在半導體產業，由於客戶對低成本設備的持續需求，工具日誌資料分析對於高效使用工具非常重要。透過 JMP®（SAS 研究所）視覺化工具部署技術支援服務使我們能夠更有效率地回應維護事件。使用 JMP 分佈、直方圖和箱線圖選項分析製程運作有助於關注問題區域並減少維護時間。採用 Wilcoxon 非參數檢定對工具停機時間進行假設研究，以檢查相對於目標的變化並確定維護事件的置信區間。 JMP 品質和控制帕累托圖和石川因果圖用於根本原因分析和行動計劃。動態 JMP 儀表板顯示箱線圖以及上述效能測試，有助於更好地規劃維護活動並分配優先順序。透過 JMP 儀表板的快速視覺化，報告了 PM 成功和失敗對 PM 類型的依賴關係。
你好。我是 Neha Kaushal，今天與我在一起的還有我的合著者 Srivida。我們從事技術諮詢應用材料工作並對半導體製程工具進行數據分析。在本研究中，我們將討論如何利用 JMP 儀表板來優化半導體製程的工具維護。
在半導體產業，由於客戶對低成本設備的需求不斷增長，工具日誌資料分析對於高效使用工具至關重要，部署具有 JMP 視覺化功能的技術支援服務使我們能夠更有效率地回應製程工具的預防性維護事件。
最大限度地減少維護期間的工具時間（也稱為 PM）可提高工具效能，這意味著我們擁有更好的 PM 服務，從而帶來更好的產量和更高的客戶滿意度。使用 JMP 分佈、箱線圖等分析這兩個日誌有助於在維護事件期間關注問題區域。
我們進行此項研究的目標是找出不同類型的 PM 期間生產停工時間的改善機會。對於這個過程，我們有小型和大型維護事件。考慮到首次維護的成功或失敗，維護事件分為四類。次要後果：首次 PM 成功；主要後果：首次 PM 成功；次要後果：首次 PM 失敗；主要後果：首次 PM 失敗。
此方法的第一步是使用 JMP Graph Builder 根據生產停機時間百分比對工具進行優先排序。讓我給你示範一下。例如這裡，我們在 X 軸上繪製了工具停機時間百分比以及工具 ID。這裡我們可以快速檢查並確定工具 A 的停機時間百分比最高。這可能是我們改進的首要工具。
然後，我們根據 PM 持續時間比較 PM 類型，以找到流程最佳化的機會。然後，分佈模型針對 PM 持續時間檢查其是否符合正態性，否則，研究異常值、偏度等違反正態性的因素。四種類型的PM 事件。最後，我們建立了一個快速互動式儀表板，用於分析工具停機時間和 PM 效能。
現在，我將把時間交給我的合著者 Srivida，她將解釋結果部分。
本節我們將討論方法論和結果。在分佈平台中探索 PM 持續時間數據，總統計數據顯示平均值大於中位數，且偏度較高。常態分位數圖也驗證了資料集是右偏的，並且有顯著的異常值。
因此，適合常態分佈的適合度檢定的 P 值不合格，而適合柯西分佈的適合度檢定的 P 值合格。所以我們的數據是柯西分佈。
因此，我們使用穩健擬合異常值檢測方法分析了異常值的存在，並發現了 11 個異常值用於根本原因分析。這裡，透過非參數分析根據 PM 持續時間比較 PM 類型，以尋找 PM 流程最佳化的機會。根據 P 值，這裡顯示的所有三個模型，Wilcoxon 方法、中位數檢定、Van der Waeden 檢驗，都得出 PM 類型之間存在顯著差異的結論。
此外，透過使用 Wilcoxon 方法對每對進行非參數比較，我們得出結論，基於 P 值，小 PM 成功和小 PM 失敗存在顯著差異。為什麼？根據 P 值，重大 PM 成功和重大 PM 失敗沒有顯著差異。
現在，我們將看到 JMP 演示如何建立儀表板，用於快速報告 PM 成功和失敗對 PM 類型的依賴關係。讓我帶您了解 JMP 儀表板部分。我們可以從文件、新儀表板選項中建立儀表板，然後選擇平台並進行假設檢定、箱線圖等來建立儀表板。這是我們根據分析建立的儀表板。使用此儀表板，我們可以透過一次選擇一個工具以互動方式解釋 PM 成功和失敗對 PM 類型的依賴關係。
透過研究，我們得出結論，首次 PM 成功與 PM 類型有很大影響。我們得出結論，首次 PM 成功對小 PM 有很大影響，而首次 PM 成功對大事的影響可以忽略不計。首次 PM 成功和失敗的中位數 PM 持續時間是相等的。
下一步是透過工具分析來確定改進範圍。我們要感謝專案中的利害關係人為 Oasis 提供支援的幫助。 The Charles C. Chen, Chandrasekhar Roy, Vikas Jangra, and Sidda Reddy Kurakula.
好的，Elodie，我們的演講到此結束。如果您有任何疑問，我們可以解答。
