안녕하세요. 여러분, 환영합니다. 오늘은 JMP 스크립팅과 워크플로 자동화가 반도체 산업의 효율성을 어떻게 향상시킬 수 있는지 살펴보겠습니다. 발표자 여러분을 간략히 소개해 드리겠습니다. 저는 NXP Semiconductor의 수석 엔지니어인 수헝 린이고, 마틴 데멜은 수석 JMP 시스템 엔지니어입니다. 오늘 발표 내용을 자세히 살펴보겠습니다. 먼저 반도체 제조에서 워크플로 자동화가 왜 중요한지, 그리고 그 동기에 대해 알아보겠습니다. 그 후, 웨이퍼 제조 공정을 살펴보며 우리가 다루고 있는 복잡성을 이해하도록 하겠습니다. 다음으로, 공정 변경과 기술 이전을 비교하고, 그 차이점과 비즈니스 흐름을 살펴보겠습니다. DOE 및 Cpk 분석과 같은 데이터 기반 프레임워크가 평가 및 의사 결정을 어떻게 지원하는지 자세히 살펴보겠습니다. 그 후, 성능 벤치마킹과 전기적 매개변수 분포를 검토하겠습니다. 마지막으로 마틴이 직접 진행하는 JMP 워크플로 빌더 라이브 데모를 시청하며 발표의 하이라이트를 마무리하겠습니다. 마지막으로 주요 내용을 정리하고 질의응답 시간을 갖겠습니다.
반도체 엔지니어링 분야에서 엔지니어들은 표준화된 실험을 수행하고 변경 관리, 기술 이전, 감사 준수를 위한 보고서를 정기적으로 작성합니다. 이러한 보고서는 JMP나 Excel과 같은 도구를 사용하여 수작업으로 작성한 후 PowerPoint나 Word 문서로 컴파일하는 경우가 많습니다. 이러한 과정은 시간이 많이 소요되고 일관성이 없으며, 때로는 불완전하기도 합니다. 멜로디스트마다 역량이 다를 수 있으며, 이는 비효율성과 반복성 및 준수성 부족으로 이어질 수 있으며, 특히 여러 현장 간의 기술 이전 과정에서 더욱 그렇습니다.
오늘은 JMP 워크플로 빌더가 데이터 정리, 통계 분석, 보고 등의 작업을 자동화하여 전체 프로세스를 어떻게 간소화하는지 보여드리겠습니다. 몇 분 안에 강력하고 표준화된 결과물을 생성할 수 있습니다. 코딩이 필요 없으며, 워크플로는 데이터 무결성을 보장하는 동시에 팀 효율성을 향상시킵니다. 이 섹션의 후반부에서 Martin은 JMP19 Pro를 사용하여 워크플로 빌더를 얼마나 쉽게 구축할 수 있는지 보여드리겠습니다.
반도체 제조는 수백 단계의 공정과 긴 사이클 타임을 거칩니다. 웨이퍼 제조의 복잡성을 잠시 살펴보겠습니다. 일반적으로 25장의 바이어 실리콘 웨이퍼로 구성된 웨이퍼 로트(Lot)부터 시작합니다. 이 웨이퍼는 수백 개가 넘는 복잡한 공정 단계를 거치며, 최소 9~16주가 소요됩니다. 산화, 포토리소그래피, 에칭을 통해 회로 패턴을 정의하는 것으로 시작됩니다. 그 후 세정 및 철 주입 공정이 이어지고, 전기적 특성이 변화합니다. 그 후 금속 및 유전체 증착을 통해 상호 연결 및 절연에 필요한 층을 형성합니다. 각 단계는 소자의 성능과 신뢰성을 보장하기 위해 정밀하게 제어되어야 합니다. 제조가 완료되면 클래스 프로브(Class Probe)라고도 하는 웨이퍼 승인 테스트를 거칩니다. 이 테스트에서는 트랜지스터와 커패시터와 같은 개별 소자를 샘플링하여 품질을 검증합니다.
