提起半导体产业，往往连结想到巨量数据且快节奏的产品优化过程。而这样的产业生态，就与JMP黏着性相当高，其所具备快速且准确的互动性统计分析特性广受半导体客户的喜爱。在半导体产业的工作生态中，常常需要对面对的不良状况找出问题来源，迅速地导入改善对策，而其中最为困难的阶段是如何快速地从动辄上百上千的参数中，寻找出最相关的影响因子。以往，可能只能依靠工程师的过往经验，慢慢的对怀疑的参数试错找出关键因子，这样的方式不仅耗时旷日，也可能忽略其中重要的指标。如何快速找到制程可以优化的方向，绝对是每一个工程团队所面临的一大挑战。
案例一：超过600个参数的测试数据，如何找到关键参数
以半导体的EWS测试资料为例，其中具备600多参数指标，要比较其对特殊Bin的影响排序，如果用传统的方式来比较，可能需要耗费大量的时间，运用JMP的Predictor screening和Response screening 可以快速的比较多参数对结果的影响，在毫秒间完成任务，快速找到对Bin 10影响最大的参数，再利用互动性的图形分析工具Graph builder，可以很快的绘制关键参数跟Bin 10的散点图，并根据不同的Lot 分别着色，快速厘清有问题的资料大多来自Lot16~29，分析问题的来源仅在一眼瞬间。
图1:运用JMP的Predictor screening和Response screening 可以快速的比较多参数对结果的影响
图2:运用JMP的散点图快速了解问题来源
案例二：如何改善制程，快速找到最佳因子组合
另外一个半导体常见的问题是如何改善制程找到最佳的配方组合。以往的统计分析软体大多无法提供效益佳的实验组合建议，或是所设计出来的实验友众多的实验限制，例如组别, 因子的设定种类等，这样的问题让资料分析充满不准确且造成额外的成本花费。 JMP的定制实验平台提供最佳化实验设计，帮助使用者用最有效益的实验组合完成准确的模型建置。
以封测的Wire bond案例解说，如果要得到Ball shear 和IMC%的最大值，我们可以藉由JMP的定制实验平台根据所能负担的组数，以及适切的因子种类设计实验，而藉由这样的实验设计组合所搜集到的资料，使用者能够顺着JMP指引的分析路径得到很好的叙述模型，更有什者，利用JMP的Profiler 平台，可以快速的在所获得的多个模型上，找到同时满足多个条件的最佳化配方组合。此功能可以帮助使用者在开发新制程或是已有制程改善上提供极大的助力。
图3: 运用JMP获得回归模型，并排序重要参数
图4: 寻找模型中的最佳化参数组合
总结一下，有别于其他的传统统计分析软体，JMP能够带给客户绝佳的使用感受，提供更快速，更全面及更为贴近实务面的使用结果。 JMP的优点显而易见，下方是JMP常被提及的优点：
- 互动性动态分析图表
- 连结资料图表方便寻找相关性
- 操作简单的统计分析平台
- 多样的预测建模工具, 寻找关键因子, 最佳化参数组合
- 快速简易的报告脚本编程
JMP在台湾拥有97%半导体厂市占率，具有强大的公信力，已然成为业界讨论问题的对标语言，许多公司用JMP输出分析结果避免冗长的结果验证时间，对于工作中需要统计分析的使用者，易上手的JMP统计工具可以帮助使用者大幅提升30%以上的工作效率。
如果你想了解以上提到的半导体完整解析或聆听台湾半导体资深分析顾问如何看待巨量资料分析的效能提升，欢迎报名参加2025 年5 月20 日(二) 下午2点由JMP Taiwan主办的线上研讨会【 2大制程案例解析：半导体工程师必备的统计思维与分析实战】本次研讨会将由资深半导体分析顾问示范如何以互动式分析、建模与视觉化方式，协助半导体工程团队用更短的时间、做出更准确的制程与良率决策。欢迎于半导体产业的相关制程、测试、品保、研发工程师与中阶主管报名参加。 （本次研讨会将以繁体中文授课）
错过了此次的研讨会？以下是JMP在半导体领域的线上资源，欢迎点击阅读或直接与我们顾问团队联系：
