データマイニングを使用した収量モデリングとパターン予測：予防的アプローチ
フランソワ・ベルジェレ博士、統計学者 – Ippon Innovation
Vincent Barec、Alexandre Couvrat、歩留まりおよび欠陥エンジニア – Soitec
複雑なプロセス製造の場合、歩留まりと欠陥は膨大な数の要因に左右されます。すでに生産されている歩留まり向上ツールは、Soitec がほとんどのプロセスの問題を検出するのに役立っています (迅速な対応アプローチ)。このホワイト ペーパーでは、JMP スクリプト言語 (JSL) と JMP で作成された、現在予防アプローチに使用されている 2 つの新しいデータ マイニング ツールを紹介します。歩留まりモデルは、歩留まりに関連する主な要因を検出します。これらの要因はモデルに組み込まれ、正確な予測を提供します。製造量、プロセス ツールの負荷、スループットに基づくシミュレーションを使用して、ユーザーは歩留まりと欠陥の変動を予測できます。歩留まりモデルは非常にインタラクティブなツールであり、その究極の JSL 機能はプレゼンテーション中にライブで紹介されます。次の SOI (シリコン オン インシュレーター) 世代では、部品内の厚さの均一性が歩留まりの主な要因です。パターン予測では、JMP 9 ニューラル プラットフォームを使用して厚さの均一性を分析および予測し、非常に有望な結果を得ています。ユーザーは学習サンプルでニューラル ネットをトレーニングし、ニューラル ネットは検証サンプルで評価された精度で将来の部品のパターンを自動的に予測します。この論文には、歩留まりモデルに使用される高度な JSL 機能と、複雑なパターンを正確に予測するニューラル ネットの能力の発見が含まれています。この論文で紹介されている 2 つのツールは予防ツールであり、Soitec が時間を節約し、品質を向上させるのに役立ちます。