웨이퍼를 통과하면 유닛 프로브(Unit Probe)로 이동하여 모든 염료를 회로 라벨에서 테스트합니다. 이 엄격한 공정을 통해 고품질 웨이퍼만 패키징 및 최종 테스트 단계로 진행됩니다. 모든 공정 변경이나 기술 이전은 모든 단계에서 무결성을 유지해야 하므로 이러한 흐름을 이해하는 것이 필수적입니다. 그렇기 때문에 우리 업계에서는 견고한 평가 및 자동화가 매우 중요합니다.
프로세스 변경과 기술 이전을 비교해 보겠습니다. 프로세스 변경은 내부 문제를 고려하여 팹 내 특정 단계를 개선하는 것을 목표로 하며, 구체적인 검증 방법과 승인 절차를 수반합니다. 반면, 기술 이전은 전략적 의사 결정에 따라 생산 용량을 확장하거나 생산 단계로 전환하는 것을 목표로 하며, 더 광범위한 프로세스 흐름과 더 복잡한 승인 절차를 수반합니다. 이러한 범위와 목적의 차이에도 불구하고, 두 프로세스는 중요한 유사점을 공유합니다. 바로 동일한 실험 및 분석 기반에 의존한다는 점입니다. 실험 계획법, 통계 분석, 그리고 적격성 평가(Qualification Gates)는 두 프로세스 모두의 핵심입니다. 프로세스를 로컬에서 개선하든 글로벌로 이전하든, 데이터 기반 검증의 엄격성은 동일하게 유지됩니다. 이러한 공통 기반이 워크플로 자동화를 강력하게 만드는 요소입니다. 두 시나리오 모두에서 이러한 공통적인 단계를 표준화하고 가속화합니다.
평가는 주요 매개변수를 최적화하고 적격성 기준을 충족하는지 확인하는 것을 포함합니다. 표준화된 형식과 워크플로는 효율성을 향상시킬 수 있습니다. 이 슬라이드는 반도체 제조 과정의 변화를 평가하는 데 사용하는 흐름 구조를 간략하게 설명했습니다. 먼저 DOE 분석에서 목표 주요 매개변수를 기반으로 모델을 최적화하여 최종 라인 성능을 개선합니다. 각 설계에는 고유한 접근 방식이 필요할 수 있지만, 목표는 일관적입니다. 가장 큰 영향을 미치는 변수를 파악합니다. 다음으로, 전기 매개변수의 분포를 비교하여 모든 주요 지표가 Cpk 및 델타 시그마 기준을 충족하는지 확인합니다. 이 단계에서는 표준화된 형식과 자동화된 워크플로를 통해 효율성과 반복성을 모두 향상시킬 수 있어 큰 이점을 얻을 수 있습니다. 그런 다음, 최적화된 매개변수가 적격성 기준과 얼마나 잘 일치하는지 평가하기 위해 Cpk 및 수율 보고서를 생성합니다. 이 단계에서 제안된 변경 사항이 통계적으로 타당하고 생산에 적합한지 검증합니다.
마지막으로, 모든 데이터를 기반으로 팀은 다음 학습 주기를 위한 권장 사항을 수립합니다. 이 흐름은 견고한 평가를 보장할 뿐만 아니라 지속적인 개선을 지원하여 프로세스 변경 및 기술 이전 모두에 적용할 수 있도록 합니다. 여기서 지속적인 개선 루프는 실험 생산, 집중적인 데이터 분석, 그리고 성능 검토로 구성됩니다. 성능이 향상되면 다음 실험을 반복합니다. 그렇지 않으면 근본 원인을 찾아 이상치를 제거합니다. 이 프로세스는 제조 운영을 효과적으로 관리하고 개선하는 데 도움이 됩니다. 이제 운영적 맥락을 이해하는 것이 중요합니다. 프로세스 변경은 일반적으로 변경 조치 위원회(CAB)의 관리를 받으며, 표준화된 분석 플랫폼을 구축하기 위해 제조 IT 부서의 지원을 받는 경우가 많습니다. 반면, 기술 이전은 임시방편에 가깝습니다. 제안된 판매 대비 제어 이상의 평가 또는 단일 웨이퍼 로트에서 여러 변경 사항을 처리하는 것을 포함할 수 있습니다. 이러한 복잡성은 IT 부서가 보편적인 솔루션에 투자할 만큼의 투자 수익률(ROI)을 달성하지 못하는 경우가 많습니다. 엔지니어는 JMP 스크립트, 자동화 및 워크플로 도구를 사용하여 효율적이고 반복 가능한 자체 분석 플랫폼을 구축함으로써 주도적으로 행동할 수 있습니다. 이를 통해 팀은 발신자가 없는 상황에서도 엄격함과 속도를 유지할 수 있습니다. 예를 들어, 기술 이전을 통해 워크플로가 기기 엔지니어의 효율성을 어떻게 향상시킬 수 있는지 살펴보겠습니다.
