半導体業界では、低コストのデバイスに対する顧客の継続的な需要により、ツールのログ データ分析はツールの効率的な使用にとって重要です。JMP® (SAS institute) の視覚化ツールを備えた Tech Enabled サービスを導入することで、メンテナンス イベントへの対応をより効率的に行うことができます。JMP の分布、ヒストグラム、およびボックス プロット オプションを使用してプロセス実行を分析すると、問題のある領域に焦点を当て、メンテナンス期間を短縮するのに役立ちます。ウィルコクソンのノンパラメトリック テストを適用して、ツール ダウン期間に関する仮説研究を実行し、ターゲットに対する変動を確認し、メンテナンス イベントの信頼区間を決定します。JMP 品質および管理パレート図と石川因果図を実装して、根本原因分析とアクション プランを作成します。上記のパフォーマンス テストとともにボックス プロットを表示する動的な JMP ダッシュボードにより、メンテナンス アクティビティの計画と優先順位の割り当てが改善されました。PM の成功と失敗が PM タイプに依存することは、JMP ダッシュボードからの迅速な視覚化によって報告されました。
こんにちは。私は Neha Kaushal です。今日は共著者の Srivida が同席しています。私たちは技術コンサルタントとして応用材料に携わり、半導体プロセス ツールのデータ分析を行っています。この研究では、半導体プロセスにおけるツール メンテナンスを最適化するために JMP ダッシュボードをどのように活用しているかについて説明します。
半導体業界では、低コストのデバイスに対する顧客の継続的な需要により、ツールの効率的な使用にはツール ログ データ分析が重要であり、JMP 視覚化による技術対応サービスを導入することで、プロセス ツールの予防保守イベントへの対応をより効率的に行うことができます。
PM とも呼ばれるメンテナンス中のツール時間を最小限に抑えることで、ツールのパフォーマンスが向上し、PM サービスが向上し、結果として歩留まりと顧客満足度が向上します。JMP 分布、ボックス プロットなどを使用して 2 つのログを分析すると、メンテナンス イベント中に問題のある領域に焦点を当てることができます。
この調査の目的は、さまざまな種類の PM 中に生産停止時間を改善する機会を特定することです。このプロセスでは、マイナー メンテナンス イベントとメジャー メンテナンス イベントがあります。初回の PM の成功または失敗を考慮して、メンテナンス イベントは 4 つのタイプに分類されます。初回の PM 成功によるマイナー、初回の PM 成功によるメジャー、初回の PM 失敗によるマイナー、初回の PM 失敗によるメジャーです。
この方法論の最初のステップは、JMP グラフ ビルダーを使用して、生産停止時間の割合に基づいてツールに優先順位を付けることです。その方法をお見せしましょう。たとえば、ここでは、ツール ID を X 軸にしてツール停止時間の割合をプロットしています。ここで、ツール A の停止時間の割合が最も高いことをすばやく確認して特定できます。これは、改善のための最優先ツールになる可能性があります。
次に、プロセス最適化の機会を見つけるために、PM 期間に基づいて PM タイプを比較します。次に、分布モデルを PM 期間に適用して、正規性に適合するかどうかを確認します。適合しない場合は、外れ値、歪度などの正規性違反要因を調査します。データが正規性から逸脱するため、ノンパラメトリック アプローチを適用して仮説調査を実行し、4 種類の PM イベント間の変動を確認します。最後に、ツールのダウンタイムと PM パフォーマンスを分析するための、迅速でインタラクティブなダッシュボードを作成しました。
それでは、共著者の Srivida にバトンタッチして、結果の部分について説明してもらいます。
このセクションでは、方法論と結果について説明します。PM 期間データは配布プラットフォームで調査され、要約統計では平均が中央値よりも大きく、歪度も高いことが示されています。正規分位プロットでは、データセットが右に歪んでおり、大きな外れ値があることも確認されています。
したがって、適合された正規分布の適合度検定の P 値は違反しましたが、適合されたコーシー分布の適合度検定の P 値は合格しました。したがって、データはコーシー分布です。
したがって、ロバストフィット外れ値検出法を使用して外れ値の存在を分析し、根本原因分析のために 11 個の外れ値を見つけました。ここでは、ノンパラメトリック分析によって PM 期間に基づいて PM タイプを比較し、PM プロセス最適化の機会を見つけます。P 値に基づいて、ここに示す 3 つのモデル (ウィルコクソン法、中央値検定、ファンデルワデン検定) はすべて、PM タイプ間で有意差があると結論付けています。
さらに、ウィルコクソン法を使用した各ペアのノンパラメトリック比較から、マイナー PM の成功とマイナー PM の失敗には P 値に基づく有意差があると結論付けました。なぜでしょうか? メジャー PM の成功とメジャー PM の失敗は、P 値に基づくと有意差がありません。
ここで、JMP のデモを見て、PM の成功と失敗が PM の種類によってどのように左右されるかをすばやくレポートするためのダッシュボードを作成します。JMP ダッシュボードの部分を見てみましょう。ファイルからダッシュボードを作成し、新しいダッシュボード オプションを選択して、プラットフォームを選択し、仮説検定、ボックス プロットなどを実行してダッシュボードを作成できます。これは、分析から作成したダッシュボードです。このダッシュボードを使用すると、一度に 1 つのツールを選択することで、PM の成功と失敗が PM の種類によってどのように左右されるかをインタラクティブに説明できます。
調査から、初回 PM の成功は PM の種類に大きく影響すると結論付けました。初回 PM の成功はマイナー PM に大きな影響を与えますが、メジャー PM にはほとんど影響を与えないと結論付けました。初回 PM の成功と失敗の平均 PM 期間は同等です。
次のステップは、改善の範囲を特定するためのツールごとの分析です。Oasis サポートにご協力いただいたプロジェクトの関係者の皆様に感謝申し上げます。Charles C. Chen、Chandrasekhar Roy、Vikas Jangra、Sidda Reddy Kurakula です。
では、エロディさん、これでプレゼンテーションは終了です。ご質問があればお答えします。
