在半导体行业，由于客户对低成本设备的需求不断增长，工具日志数据分析对于高效使用工具非常重要。使用 JMP®（SAS 研究所）可视化工具部署技术支持服务使我们能够更高效地响应维护事件。使用 JMP 分布、直方图和箱线图选项分析工艺运行有助于集中精力于问题区域并缩短维护时间。应用 Wilcoxon 非参数检验对工具停机时间进行假设研究，以检查相对于目标的变化并确定维护事件的置信区间。实施 JMP 质量和控制帕累托图和 Ishikawa 因果图以进行根本原因分析和行动计划。动态 JMP 仪表板显示箱线图以及上述性能测试，有助于更好地规划维护活动和分配优先级。通过 JMP 仪表板的快速可视化报告了 PM 成功和失败对 PM 类型的依赖关系。
大家好。我是 Neha Kaushal，今天与我一起的还有我的合著者 Srivida。我们在技术咨询公司从事应用材料工作，并对半导体工艺工具进行数据分析。在本研究中，我们将讨论如何利用 JMP 仪表板优化半导体工艺中的工具维护。
在半导体行业，由于客户对低成本设备的持续需求，工具日志数据分析对于高效使用工具非常重要，部署具有 JMP 可视化功能的技术支持服务使我们能够更高效地响应工艺工具的预防性维护事件。
最大限度地减少维护期间的工具时间（也称为 PM）可提高工具性能，这意味着我们可以提供更好的 PM 服务，从而提高产量和客户满意度。使用 JMP 分布、箱线图等分析这两个日志有助于在维护事件期间关注问题区域。
我们本研究的目标是确定在不同类型的 PM 期间生产停机时间的改进机会。对于此过程，我们有小维护事件和大维护事件。考虑到首次 PM 成功或失败，维护事件分为四种类型。首次 PM 成功时为小维护事件，首次 PM 成功时为大维护事件，首次 PM 失败时为小维护事件，首次 PM 失败时为大维护事件。
该方法的第一步是使用 JMP Graph Builder 根据生产停机时间百分比对工具进行优先级排序。让我来演示一下。例如，我们在这里绘制了工具停机时间百分比，X 轴上标有工具 ID。在这里，我们可以快速检查并确定工具 A 的停机时间百分比最高。这可能是我们改进的首要工具。
然后，我们根据 PM 持续时间比较 PM 类型，以找到流程优化的机会。然后，根据 PM 持续时间建立分布模型，以检查其是否符合正态性，否则，研究异常值、偏度等违反正态性的因素。由于数据偏离正态性，我们采用非参数方法进行假设研究，以检查四种 PM 事件之间的差异。最后，我们创建了一个快速且交互式的仪表板，用于分析工具停机时间和 PM 性能。
现在，我将把时间交给我的合著者 Srivida，她将解释结果部分。
本节将介绍方法和结果。在分布平台中探索了 PM 持续时间数据，汇总统计数据显示平均值大于中位数，并且偏度较高。正态分位数图还验证了数据集是右偏的，具有显著的异常值。
因此，拟合正态分布的拟合优度检验的 P 值不合格，而拟合柯西分布的拟合优度检验的 P 值合格。所以我们的数据是柯西分布。
因此，我们使用稳健拟合异常值检测方法分析了异常值的存在，并发现了 11 个异常值，用于根本原因分析。这里，通过非参数分析根据 PM 持续时间比较 PM 类型，以寻找 PM 流程优化的机会。根据 P 值，这里显示的所有三个模型，即 Wilcoxon 方法、中位数检验、Van der Waeden 检验，都得出 PM 类型之间存在显著差异的结论。
此外，通过使用 Wilcoxon 方法对每对进行非参数比较，我们得出结论，根据 P 值，轻微 PM 成功和轻微 PM 失败存在显著差异。为什么？根据 P 值，重大 PM 成功和重大 PM 失败没有显著差异。
现在，我们将看到 JMP 演示如何创建仪表板，以便快速报告 PM 成功和失败对 PM 类型的依赖关系。让我带您进入 JMP 仪表板部分。我们可以从文件、新仪表板选项创建仪表板，然后选择平台并进行假设检验、箱线图等，以创建仪表板。这是我们根据分析创建的仪表板。使用此仪表板，我们可以通过一次选择一个工具以交互方式解释 PM 成功和失败对 PM 类型的依赖关系。
从研究中，我们得出结论，首次 PM 成功对 PM 类型影响很大。我们得出结论，首次 PM 成功对小 PM 有很大影响，而首次 PM 成功对大事的影响可以忽略不计。首次 PM 成功和失败的 PM 持续时间中位数相同。
下一步是进行工具分析以确定改进范围。我们要感谢项目中的利益相关者为 Oasis 提供支持。Charles C. Chen、Chandrasekhar Roy、Vikas Jangra 和 Sidda Reddy Kurakula。
好的，Elodie，我们的演讲到此结束。如果你有任何问题，我们可以回答。