슬라이드 9로 넘어가서, 기술 이전 프로세스의 이정표와 게이트 검토를 간략하게 설명하겠습니다. 프로젝트 시작 및 계획 수립부터 시작하여, 범위와 목표를 정의하고, 개념, 정의 및 계획에 대한 승인을 확보합니다. 프로젝트가 준비되면 검증 단계로 넘어갑니다. 여기에는 준비 상태 점검, 프로세스 동결 승인, 그리고 위험 생산 승인이 포함됩니다. 이 게이트는 프로세스의 안정성을 보장하고, 확장 전에 위험을 파악합니다.
마지막으로, 프로젝트가 공식적으로 프로덕션 환경에 출시되고 개발 주기가 종료되는 릴리스 및 종료 단계에 도달합니다. 각 게이트는 팀 간 품질, 일관성, 그리고 책임을 유지하기 위한 체크포인트 역할을 합니다. 이 프레임워크를 이해하면 다음 슬라이드에서 설명하는 세부적인 성과 평가 단계를 구성하는 데 도움이 됩니다.
종합적인 성능 검토는 다음과 같습니다. 사이트 수준 PC 데이터 추출부터 시작하여 데이터 정리 및 처리가 이어집니다. 그다음 기술 통계 분석, 보고서 생성, 배포, 비교, 마지막으로 성능 및 수율 분석으로 넘어갑니다. 이러한 각 단계는 이전 프로세스가 품질 및 신뢰성 기준을 충족하는지 확인하는 데 매우 중요합니다. 시간 제약으로 인해 이 흐름의 모든 블록에 JMP 자동화를 적용할 수 있지만, 오늘 데모에서는 파란색으로 강조 표시된 두 블록에만 집중하겠습니다.
기술 통계 분석 및 전기적 매개변수 분포 비교. 첫째, JMP를 통해 로트 및 웨이퍼 전체의 주요 지표, 평균, 표준 편차, 수율을 빠르게 요약할 수 있습니다. 이를 통해 기준선을 설정하고 초기 추세를 파악하는 데 도움이 됩니다. 둘째, JMP를 사용하여 사이트 또는 조건 간 매개변수 분포를 분석합니다. 통계적 검정을 통해 유의미한 변화를 감지합니다. 이러한 단계는 소스 팹과 수신 팹 간의 정렬을 검증하는 데 기반이 됩니다. 이 작업을 자동화함으로써 엔지니어는 몇 분 안에 일관되고 정확한 인사이트를 얻을 수 있으며, 심층 분석 및 의사 결정에 시간을 할애할 수 있습니다.
이제 실제로 이 작업이 어떻게 진행되는지 자세히 살펴보겠습니다. 이 슬라이드에서는 핵심 공정 요소와 목표에 부합하는 해당 웨이퍼를 식별하기 위한 실험 분석을 논의하겠습니다. X_344의 변동성 분석에 중점을 두고, 25개 웨이퍼 로트를 사용하는 다양한 부품의 목표값과 전환점을 강조할 것입니다. X_344 개선의 경우, 설계부터 웨이퍼 공정 및 실험을 완료하는 데 5개월이 걸렸습니다. 저는 최종 라인 매개변수 데이터를 모두 수집한 후 보고서를 생성하고 다음 실험 논의를 준비하는 데 한 달이 더 걸렸습니다. 이 분석은 공정을 최적화하고 성과 목표를 달성하는 데 도움이 되었습니다. 데이터 분석 및 보고를 수행하기에는 사이클 타임이 약간 너무 깁니다.
