Análisis de causa
Georgia Z. Morgan, estadística sénior, jubilada
El análisis de causa es un término general que se aplica a las tareas utilizadas para investigar, analizar y eventualmente determinar los factores causales de una anomalía única o múltiple. Los métodos avanzados de aprendizaje automático y otras herramientas de extracción de datos han reducido el tiempo y el esfuerzo para analizar los datos.
La preparación de datos, los pasos para adquirir datos y transformarlos en información, requieren experiencia en el dominio. Para provocar un proceso de fabricación complejo, es probable que los expertos en el dominio provengan de diferentes organizaciones funcionales y los datos provengan de diferentes fuentes.
Mi experiencia es compartida por otros:
“A menudo, los datos se encuentran en diferentes sistemas y es necesario acceder a ellos y convertirlos en un conjunto de datos que pueda usarse para la extracción de datos y el aprendizaje automático.…
Esto a menudo requiere una cantidad significativa de agregación y transformación de datos. Una vez que se ha agregado una única tabla base analítica para el análisis, entran en juego los demás aspectos del ciclo de vida. Debido a que es necesario experimentar con datos, la etapa de preparación también es muy iterativa y el analista prueba diferentes tipos de datos para obtener los resultados predictivos más precisos. .”
(n / A), (Dakota del Norte), Minería de datos de la A a la Z.Recuperado el 31 de julio de 217 de la web de SAS https://www.sas.com/content/dam/SAS/en_us/doc/whitepaper1/data-mining-from-az-104937.pdf
“Como he observado en innumerables ocasiones, existe una tremenda diferencia entre extraer datos y responder preguntas. Cualquier conjunto de datos ofrece una visión particular de la realidad, pero ningún conjunto de datos ofrece una visión perfecta, holística e imparcial de la totalidad de la existencia. Esto significa que cuando se trata de analizar datos, en muchos sentidos es mucho más importante tener algún conocimiento de los datos que se están analizando que tener un doctorado en estadística. "
Leetaru, K. (12 de junio de 2016) Por qué necesitamos más expertos en dominios en ciencias de datos . Recuperado el 31 de julio de 2017 de la web de Forbes. https://www.forbes.com/sites/kalevleetaru/2016/06/12/why-we-need-more-domain-experts-in-the-data-sciences/#14ee761e3b50
También es mi experiencia que:
- La mayoría de las iteraciones de datos consumen mucho tiempo.
- Las uniones casi siempre se realizan fuera de línea, por lo que cada iteración requiere otra reunión; en otras palabras,
- ¡No ágil!
Esta presentación tiene dos objetivos. Mi objetivo principal es demostrar cómo JMP Virtual Join puede ayudar a un equipo de análisis de causa raíz a ser más ágil cuando se trata de combinar tablas. Mi objetivo secundario es reunir propuestas alternativas para los análisis de causa que se presentarán.El ejemplo es hipotético porque no describe un problema real que haya visto, sino que se basa en varias experiencias de lo que puede salir mal. Además, todos los datos son simulados. Si bien este ejemplo se basará en la fabricación de semiconductores (CI), este problema podría ocurrir en cualquier fábrica de procesamiento o incluso en estudios de medicamentos.
A una breve descripción general de los aspectos de la fabricación de circuitos integrados, para proporcionar contexto para los datos y la anomalía, le seguirán algunos detalles sobre las uniones virtuales y luego los análisis.Tenga en cuenta que el ejemplo presentado aquí es uno de los dos que están escritos en el documento adjunto.
Palabras clave: anomalía , RCA (Análisis de causa raíz), herramientas de minería de datos, fabricación de semiconductores, unión virtual JMP®, JSL, proceso reentrante, IC (circuito integrado), FEOL (Front End Of Line), BEOL (Back End Of Line), EOL (Fin de línea) Línea, típicamente, pruebas de rendimiento y desempeño y Die Prep), PM (Mantenimiento Preventivo).
Algún contexto
Los circuitos integrados, CI, se crean a partir de numerosos pasos de procesamiento de: oxidación, implantación, deposición de películas y metales pulverizados con diferentes características de conductividad y barrera (no conductividad), modelado, planarización y, por supuesto, limpieza y medición. Comienza con una oblea de silicio desnuda y dopada [1] y termina con múltiples matrices (CI) por oblea. El número máximo de matrices por oblea depende del tamaño de la oblea (diámetro) y del tamaño de la matriz[2]. Ver Figura 1(L)
La Figura 1(R) es una caricatura que representa un segmento muy pequeño de un chip con una interconexión BEOL de metal Cu de 5 capas.[3] Aunque la arquitectura, el espesor del metal, el diseño y posiblemente la receta pueden ser diferentes para cada capa de Cu, normalmente se procesan en la misma área de fábrica (fab bay) y en las mismas herramientas.
