기 측정 지표와 비정규 분포 모델 간의 관계를 효과적으로 구별하고 예측합니다. JMP 표면 거칠기 데이터 마이닝 프로젝트는 프로세스 실패 원인을 효과적으로 감지하여 프로세스 디버깅 시간을 단축할 수 있습니다. 또한 Applied Materials 회사 전체를 위한 데이터베이스(거칠기, 원시 Z 프로파일, 거칠기 측정, 공정 조정)를 구축하고 예측 모델을 개발하기 위해 회사 내에 강력한 다기능 JMP 표면 거칠기 분석 팀을 구축했습니다 .
