Dans l'industrie des semi-conducteurs, face à la demande croissante des clients pour des composants moins coûteux, l'analyse des données d'entretien des outils est essentielle pour une utilisation efficace de ces derniers. Le déploiement de services Tech Enabled avec les outils de visualisation JMP® (SAS Institute) nous permet d'améliorer notre réactivité lors des interventions de maintenance. L'analyse des cycles de production à l'aide des options de distribution, d'histogramme et de diagramme en boîte de JMP aide à cibler les zones problématiques et à réduire la durée des interventions. Le test non paramétrique de Wilcoxon est appliqué pour réaliser une étude d'hypothèse sur la durée d'indisponibilité des outils, afin de vérifier les écarts par rapport à la cible et de déterminer l'intervalle de confiance des interventions. Le diagramme de Pareto et le diagramme de causes et effets d'Ishikawa de JMP sont utilisés pour l'analyse des causes profondes et l'élaboration de plans d'action. Un tableau de bord JMP dynamique, affichant un diagramme en boîte ainsi que les résultats des tests de performance, facilite la planification des activités de maintenance et l'attribution des priorités. La dépendance du succès ou de l'échec de la maintenance préventive (MP) aux types de MP a été rapidement visualisée grâce au tableau de bord JMP.
Bonjour. Je suis Neha Kaushal, et je suis aujourd'hui en compagnie de ma co-auteure, Srivida. Nous travaillons dans le domaine des matériaux appliqués, au sein d'un cabinet de conseil en technologies, et nous réalisons des analyses de données sur les outils de production de semi-conducteurs. Dans cette étude, nous allons aborder l'utilisation du tableau de bord JMP pour optimiser la maintenance des outils dans les procédés de fabrication de semi-conducteurs.
Dans l'industrie des semi-conducteurs, en raison de la demande constante des clients pour des dispositifs à moindre coût, l'analyse des données de journalisation des outils est importante pour une utilisation efficace des outils. Le déploiement de services technologiques avec visualisation JMP nous permet de devenir plus efficaces dans la réponse aux événements de maintenance préventive des outils de processus.
Minimiser le temps d'immobilisation des outils lors de la maintenance préventive (MP) améliore leurs performances, ce qui se traduit par de meilleurs services de MP, un meilleur rendement et une plus grande satisfaction client. L'analyse des deux journaux à l'aide de la distribution JMP, des diagrammes en boîte, etc., permet de cibler les zones problématiques lors des interventions de maintenance.
L'objectif de cette étude est d'identifier les pistes d'amélioration concernant les temps d'arrêt de production lors des différentes interventions de maintenance préventive. Ce processus comprend des interventions mineures et majeures. Selon le succès ou l'échec de la première intervention, les interventions sont classées en quatre catégories : mineures avec succès, majeures avec succès, mineures avec échec et majeures avec échec.
La première étape de cette méthodologie consiste à prioriser les outils en fonction du pourcentage de temps d'arrêt de production à l'aide de JMP Graph Builder. Je vais vous montrer comment faire. Par exemple, nous avons ici représenté graphiquement le pourcentage de temps d'arrêt des outils, leurs identifiants étant indiqués sur l'axe des abscisses. Nous pouvons ainsi rapidement identifier l'outil A, qui présente le pourcentage de temps d'arrêt le plus élevé. Il pourrait donc s'agir de notre outil prioritaire pour l'amélioration.
Nous comparons ensuite les types de maintenance préventive (MP) en fonction de leur durée afin d'identifier les opportunités d'optimisation des processus. Nous appliquons ensuite des modèles de distribution à la durée des MP pour vérifier sa normalité. Dans le cas contraire, nous étudions les facteurs de non-normalité tels que les valeurs aberrantes et l'asymétrie. Les données s'écartant de la normalité, nous avons utilisé une approche non paramétrique pour réaliser une étude d'hypothèses et analyser les variations entre les quatre types d'événements de MP. Enfin, nous avons créé un tableau de bord interactif et rapide permettant d'analyser les temps d'arrêt des outils en fonction des performances de la MP.
Je vais maintenant passer la parole à ma co-auteure, Srivida, qui va nous expliquer la partie concernant les résultats.
Nous détaillerons la méthodologie et les résultats dans cette section. Les données relatives à la durée des PM sont analysées sur la plateforme de distribution. Les statistiques descriptives indiquent que la moyenne est supérieure à la médiane et que l'asymétrie est élevée. Le graphique quantile-quantile confirme également que l'ensemble de données présente une asymétrie positive et des valeurs aberrantes significatives.
Par conséquent, la valeur p du test d'adéquation à la loi normale n'est pas respectée, tandis que celle du test d'adéquation à la loi de Cauchy est acceptable. Nos données suivent donc une loi de Cauchy.
Par conséquent, nous avons analysé la présence de valeurs aberrantes à l'aide de la méthode de détection des valeurs aberrantes par ajustement robuste et avons identifié 11 valeurs aberrantes pour l'analyse des causes profondes. Ici, les types de maintenance préventive sont comparés en fonction de leur durée par une analyse non paramétrique afin d'identifier les opportunités d'optimisation du processus de maintenance préventive. D'après la valeur p, les trois modèles présentés (test de Wilcoxon, test de la médiane et test de Van der Waeden) concluent à une différence significative entre les types de maintenance préventive.
De plus, une comparaison non paramétrique de chaque paire à l'aide du test de Wilcoxon a permis de conclure à une différence significative (p > 0,05) entre le succès et l'échec de la PM mineure. En revanche, aucune différence significative (p > 0,05) n'a été observée entre le succès et l'échec de la PM majeure.
Nous allons maintenant voir une démonstration de JMP pour créer un tableau de bord permettant de générer rapidement des rapports sur la dépendance du succès et de l'échec des projets de gestion de projet (PM) selon leur type. Je vous invite à accéder à la section relative aux tableaux de bord JMP. Nous pouvons créer un tableau de bord à partir d'un fichier, en sélectionnant l'option « Nouveau tableau de bord », puis en choisissant la plateforme et en effectuant nos tests d'hypothèses, diagrammes en boîte, etc., afin de le créer. Voici le tableau de bord que nous avons créé à partir de notre analyse. Grâce à ce tableau de bord, nous pouvons expliquer de manière interactive la dépendance du succès et de l'échec des projets de gestion de projet (PM) selon leur type, en sélectionnant un outil à la fois.
Cette étude nous permet de conclure que la réussite d'une première intervention de maintenance préventive (MP) a un impact significatif sur le type d'intervention. Plus précisément, cette réussite a un impact important sur les interventions mineures, tandis qu'elle a un impact négligeable sur les interventions majeures. La durée médiane des interventions, qu'elles aient réussi ou échoué, est équivalente.
La prochaine étape consiste en une analyse détaillée des outils afin de cerner les axes d'amélioration. Nous tenons à remercier nos partenaires impliqués dans les projets qui contribuent au soutien d'Oasis : Charles C. Chen, Chandrasekhar Roy, Vikas Jangra et Sidda Reddy Kurakula.
Très bien, Élodie, notre présentation est maintenant terminée. Si vous avez des questions, n'hésitez pas, nous y répondrons.
