Dans l'industrie des semi-conducteurs, en raison de la demande continue des clients pour des appareils à moindre coût, l'analyse des données du journal des outils est importante pour une utilisation efficace des outils. Le déploiement de services Tech Enabled avec les outils de visualisation JMP® (institut SAS) nous permet de devenir plus efficaces dans la réponse aux événements de maintenance. L'analyse des exécutions de processus à l'aide des options de distribution, d'histogramme et de boxplot JMP permet de se concentrer sur les zones problématiques et de réduire la durée de maintenance. Le test non paramétrique de Wilcoxon est appliqué pour effectuer une étude d'hypothèse sur la durée d'arrêt de l'outil afin de vérifier la variation par rapport à la cible et de déterminer l'intervalle de confiance pour les événements de maintenance. Le diagramme de Pareto de qualité et de contrôle JMP et le diagramme de cause à effet d'Ishikawa sont mis en œuvre pour l'analyse des causes profondes et les plans d'action. Le tableau de bord JMP dynamique affichant le diagramme en boîte ainsi que les tests de performance ci-dessus ont facilité une meilleure planification des activités de maintenance et l'attribution des priorités. La dépendance du succès et de l'échec de la PM sur les types de PM a été signalée par une visualisation rapide à partir du tableau de bord JMP.
Bonjour. Je m'appelle Neha Kaushal et je suis accompagnée aujourd'hui par ma co-auteure, Srivida. Nous travaillons pour des matériaux appliqués dans le conseil en technologie et nous effectuons des analyses de données sur les outils de traitement des semi-conducteurs. Dans cette étude, nous allons parler de la manière dont nous utilisons le tableau de bord JMP pour optimiser la maintenance des outils dans les processus de semi-conducteurs.
Dans l'industrie des semi-conducteurs, en raison de la demande continue des clients pour des appareils à moindre coût, l'analyse des données du journal des outils est importante pour une utilisation efficace des outils. Le déploiement de services technologiques avec la visualisation JMP nous permet de devenir plus efficaces dans la réponse aux événements de maintenance préventive pour les outils de processus.
La réduction du temps d'utilisation de l'outil pendant la maintenance, également appelée PM, améliore les performances de l'outil, ce qui signifie que nous avons de meilleurs services de PM, ce qui se traduit par un meilleur rendement et une plus grande satisfaction client. L'analyse des deux journaux à l'aide de la distribution JMP, du box plot, etc., permet de se concentrer sur les zones problématiques lors des événements de maintenance.
Notre objectif pour cette étude est d'identifier les opportunités d'amélioration des temps d'arrêt de production lors de différents types de PM. Pour ce processus, nous avons des événements de maintenance mineurs et majeurs. En considérant le succès ou l'échec du premier PM, les événements de maintenance sont classés en quatre types. Mineur avec succès du premier PM, majeur avec succès du premier PM, puis mineur avec échec du premier PM et majeur avec échec du premier PM.
La première étape de cette méthodologie consiste à hiérarchiser les outils en fonction du pourcentage d'arrêt de production à l'aide de JMP Graph Builder. Laissez-moi vous montrer cela. Par exemple, ici, nous avons tracé le pourcentage d'arrêt d'outil avec les identifiants d'outil sur l'axe des X. Ici, nous pouvons rapidement vérifier et identifier que l'outil A présente le pourcentage d'arrêt le plus élevé. Cela pourrait être notre outil prioritaire d'amélioration.
Ensuite, nous comparons les types de PM en fonction de la durée de PM qui trouve des opportunités d'optimisation du processus. Ensuite, les modèles de distribution sont basés sur la durée de PM pour vérifier si elle correspond à la normalité, sinon, nous étudions les facteurs de violation de la normalité comme les valeurs aberrantes, l'asymétrie, etc. Comme les données s'écartent de la normalité, nous avons appliqué une approche non paramétrique pour effectuer une étude d'hypothèse afin de vérifier la variation entre quatre types d'événements PM. Enfin, nous avons créé un tableau de bord rapide et interactif pour analyser les temps d'arrêt des outils avec les performances PM.
Maintenant, je vais laisser la parole à ma co-auteur, Srivida, et elle vous expliquera la partie résultats.
Nous aborderons la méthodologie et les résultats dans cette section. Les données de durée PM sont explorées dans la plateforme de distribution et les statistiques récapitulatives montrent que la moyenne est supérieure à la médiane et que l'asymétrie est élevée. Le graphique quantile normal vérifie également que l'ensemble de données est asymétrique à droite avec des valeurs aberrantes significatives.
En conséquence, la valeur P du test d'adéquation de la distribution normale ajustée a été violée, tandis que la valeur P du test d'adéquation de la distribution de Cauchy ajustée est dépassée. Nos données sont donc une distribution de Cauchy.
En conséquence, nous avons analysé la présence de valeurs aberrantes à l'aide de la méthode de détection des valeurs aberrantes par ajustement robuste et avons trouvé 11 valeurs aberrantes pour l'analyse des causes profondes. Ici, les types de PM sont comparés en fonction de la durée de PM par une analyse non paramétrique pour trouver des opportunités d'optimisation du processus de PM. Sur la base de la valeur P, les trois modèles présentés ici, la méthode Wilcoxon, le test médian, le test de Van der Waeden, concluent à une différence significative entre les types de PM.
De plus, à partir d'une comparaison non paramétrique pour chaque paire à l'aide de la méthode de Wilcoxon, nous avons conclu que le succès et l'échec des PM mineurs présentent une différence significative en fonction de la valeur P. Pourquoi ? Le succès et l'échec des PM majeurs ne sont pas significativement différents en fonction de la valeur P.
Nous allons maintenant voir la démonstration JMP pour créer un tableau de bord permettant de générer rapidement des rapports sur la dépendance du succès et de l'échec de la gestion de projet sur les types de gestion de projet. Je vais vous présenter la partie tableau de bord JMP. Nous pouvons créer un tableau de bord à partir du fichier, de l'option nouveau tableau de bord, sélectionner la plateforme et effectuer notre test d'hypothèse, notre box plot, etc. pour créer un tableau de bord. Il s'agit du tableau de bord que nous avons créé à partir de notre analyse. À l'aide de ce tableau de bord, nous pouvons expliquer de manière interactive la dépendance du succès et de l'échec de la gestion de projet sur les types de gestion de projet en sélectionnant un outil à la fois.
D'après l'étude, nous concluons que le succès du premier PM a un impact important sur le type de PM. Nous concluons que le succès du premier PM a un impact important sur les PM mineurs, tandis que le succès du premier PM a un impact négligeable sur les choses majeures. La durée médiane du succès et de l'échec du premier PM sont équivalentes.
L'étape suivante consiste à analyser les outils pour identifier les possibilités d'amélioration. Nous tenons à remercier nos parties prenantes des projets pour leur aide dans le support d'Oasis. Charles C. Chen, Chandrasekhar Roy, Vikas Jangra et Sidda Reddy Kurakula.
Ok Elodie, donc ceci sera la fin de notre présentation. Si vous avez des questions, nous pouvons y répondre.