여기서는 모든 분석에 대해 평가에 사용된 전기적 매개변수를 나열했음을 보여드리고자 합니다. 이 매개변수들은 P1 신뢰성과 생산 및 정량화 과정에서 선택 가능한 P2 매개변수로 분류됩니다. 전체 W80 전기 목록은 P1과 P2 범주로 나뉩니다. P1에는 신뢰성 핵심 매개변수가 포함되며, 이는 WAC 및 모니터링 목록으로 확장됩니다. P2에는 확장 분석을 위한 선택 지표가 포함됩니다. 이러한 지표들은 PPA 및 R/E(성능 평가 기준) 관점에서 평가됩니다. 워크시트 아래에는 주요 성과물, 합격/불합격 결과, Ppk 보고서, 개선 계획, 열차 요금 및 로트 추적성이 요약되어 있습니다. 이 프레임워크는 일관된 평가를 보장하고 기술 이전 프로세스 전반에 걸쳐 데이터 기반 의사 결정을 지원합니다.
이 매개변수 평가에 대한 Cpk 및 수율 보고서는 다음과 같습니다. 다른 모든 매개변수에 대한 공정 성능에 대한 통찰력을 제공합니다. 이 매개변수는 저희의 중점 매개변수가 아닙니다. 추가 검토를 위해 성과가 저조한 매개변수를 강조 표시합니다. 이 슬라이드는 회사에서 정의한 기준에 따라 기술 이전 게이트를 통과하는 데 필요한 요약 보고서를 제공합니다. 이 보고서는 게이트 검토에 필수적입니다. 의사 결정을 위한 정량적 기반을 제공하고, 생산에 들어가기 전에 이전 프로세스가 성능 및 신뢰성 기준을 충족하는지 확인합니다.
다음 슬라이드에서는 기술 이전 또는 공정 변경 시 전기적 매개변수 분포를 평가하기 위한 위험 기반 프레임워크를 제시합니다. 이 프레임워크는 두 가지 핵심 지표, 즉 측면 간 변동성을 측정하는 델타 시그마와 매개변수가 사양을 얼마나 잘 유지하는지를 나타내는 공정 능력(Cpk)을 사용했습니다. 매개변수는 다섯 가지 위험 수준으로 분류됩니다. 위험 수준 1은 조치가 필요하지 않음을 의미합니다. 위험 수준 2는 사업부와의 논의를 제안합니다. 위험 수준 3과 4는 조치 또는 심층 검토가 필요함을 나타냅니다. 위험 수준 5는 필수 조치가 필요한 중요한 문제를 나타냅니다.
이 예시에서는 APF 이득 평가를 진행하고 있습니다. APF 이득 평가 시 위험 수준 1과 3은 모두 합격으로 간주되고, 나머지는 불합격으로 간주됩니다. 이 지표는 팀이 평가 과정에서 자원의 우선순위를 정하고, 의사 결정을 조율하고, 품질 기준을 유지하는 데 도움이 됩니다. 팹 간 전기적 매개변수 분포를 비교하면 변동성과 정렬 문제를 파악하는 데 도움이 됩니다. 오늘 실시간으로 시연할 보고서가 바로 이 보고서입니다. 이 보고서는 이전 팀이 모팹과 자팹 간의 최종 라인 매개변수 성능 매칭을 평가하고 개선하는 데 사용하는 중요한 도구입니다. 이 표는 여러 로트의 전기적 매개변수를 비교하여 기준 팹과 이전 팹 모두의 하한 규격, 상한 규격, 평균, 표준 편차, Cpk와 같은 주요 지표를 보여줍니다. 또한 델타 유의도와 위험 수준 1부터 5까지의 할당된 위험 수준을 포함하여 어떤 매개변수가 잘 정렬되어 있고 어떤 모팹 조치가 필요한지 신속하게 파악하는 데 도움이 됩니다.
