利用資料探勘進行產量建模與模式預測：一種預防方法使用資料探勘進行產量建模和模式預測：一種預防方法
François Bergeret 博士，統計學家 – Ippon Innovation
文森巴雷克Alexandre Couvrat，Soitec 良率與缺陷工程師
對於複雜的製程製造，產量和缺陷取決於大量因素。已投入生產的產量增強工具正在幫助 Soitec 檢測大多數製程問題（快速反應方法）。本文介紹了兩種使用 JMP 腳本語言 (JSL) 和 JMP 建立的新資料探勘工具，目前用於預防方法。產量模型檢測與產量相關的主要因素。然後將這些因素納入模型以提供準確的預測。使用者可以透過基於製造量、製程工具負載和吞吐量的模擬來預測產量和缺陷的變化。 Yield Model 是一個非常具有互動性的工具，其終極 JSL 功能將在演示過程中現場展示。對於下一代 SOI（絕緣體上矽）來說，零件厚度均勻性是主要的產量驅動因素。模式預測使用 JMP 9 神經平台來分析和預測厚度均勻性，結果非常有希望。使用者在學習樣本上訓練神經網絡，神經網路會自動以良好的準確度預測未來部件的模式，並根據驗證樣本進行評估。本文包括用於收益模型的高級 JSL 特徵以及神經網路準確預測複雜模式的能力的發現。論文中介紹的兩種工具是預防工具，可幫助 Soitec 節省時間並提高品質。
