광학 검사 단계 결과를 전기 테스트와 연관시켜 수율 및 품질 문제 해결(2023-EU-PO-1343)자동차용 반도체 제조 산업에서 각 제조 단계에서 부품을 테스트하여 고장 가능성이 있는 부품을 선별합니다. 상류에서 약한 부품을 폐기할수록 폐기 비용이 낮아집니다. 그러나 테스트에도 비용이 듭니다. NXP의 최근 프로젝트에서는 웨이퍼 검사 수준에서 관찰된 결함의 수동 결함 분류를 피하고자 했습니다. 이제 결함은 훈련 이미지 데이터 세트에서 킬러 또는 킬러가 아닌 것으로 분류되고 각 다이에 대한 고장 확률이 평가됩니다. JMP®에서는 세 가지 유형의 분석을 통해 이 고장 확률을 전기 테스트와 연관시키는 추가 단계가 가능합니다. 첫 번째 분석은 고장 확률 임계값을 평가하여 테스트 비용을 제한하기 위해 테스트되는 부품 수를 제한했습니다. 두 번째 분석은 고장 확률과 가장 상관관계가 높은 테스트를 강조했습니다. 마지막 분석은 강조된 테스트 목록을 사용하여 테스트 한계를 조정하여 고장 확률 이상치가 있는 부품을 선별했습니다. 이 분석은 품질을 높이는 동시에 테스트 비용을 제한합니다.
제품 테스트 데이터 수집 및 근본 원인 분석을 위한 알람 보고서 생성의 자동화된 프로세스(2023-EU-30MP-1268)이 글로벌 Autoliv 프로젝트에서는 가장 중요한 제품 테스트 기계(ATOS) 중 하나를 조사하여 제품 테스트 데이터와 근본 원인 분석을 위한 자동 알람 시스템을 도입하는 것을 목표로 합니다. 우리는 데이터를 SQL 데이터베이스로 전송하고 근본 원인 분석을 수행하는 유연한 자동화 소프트웨어 솔루션을 원했습니다. 또한, 기존의 "리딩 투 린(leading-to-lean)" (L2L) 디스패치 시스템에 보고서의 웹 기반 링크를 보내어 기계 소유자에게 메일을 통해 알리고 싶었습니다. 우리는 JMP를 사용하여 이러한 모든 작업에 대한 작업 스케줄러를 통해 모든 프로세스를 자동화합니다.
JMP®용 Pythonless Python 통합(2023-EU-30MP-1265)
JMP®와 Python 통합의 과제로 인해 다양한 Python 라이브러리와 강력한 알고리즘을 JMP와 함께 평가하고 테스트할 수 있는 대체 솔루션을 찾게 되었습니다. 이를 통해 JMP 사용자는 익숙한 JMP 환경에서 Python으로 작업할 수 있습니다. 몇 가지 다른 반복을 거친 후 RestAPI 서비스가 개발되었고 JMP가 이 서비스를 호출하면 현재 서비스가 제공하는 옵션에 따라 동적으로 사용자 인터페이스를 만듭니다. 그런 다음 JMP 사용자는 이 사용자 인터페이스를 사용하여 한 번의 클릭으로 JMP에서 직접 데이터를 전송하여 HDBSCAN, OPTICS 및 UMAP와 같은 다양한 알고리즘을 사용할 수 있습니다. 알고리즘이 서버 측에서 작업을 완료한 후에는 추가 분석 및 시각화를 위해 JMP로 데이터를 반환합니다.