이 보고서는 의사 결정에 정량적 기반을 제공하기 때문에 특히 가변적입니다. 엔지니어들이 불일치를 정확히 파악하고, 변동성을 이해하며, 시정 조치의 우선순위를 정하는 데 도움이 되었습니다. JMP에서 이 분석을 자동화함으로써 빠르고 일관된 인사이트를 확보하여 학습 주기를 단축하고 기술 이전을 더욱 안정적으로 진행할 수 있습니다.
이 슬라이드는 이전 분포 비교 결과를 보여줍니다. 매개변수 분포 비교의 또 다른 관점입니다. 이를 사용하여 엔지니어링 리소스의 우선순위를 정합니다. 여기서는 위험 수준 5로 분류된 최악의 성과를 보이는 매개변수를 나열했습니다. 이 매개변수는 정렬 불량과 전체 프로세스 역량을 보여주므로 검토가 필요합니다. 차트는 고위험 영역에서 해당 매개변수의 위치를 시각화하며, 표는 Cpk 및 델타 시그마와 같은 특정 지표를 강조합니다. 다음 슬라이드에서는 이러한 위험 수준 5 매개변수의 추세 차트를 검토하여 더 자세히 살펴보겠습니다. 이를 통해 팀은 시간 경과에 따른 안정성을 평가하고 개선을 위한 다음 단계를 안내할 수 있습니다.
이 슬라이드는 나열된 위험 수준 5개 매개변수 중 두 가지에 대한 추세 차트를 보여줍니다. 예시로 X_30과 X_349를 사용했는데, 이는 이전 분포 비교에서 강조된 내용입니다. 이 차트는 성능 변화를 시각화하고 중요한 문제를 파악하는 데 도움이 됩니다. 더 넓은 분포와 평균 변화일 수도 있고, 평균 변화 자체일 수도 있습니다. 모 팹의 기준 데이터를 추가하여 수신 팹과 비디오 비교를 가능하게 했습니다. 이 차트는 변동성과 그룹 평균을 추적하여 시간 경과에 따른 이송 프로세스의 정렬 상태를 평가하고, 지속적인 오류나 개선 사항을 파악하는 데 도움이 됩니다. 이 시각화는 시정 조치를 안내하고 날씨 조정이 목표에 더 가까워지는 부분을 검증하는 데 필수적입니다.
여기 마지막으로 공유해 드릴 차트입니다. 델타 시프트 플롯은 현재 통합 흐름인 WD와 이전 흐름인 WC 간의 변화를 보여줍니다. 양호 영역과 불량 영역 간의 매개변수 이동에 중점을 둡니다. 이전에는 고위험 레벨 5 매개변수와 모패브 기준선과의 일치성에 초점을 맞췄습니다. 이번에는 더 넓은 관점에서 살펴보겠습니다. 경영진과 이전 팀은 WD에서 새롭게 확인된 공정 계수가 WC와 비교하여 어떤 성능을 보이는지 파악하고자 합니다. 이를 통해 통합이 매개변수적 거동에 비해 실제로 개선되고 있는지 평가할 수 있습니다. 웨이퍼 전체의 Cpk 변화와 델타 시그마를 살펴보고, 어떤 매개변수가 불량 영역에서 양호 영역으로, 또는 그 반대로 이동하는지 파악합니다. 이러한 비교 분석은 향후 통합 전략을 수립하고 공정 변경의 효과를 검증하는 데 필수적입니다.
이제 라이브 데모로 넘어가겠습니다. Martin 씨는 JMP19 Pro를 사용하여 워크플로를 구축하는 방법을 보여드릴 것입니다. 데모는 약 10분 정도 소요됩니다.
고마워요, 수헝님.
괜찮아요.
