반도체 산업에서 저렴한 장치에 대한 지속적인 고객 수요로 인해 효율적인 도구 사용을 위해 도구 로그 데이터 분석이 중요합니다. JMP®(SAS institute) 시각화 도구를 사용하여 Tech Enabled 서비스를 배포하면 유지 관리 이벤트에 보다 효율적으로 대응할 수 있습니다. JMP 분포, 히스토그램 및 상자 그림 옵션을 사용하여 프로세스 실행을 분석하면 문제 영역에 집중하고 유지 관리 기간을 단축하는 데 도움이 됩니다. Wilcoxon 비모수 검정을 적용하여 도구 다운 기간에 대한 가설 연구를 수행하여 목표에 대한 변동을 확인하고 유지 관리 이벤트에 대한 신뢰 구간을 결정합니다. JMP 품질 및 관리 파레토 플롯과 이시카와 원인 및 결과 다이어그램을 근본 원인 분석 및 조치 계획에 구현합니다. 위의 성능 테스트와 함께 상자 그림을 표시하는 동적 JMP 대시보드를 통해 유지 관리 활동을 보다 잘 계획하고 우선 순위를 지정할 수 있습니다. PM 유형에 따른 PM 성공 및 실패의 종속성은 JMP 대시보드의 빠른 시각화를 통해 보고되었습니다.
안녕하세요. 저는 네하 카우샬이고, 저의 공동 저자인 스리비다가 오늘 저와 함께합니다. 저희는 기술 컨설팅 분야의 응용 소재 회사에서 일하고 있으며 반도체 공정 도구에 대한 데이터 분석을 합니다. 이 연구에서는 반도체 공정에서 도구 유지 관리를 최적화하기 위해 JMP 대시보드를 활용하는 방법에 대해 이야기하겠습니다.
반도체 산업에서는 저렴한 장치에 대한 고객 수요가 지속적으로 존재하기 때문에 효율적인 도구 사용을 위해 도구 로그 데이터 분석이 중요하며, JMP 시각화를 활용한 기술 지원 서비스를 구축하면 프로세스 도구에 대한 예방적 유지 관리 이벤트에 보다 효율적으로 대응할 수 있습니다.
유지관리 중 도구 시간을 최소화하는 것, 즉 PM은 도구 성능을 향상시켜 더 나은 PM 서비스를 제공하고, 이는 더 나은 수율과 더 높은 고객 만족도로 이어집니다. JMP 분포, 상자 그림 등을 사용하여 두 로그를 분석하면 유지관리 이벤트 중 문제 영역에 집중하는 데 도움이 됩니다.
이 연구의 목적은 다양한 유형의 PM 중 생산 중단 시간의 개선 기회를 파악하는 것입니다. 이 프로세스의 경우 사소한 유지 관리 이벤트와 주요 유지 관리 이벤트가 있습니다. 첫 번째 PM 성공 또는 실패를 고려하여 유지 관리 이벤트는 네 가지 유형으로 분류됩니다. 첫 번째 PM 성공 시 사소한 이벤트, 첫 번째 PM 성공 시 중대한 이벤트, 첫 번째 PM 실패 시 사소한 이벤트, 첫 번째 PM 실패 시 중대한 이벤트입니다.
이 방법론의 첫 번째 단계는 JMP Graph Builder를 사용하여 생산 다운타임 백분율을 기준으로 도구의 우선순위를 정하는 것입니다. 제가 보여드리겠습니다. 예를 들어, 여기서는 X축에 도구 ID가 있는 도구 다운타임 백분율을 플로팅했습니다. 여기서 도구 A의 다운타임 백분율이 가장 높은지 빠르게 확인하고 식별할 수 있습니다. 이것이 개선을 위한 최우선 도구가 될 수 있습니다.
