En la industria de semiconductores, debido a la constante demanda de los clientes por dispositivos de menor costo, el análisis de los datos de registro de herramientas es fundamental para un uso eficiente de las mismas. La implementación de servicios habilitados por tecnología con las herramientas de visualización JMP® (SAS Institute) nos permite ser más eficientes en la respuesta a los eventos de mantenimiento. El análisis de las ejecuciones del proceso mediante las opciones de distribución, histograma y diagrama de caja de JMP ayuda a centrarse en las áreas problemáticas y a reducir la duración del mantenimiento. Se aplica la prueba no paramétrica de Wilcoxon para realizar un estudio de hipótesis sobre la duración de la inactividad de la herramienta, con el fin de verificar la variación con respecto al objetivo y determinar el intervalo de confianza para los eventos de mantenimiento. Se implementa el diagrama de Pareto de calidad y control de JMP y el diagrama de causa y efecto de Ishikawa para el análisis de la causa raíz y los planes de acción. El panel de control dinámico de JMP, que muestra el diagrama de caja junto con las pruebas de rendimiento mencionadas, facilita una mejor planificación de las actividades de mantenimiento y la asignación de prioridades. La dependencia del éxito y el fracaso del mantenimiento preventivo en función de los tipos de mantenimiento preventivo se informa mediante una visualización rápida desde el panel de control de JMP.
Hola. Soy Neha Kaushal y hoy me acompaña mi coautora, Srivida. Trabajamos en consultoría tecnológica para Applied Materials y realizamos análisis de datos sobre herramientas para procesos de semiconductores. En este estudio, hablaremos sobre cómo utilizamos el panel de control de JMP para optimizar el mantenimiento de herramientas en procesos de semiconductores.
En la industria de los semiconductores, debido a la constante demanda de los clientes de dispositivos de menor coste, el análisis de los datos de registro de las herramientas es importante para un uso eficiente de las mismas. La implementación de servicios habilitados por tecnología con visualización JMP nos permite ser más eficientes a la hora de responder a los eventos de mantenimiento preventivo de las herramientas de proceso.
Minimizar el tiempo de uso de las herramientas durante el mantenimiento (también conocido como PM) mejora su rendimiento, lo que se traduce en mejores servicios de PM, mayor productividad y una mayor satisfacción del cliente. Analizar los registros mediante la distribución JMP, diagramas de caja, etc., ayuda a identificar las áreas problemáticas durante las tareas de mantenimiento.
El objetivo de este estudio es identificar oportunidades de mejora en el tiempo de inactividad de la producción durante diferentes tipos de mantenimiento preventivo (MP). Para ello, consideramos eventos de mantenimiento menores y mayores. En función del éxito o fracaso del MP en el primer intento, los eventos se clasifican en cuatro tipos: menores con éxito en el primer intento, mayores con éxito en el primer intento, menores con fracaso en el primer intento y mayores con fracaso en el primer intento.
El primer paso de esta metodología consiste en priorizar las herramientas según el porcentaje de tiempo de inactividad de la producción mediante JMP Graph Builder. Permítanme mostrarles cómo hacerlo. Por ejemplo, aquí hemos graficado el porcentaje de tiempo de inactividad de las herramientas con sus identificadores en el eje X. Podemos comprobar rápidamente que la herramienta A tiene el mayor porcentaje de tiempo de inactividad. Esta podría ser nuestra herramienta prioritaria para mejorar.
Luego, comparamos los tipos de mantenimiento preventivo (MP) según su duración, lo que permite identificar oportunidades para la optimización del proceso. Posteriormente, analizamos la distribución de los datos según la duración del MP para comprobar si se ajusta a la normalidad; de lo contrario, estudiamos factores que la desvían, como valores atípicos y asimetría. Dado que los datos se desvían de la normalidad, aplicamos un enfoque no paramétrico para realizar un estudio de hipótesis y verificar la variación entre los cuatro tipos de eventos de MP. Finalmente, creamos un panel de control interactivo y rápido para analizar el tiempo de inactividad de las herramientas en función del rendimiento del MP.
Ahora le cedo la palabra a mi coautora, Srivida, quien explicará la parte de los resultados.
En esta sección, presentaremos la metodología y los resultados. Los datos de duración de PM se analizan en la plataforma de distribución y las estadísticas descriptivas muestran que la media es mayor que la mediana y que la asimetría es alta. El gráfico de cuantiles normales también verifica que el conjunto de datos presenta asimetría positiva con valores atípicos significativos.
En consecuencia, el valor p de la prueba de bondad de ajuste para la distribución normal ajustada no se cumplió, mientras que el valor p de la prueba de bondad de ajuste para la distribución de Cauchy ajustada sí se cumplió. Por lo tanto, nuestros datos siguen una distribución de Cauchy.
En consecuencia, analizamos la presencia de valores atípicos mediante el método de detección de valores atípicos de ajuste robusto y encontramos 11 valores atípicos para el análisis de la causa raíz. Aquí, los tipos de mantenimiento preventivo se comparan según su duración mediante análisis no paramétrico para identificar oportunidades de optimización del proceso. Según el valor p, los tres modelos presentados (método de Wilcoxon, prueba de la mediana y prueba de Van der Waeden) concluyen que existe una diferencia significativa entre los tipos de mantenimiento preventivo.
Además, a partir de la comparación no paramétrica para cada par utilizando el método de Wilcoxon, concluimos que el éxito y el fracaso del mantenimiento preventivo menor presentan una diferencia significativa según el valor p. ¿Por qué? El éxito y el fracaso del mantenimiento preventivo mayor no presentan una diferencia significativa según el valor p.
Ahora, veremos la demostración de JMP para crear un panel de control que permita generar informes rápidos sobre la dependencia entre el éxito y el fracaso de la gestión de proyectos (GP) y los tipos de GP. Permítanme mostrarles la sección del panel de control de JMP. Podemos crear un panel de control desde el archivo, seleccionando la opción "Nuevo panel de control", eligiendo la plataforma y realizando pruebas de hipótesis, diagramas de caja, etc. Este es el panel de control que hemos creado a partir de nuestro análisis. Mediante este panel, podemos explicar de forma interactiva la dependencia entre el éxito y el fracaso de la GP y los tipos de GP, seleccionando una herramienta a la vez.
A partir del estudio, concluimos que el éxito en la primera revisión de mantenimiento preventivo (MPP) tiene un alto impacto en el tipo de MPP. Concluimos que el éxito en la primera revisión de MPP tiene un alto impacto en las revisiones menores, mientras que su impacto en las revisiones mayores es insignificante. La duración media de la MPP, tanto en los casos de éxito como de fracaso en la primera revisión, es equivalente.
El siguiente paso consiste en un análisis detallado de las herramientas para identificar las áreas de mejora. Queremos agradecer a nuestros colaboradores en los proyectos por su apoyo a Oasis: Charles C. Chen, Chandrasekhar Roy, Vikas Jangra y Sidda Reddy Kurakula.
Bien, Elodie, con esto finaliza nuestra presentación. Si tienes alguna pregunta, podemos responderla.