그냥 살펴보죠.수헝의 프레젠테이션에서 보셨듯이, 여러 단계를 거쳐야 했고, 과거에는 엑셀 시트로 진행했었습니다.위험 수준 보고서의 경우, 나란히 있는 두 개의 플롯이 있었고, 그 변화를 추가로 이해해야 했습니다.이 전체 프로세스에는 여러 단계가 포함되었고, 이를 계속해서 반복적으로 수행해야 했습니다.수헝이 언급했듯이, 한 달의 분석 시간은 꽤 깁니다.우리는 효율성을 높이기 위해 그 시간을 합리적으로 좋은 시간으로 줄이려고 노력했습니다.단계는 기본적으로 모회사 요약 데이터 테이블을 만들 때 평균과 표준 편차를 구해야 합니다.또한 Cpk 데이터도 구해야 합니다.보고서에서 가져옵니다.현재 설계와 이전 설계에 대해서도 같은 작업을 해야 합니다. 그런 다음 모든 데이터를 하나의 빅데이터 테이블로 통합하여 현재 설계, 이전 설계, 그리고 변화 보고서에 대한 위험 수준 보고서를 만들어야 합니다. JMP19의 그래프 빌더를 사용하면 두 플롯을 나란히 배치하는 대신 그래프 빌더에서 변화를 직접 시각화하여 "이 지점은 어디인가?", "이 지점은 어디인가?"와 같은 질문을 파악할 수 있습니다. 관심 있는 매개변수에 대해서는 나중에 추세 차트도 생성합니다.
이 모든 과정을 실행해서 어떤 기능을 하는지 감을 잡고, 몇 시간씩 걸리던 단계를 단 몇 번의 클릭만으로 줄일 수 있도록 해 보겠습니다. 먼저 모패브 데이터를 선택하면 요약 분석을 통해 데이터 테이블이 생성됩니다. 그런 다음 현재 설계 데이터를 수집해야 합니다. 이 작업 역시 같은 방식으로 전체 데이터를 생성합니다. 마지막으로 이전 데이터인 설계 데이터를 가져옵니다. 테스트를 통해 해당 정보를 수집한 후, 데이터 테이블을 다시 결합하여 위험 수준 대시보드와 매개변수에 대한 추가 추세 차트를 생성합니다. 지금 추세 차트는 다루지 않겠습니다. 대시보드를 강조하고 싶은 이유는 오른쪽에 현재 설계, 위험 수준 보고서, 위험 수준 1단계와 3단계의 통과 결과 등 이 영역에 있는 모든 내용이 표시되기 때문입니다. 이전 설계에 대한 상단 필드에도 동일한 내용이 있으며, 여러 범위에서의 변화도 확인할 수 있습니다.
이를 필터링하는 방법은 여러 가지가 있습니다. 변경 사항 없음에서 시작하여 동일한 위험 수준에 있지만 적어도 더 나은 초점으로 이동했는지 확인하고 싶습니다. 이러한 변경 사항을 살펴볼 수 있습니다. 하지만 더 흥미로운 것은 물론 변경 사항입니다. 이전 위험 수준 1 설계를 생각해 보면 경로였으므로 좋은 경로였습니다. 현재 설계 중 최악의 결과로 가는 것이 있습니까? 그중 일부를 볼 수 있습니다. 이것이 가장 중요한 것인데, 아마도 빨간색으로 표시되어 있기 때문일 것입니다. 위험 수준 5입니다. 위험 수준 1에서 위험 수준 5로 이동했습니다. 이전 설계에서 현재 설계로, 그리고 다른 설계에서도 살펴봐야 할 사항입니다. 이러한 사항도 살펴보고 싶을 수 있습니다. 하지만 특정 매개변수 값을 필터링할 수도 있습니다.
