光学検査ステップの結果と電気テストの相関関係による歩留まりと品質の問題の解決 (2023-EU-PO-1343)自動車向け半導体製造業界では、各製造ステップで部品をテストし、故障する可能性のある部品を選別します。弱い部品を上流で廃棄するほど、廃棄コストは低くなります。しかし、テストにもコストがかかります。NXP の最近のプロジェクトでは、ウェハ検査レベルで観察された欠陥の手動による欠陥分類を回避することを目指しました。現在、欠陥はトレーニング画像データセットからキラーまたは非キラーに分類され、各ダイの故障確率が評価されます。JMP® では、3 種類の分析を使用して、この故障確率を電気テストに関連付けるさらなるステップを実行できます。最初の分析では、故障確率のしきい値を評価して、テストコストを制限するためにテストする部品の数を制限しました。2 番目の分析では、故障確率と最も相関するテストを強調表示しました。最後の分析では、強調表示されたテストのリストを使用してテスト制限を調整し、故障確率の外れ値を持つ部品を選別しました。これらの分析により、品質を高めながらテストコストを制限できます。
製品テストデータの収集と根本原因分析のためのアラームレポートの作成の自動化プロセス (2023-EU-30MP-1268)このグローバルな Autoliv プロジェクトでは、最も重要な製品テスト マシンの 1 つ (ATOS) を調査し、製品テスト データと根本原因分析用の自動アラーム システムを導入することを目標としています。SQL データベースにデータを転送し、根本原因分析を実行するための柔軟な自動ソフトウェア ソリューションが必要でした。さらに、レポートの Web ベースのリンクを既存の「Leading-to-Lean」(L2L) ディスパッチ システムに送信し、マシンの所有者にメールで通知できるようにしたいと考えていました。これらのタスクすべてについて、タスク スケジューラを介してすべてのプロセスを自動化するために JMP を使用しています。
JMP® 向け Python レス Python 統合 (2023-EU-30MP-1265)
JMP® と Python の統合に関する課題から、さまざまな Python ライブラリと強力なアルゴリズムを JMP で評価およびテストできる代替ソリューションを探すことになりました。これにより、JMP ユーザーは使い慣れた JMP 環境から Python を操作できるようになります。いくつかの異なる反復を経て、RestAPI サービスが開発されました。JMP がこのサービスを呼び出すと、現在サービスで提供されているオプションに基づいてユーザー インターフェイスが動的に作成されます。その後、JMP ユーザーはこのユーザー インターフェイスを使用して、ワンクリックで JMP から直接データを送信することで、HDBSCAN、OPTICS、UMAP などのさまざまなアルゴリズムを使用できます。アルゴリズムがサーバー側で操作を終えると、さらなる分析と視覚化のためにデータが JMP に返されます。
