利用数据挖掘进行产量建模和模式预测：一种预防方法使用数据挖掘进行产量建模和模式预测：一种预防方法
François Bergeret 博士，统计学家 – Ippon Innovation
Vincent Barec；Alexandre Couvrat，良率与缺陷工程师 – Soitec
对于复杂的工艺制造，产量和缺陷取决于大量因素。已投入生产的产量增强工具正在帮助 Soitec 检测大多数工艺问题（快速反应方法）。本文介绍了使用 JMP 脚本语言 (JSL) 和 JMP 创建的两个新数据挖掘工具，现在用于预防方法。产量模型检测与产量相关的主要因素。然后将这些因素纳入模型以提供准确的预测。用户可以根据制造量、工艺工具负载和吞吐量进行模拟，以预测产量和缺陷变化。产量模型是一种非常互动的工具，其终极 JSL 功能将在演示期间现场展示。对于下一代 SOI（绝缘体上硅）产品，零件厚度均匀性是主要的产量驱动因素。模式预测使用 JMP 9 神经平台分析和预测厚度均匀性，结果非常令人满意。用户在学习样本上训练神经网络，神经网络会自动预测未来零件的模式，准确度很高，并在验证样本上进行评估。本文介绍了用于产量模型的高级 JSL 功能以及神经网络准确预测复杂模式的能力。本文介绍的两种工具是预防性工具，可帮助 Soitec 节省时间并提高质量。