또는 다른 방법은, 잠깐만 숨기기를 해제하고 현재 디자인에서 가장 중요한 것들로 들어가서 그것들이 무엇을 했는지, 어떻게 움직였는지, 어디를 통과했는지 보고 여러 가지를 연결하는 것입니다. 위험 수준 변화를 어떤 관점에서 보느냐에 따라, 이렇게 하면 모든 점을 보고 비교하는 대신 시각화하려는 것에 집중할 수 있습니다. 이것은 위험 수준 변화가 있습니다. 이것은 위험 수준 변화가 아니며, 그것들은 변수입니다. 반대편에 있는 데이터 포인트가 무엇인지 확인해야 합니다. 여전히 여기에 있는 것을 볼 수 있습니다. 하나씩 살펴볼 수도 있고, 모두 함께 살펴보고 필터링할 수도 있습니다. 이것이 여기에서의 큰 변화 중 하나였습니다.
마지막으로, 모든 위험 수준 색상과 추가 정보, 그리고 기타 사항들이 포함된 최종 데이터 표를 얻습니다. 어떻게 하면 이 데이터를 얻을 수 있을까요? 새 워크플로 빌더를 열어 보겠습니다. 새 워크플로를 엽니다. 파일 > 새 워크플로에서 찾을 수 있습니다. 이제 작업을 시작해 보겠습니다. 작업을 시작하기 전에 항상 기록을 지워서 로그 기록에 아무것도 남지 않도록 합니다. 먼저 무언가를 엽니다. 이 데이터는 제가 뭔가를 하고 싶어서 만든 아주 멋진 데이터입니다. "좋아요."라고 말합니다. 그러면 "이 단계들을 이미 기록해야 할까요?"라고 묻습니다. "예"라고 대답할 수 있습니다. 팁과 요령, 무엇이 합리적이고 무엇이 합리적이지 않은지에 대해 간략하게 설명하겠습니다.
다음 단계는 이 경우 보고서를 만드는 것입니다.시간을 절약하기 위해 여기에 최종 보고서만 있습니다.이것은 Cpk 보고서입니다.닫을 수 있으며 보고서 스냅샷을 가져와 이미 계산하고 표도 계산합니다.이를 위해 백그라운드에서 무슨 일이 발생했는지 살펴볼 수 있습니다.여기 열린 테이블이 있습니다.설명과 메모도 조작하고 변경할 수 있습니다.원하는 경우 스크립트입니다.여기 하드 코딩된 파일이 있습니다.여기 첫 번째 팁을 사용하고 싶습니다.첫 번째는 데이터 테이블을 열려고 하고 항상 동일하지 않은 경우 다음 단계에서 이 데이터 테이블인 Austin mother fab 데이터를 묻기 때문에 이 단계를 원하지 않는다고 말할 수 있습니다.그것이 없으면 무엇을 해야 할지 묻습니다.
스크립트의 이 부분을 실행해 보겠습니다. 열어보면 어떤 데이터 테이블을 사용할지 묻습니다. 아직 열지 않은 데이터 테이블이 있는데, 그걸 선택해야 합니다. 이렇게 두 단계가 이미 생성되었습니다. 잘 작동하는 걸 확인했습니다. 이제 두 테이블을 결합해야 합니다. 테이블로 가서 "데이터 테이블로 만들기"를 선택하면 됩니다. 여기서도 같은 방식으로 합니다. 이 경우에는 마우스 오른쪽 버튼을 클릭하고 "데이터 테이블로 만들기"를 클릭하면 됩니다. 두 단계 모두 여기에 추가되었습니다.
이제 여기서 몇 가지 추가적인 사항을 살펴보겠습니다.여기서 열 그룹 PC를 가져옵니다.어디서 가져온 걸까요?기본적으로 데이터 테이블에서 가져온 것이고, 이것은 테이블을 구조화하는 좋은 방법입니다.분석 열의 모든 열을 PC라고 하는 그룹으로 묶었습니다.그리고 이렇게 하면 쉽습니다.내가 그렇게 하지 않으면, 그리고 일부 플랫폼은 그것을 처리하지 않기 때문에 테이블레이트가 여기의 모든 변수를 범주로 가져와서 여기로 가져옵니다.기본적으로 할 수 있는 것은 이 열 그룹 옵션을 가져와서 여기에 넣고 모든 매개변수 대신 열 그룹을 가져와야 한다고 말하는 것입니다.이것이 왜 도움이 될까요?열의 이름 지정과 독립적이기 때문에 매우 유용합니다.테이블에서 열을 그룹화하면 모든 자동화 작업에도 큰 차이가 있습니다.여기서 할 수 있는 일입니다.