그런 다음 PM 기간을 기준으로 PM 유형을 비교하여 프로세스 최적화 기회를 찾습니다. 그런 다음 분포 모델을 PM 기간에 적용하여 정규성에 맞는지 확인하고, 그렇지 않으면 이상치, 비대칭성 등과 같은 정규성 위반 요인을 연구합니다. 데이터가 정규성에서 벗어나면 비모수적 접근 방식을 적용하여 네 가지 유형의 PM 이벤트 간 변동을 확인하기 위한 가설 연구를 수행합니다. 마지막으로 PM 성능과 함께 도구 가동 중지 시간을 분석하기 위한 빠르고 대화형 대시보드를 만들었습니다.
이제 공동 저자인 스리비다에게 결과를 넘겨드리겠습니다. 그녀가 결과 부분을 설명해 드리겠습니다.
이 섹션에서는 방법론과 결과를 살펴보겠습니다. PM 기간 데이터는 배포 플랫폼에서 탐색되며 요약 통계는 평균이 중앙값보다 크고 왜도가 높다는 것을 보여줍니다. 정규 분위수 플롯은 또한 데이터 세트가 유의미한 이상치와 함께 오른쪽으로 치우쳐 있음을 확인합니다.
따라서 적합도 검정의 P-값은 적합 정규 분포에 위반되었고, 적합도 검정의 P-값은 적합 코시 분포에 통과되었습니다. 따라서 우리의 데이터는 코시 분포입니다.
따라서 우리는 견고한 적합 이상치 감지 방법을 사용하여 이상치의 존재를 분석하고 근본 원인 분석을 위해 11개의 이상치를 찾았습니다. 여기서 PM 유형을 비모수 분석을 통해 PM 기간을 기준으로 비교하여 PM 프로세스 최적화 기회를 찾습니다. P-값을 기준으로 여기에 표시된 세 가지 모델, Wilcoxon 방법, 중간값 검정, Van der Waeden 검정은 PM 유형 간에 유의미한 차이가 있다는 결론을 내립니다.
또한 Wilcoxon 방법을 사용하여 각 쌍에 대한 비모수적 비교를 통해, 우리는 사소한 PM 성공과 사소한 PM 실패가 P-값에 따라 유의미한 차이가 있다는 결론을 내렸습니다. 왜? 주요 PM 성공, 주요 PM 실패는 P-값에 따라 유의미하게 다르지 않습니다.
이제 PM 유형에 대한 PM 성공 및 실패의 종속성에 대한 빠른 보고를 위한 대시보드를 만드는 JMP 데모를 살펴보겠습니다. JMP 대시보드 부분으로 이동하겠습니다. 파일에서 대시보드를 만들고, 새 대시보드 옵션을 선택하고, 플랫폼을 선택하고 가설 검정, 상자 그림 등을 사용하여 대시보드를 만들 수 있습니다. 이것은 분석에서 만든 대시보드입니다. 이 대시보드를 사용하면 한 번에 하나의 도구를 선택하여 PM 유형에 대한 PM 성공 및 실패의 종속성을 대화형으로 설명할 수 있습니다.
이 연구에서 우리는 첫 번째 PM의 성공이 PM 유형에 큰 영향을 미친다는 결론을 내렸습니다. 우리는 첫 번째 PM의 성공이 사소한 PM에 큰 영향을 미치는 반면, 첫 번째 PM의 성공은 주요한 것에는 무시할 만한 영향을 미친다는 결론을 내렸습니다. 첫 번째 PM의 성공과 실패의 중간 PM 기간은 동일합니다.
다음 단계는 개선 범위를 파악하기 위한 도구별 분석입니다. 우리는 Oasis 지원을 위한 프로젝트에 참여한 이해 관계자에게 감사드리고 싶습니다. Charles C. Chen, Chandrasekhar Roy, Vikas Jangra, Sidda Reddy Kurakula.
좋아요, 엘로디, 이제 프레젠테이션을 마칠게요. 질문이 있으면 답변해드릴게요.
