Intervenant : Henry Qiao , General Electric, Responsable Qualité
Intervenant : Henri Qiao , Responsable Qualité, General Electric
Sujet : Estimation de la capacité des processus avec les modèles statistiques scriptés JMP® pour la validation de nouveaux produits
Thèmes : A JMP ® Approche de modélisation par script pour estimer la capacité du processus dans le processus de validation du produit
résumé:
Dans le processus de vérification de nouveaux produits FPGA (Field Programmable Gate Array), des tests caractéristiques d'expériences de croisement multifactoriel sont souvent utilisés pour estimer la capacité du processus à long terme. Étant donné que l’estimation de la capacité du processus est basée sur une distribution normale spécifique, elle ne peut pas être utilisée directement pour les données provenant d’expériences de croisement multifactoriel. Cet article vise à introduire une nouvelle approche de modèle pour estimer la capacité du processus FPGA. Cette méthode établit d’abord un modèle statistique pour obtenir la pire valeur de la sortie du processus, estime la taille de la variation du processus, puis calcule la taille de la capacité du processus en fonction de la pire valeur. Par conséquent, l’indice de capacité du processus obtenu par cette méthode n’est pas basé sur une seule distribution normale, mais sur la pire capacité du processus obtenue à partir de plusieurs données de distribution normale. Cet article présente également comment utiliser les scripts JMP pour automatiser l’ensemble du processus d’optimisation des modèles statistiques et de normalisation de l’analyse des données. Cette méthode n’est pas seulement applicable au processus de vérification des produits FPGA, mais peut en fait être utilisée pour une analyse de données similaire dans n’importe quelle industrie des semi-conducteurs.
Abstrait:
Lors de la validation d'un FPGA (Field Programmable Gate Array), des tests de caractérisation multifactorielle doivent être prescrits pour estimer l'effet des dérives de processus à long terme. La capabilité du processus est généralement estimée selon une distribution normale. Cependant, ce calcul ne peut pas être appliqué directement aux données expérimentales multifactorielles. Cet article présente une nouvelle approche de modélisation pour estimer la capabilité des FPGA. Un modèle statistique est construit pour prédire les valeurs les plus défavorables et estimer les variations inhérentes au processus, puis calculer les indices de capabilité. Par conséquent, les indices de capabilité ne sont pas obtenus selon une distribution normale. Ils montrent en réalité la plus faible capabilité du processus basée sur les données expérimentales multifactorielles. Un outil automatisé, codé avec le langage de script JMP, a également été développé pour optimiser automatiquement le modèle et standardiser le traitement des données. Cette méthode peut être appliquée non seulement aux données du processus de validation des FPGA, mais à toutes les données similaires de l'industrie des semi-conducteurs.