이제 제가 만든 원래 데이터 워크플로와 비교해 보겠습니다. 그 부분을 살펴보겠습니다. 보시다시피, 마더 팹 요약 데이터를 만들어야 합니다. 프레젠테이션 모드에서 일반 모드로 옮겨서 나란히 볼 수 있도록 하겠습니다. 여기서는 열 그룹 PC도 사용했습니다. 열 그룹 PC를 사용하여 다른 것도 만들었습니다. 여기서 몇 가지 추가 작업을 했습니다. 여기에 객체를 만들었습니다. 이것도 여기에 가져오겠습니다. 죄송합니다. 이게 테이블입니다. 맞습니다. 여기에 이 객체, 참조를 추가했는데 지금은 없습니다. 기본적으로 이를 사용하여 도우미 파일이나 도우미 데이터 테이블을 만들고 특정 이름을 지정하려고 하기 때문입니다. 이 이름은 나중에 식별자나 고유한 이름으로 데이터 테이블을 결합할 때 참조할 수 있습니다. 그래서 이렇게 했고, 보고서를 닫았습니다. 스크립팅과 결합할 수도 있습니다. 매우 복잡한 작업을 해야 한다면 필요할 수도 있습니다. 하지만 대부분의 경우, 방금 만든 워크플로를 그대로 사용하면 됩니다.
Su-Heng에게 다시 전달하기 전에 마지막으로 말씀드리고 싶은 것은, 저는 개인적으로 녹음을 사용하지 않는다는 것입니다. 왼쪽에 보이는 것처럼 이미 여러 단계가 있는 복잡한 워크플로가 있는지 확인하고, 완료된 작업을 보관하며, 블록 기록에 추가합니다. 관심 있는 작업만 가져와서 워크플로에 올립니다. 그런 다음 해당 작업을 가져와서 메모를 하고, 괜찮으면 선택한 항목을 첫 번째 단계로 그룹화합니다. 예를 들어, 그룹 이름을 첫 번째 단계로 변경하고 여기에 몇 가지 추가 문구를 추가하여 이 경우 발생하는 모든 것이 명확하게 보이도록 했습니다. 왼쪽에서 한 것이 바로 그것입니다. 지금까지 몇 가지 팁을 알려드렸습니다. 이것으로 Su-Heng에게 마무리를 부탁드렸습니다. 이것이 마지막 슬라이드입니다.
마틴, 정말 감사합니다. 한 달 분량의 작업을 몇 분 만에 끝낼 수 있게 해 주셔서 정말 감사합니다. 정말 훌륭합니다. 오늘 프레젠테이션을 마무리하며, JMP 스크립팅과 워크플로 빌더를 통해 엔지니어들이 여러 사이트와 프로젝트에서 반복 가능하고 확장 가능한 분석을 수행하는 방법을 강조해 보겠습니다. 워크플로를 자동화함으로써 수작업을 크게 줄일 수 있었습니다. 이전에는 며칠씩 걸리던 작업을 이제 몇 분 만에 완료할 수 있습니다. 표준화된 형식과 평가 기준은 효율성을 향상시킬 뿐만 아니라, 특히 기술 이전 과정에서 일관성과 규정 준수를 보장합니다. 이를 통해 엔지니어들은 데이터 분석에서 벗어나 더 나은 실험 설계 및 학습 주기 가속화에 집중할 수 있었습니다. 중요한 것은 자동화가 구조화된 프로세스 변경과 더욱 임시적인 기술 이전 시나리오를 모두 지원한다는 것입니다. 향상된 데이터 무결성과 추적성을 통해 팀은 더욱 빠르고 자신 있게 의사 결정을 내릴 수 있습니다. 참석해 주셔서 감사합니다. 질문과 토론을 위한 자리를 마련해 드리겠습니다.