Figura 1 ( l ) Portador de 25 obleas de silicio desnudas con oblea plana y completamente procesada con muesca ( R ) Un gráfico IC de una interconexión BEOL de Cu de cinco capas.
El FEOL y el BEOL están segmentados. Incluso una pequeña cantidad de Cu se difunde rápidamente a través de los óxidos, creando defectos y degradando la calidad del óxido de la puerta.
La Figura 2 muestra un posible diseño fabuloso (de fábrica) para un FEOL [4]. Los equipos de procesamiento del mismo tipo y función están ubicados en bahías. Su diseño está optimizado para plomería, suministro de productos químicos a granel, escapes y drenajes. Un sistema de rieles aéreos, llamado sistema automático de manejo de materiales (AMHS, por sus siglas en inglés), transporta lotes fabulosos de una estación a la siguiente, o los almacena temporalmente en un almacén remoto hasta que haya una herramienta disponible. No existe un diseño estándar, cada empresa de semiconductores tiene su propio grupo de planificación de fábrica. La mayoría de las colas de las fábricas son reentrantes. Por ejemplo, las cuatro herramientas de los compartimentos 7 y 9 pueden realizar siete pasos de limpieza diferentes. El conocimiento del flujo de la fábrica y el uso de los equipos es esencial para el análisis de la causa raíz. Usando este ejemplo, una sola herramienta podría afectar potencialmente a un lote fabuloso hasta siete veces, y es posible que algunos lotes fabulosos nunca se hayan procesado en ese equipo.
Consulte las referencias [7] o realice una búsqueda rápida en la web de videos y otras fuentes para obtener más información sobre la fabricación de semiconductores.
Figura 2 Posible diseño fabuloso para un proceso FEOL.
Las secuencias de procesamiento, el tiempo entre pasos, cuándo se procesó en una herramienta específica y el manejo pueden ser factores importantes que contribuyen a una anomalía, un problema que afecta la calidad del CI. Cada oblea de silicio tiene un número de oblea grabado en el silicio. Existe un estándar industrial que puede rastrear cada oblea hasta su origen.Durante unos 20 años, los manipuladores y equipos de procesamiento de fábricas (fábricas) tienen lectores RFID. Los sistemas de fabricación capturan el momento exacto en que las obleas entran y salen de una herramienta y más. Los datos de simulación presentados (y adjuntos) utilizan un sistema de numeración simple. No es una réplica de datos fabulosos, pero proporciona las características deseadas para este ejemplo.
Unirse virtualmente
A Unirse virtualmente :
- Permite vincular una mesa principal a varias mesas auxiliares sin unirlas físicamente.
- Requiere que se establezcan dos propiedades de columna: Referencia de enlace (mesa principal) y ID de enlace (mesa auxiliar).
- Las columnas de la tabla de datos referenciada (vinculada) se muestran como variables agrupadas en la tabla principal.
- Estas columnas se pueden utilizar en fórmulas, gráficos, análisis y comandos de tablas.
- Se puede crear desde la interfaz de usuario y se puede crear y administrar mediante JSL.
La Figura 3 (L) muestra 7 tablas unidas, unidas por un número de oblea único (Wafernum). El Referencia de enlace se muestra como una clave sombreada de azul cuando está vinculado y gris cuando está desvinculado. Haga clic en el icono de divulgación para hacer referencia a las columnas de esa tabla.
figura 3 (L) Datos de rendimiento/rendimiento/anomalías EOL prácticamente unidos con datos del equipo para 7 operaciones, (METRO) Panel de mesa auxiliar M1 con ID de enlace, (R) Menú de tabla, Fusionar datos de referencia,
Figura 3 (M) Muestra el panel de la mesa de una de estas mesas (M1, la primera capa de Cu). El ID de enlace es una llave de oro.El Referencia de enlace y ID de enlace debe ser el mismo tipo de datos. El ID de enlace Los valores deben ser únicos, no duplicados.Si usa JSL, o para poder volver a vincular tablas en otra sesión, las tablas deben guardarse en el disco.La siguiente lista proporciona algunas características de las uniones virtuales. La Figura 3(R) muestra que en cualquier momento se puede fusionar un conjunto seleccionado de enlaces de tablas. Selecciona el Referencias de enlaces que desea fusionar, o seleccione ninguna para todas las columnas vinculadas y luego seleccione Fusionar en el menú de la tabla principal.Es tan fácil como eso fusionarlos en la tabla principal.
Elementos a tener en cuenta
- La ruta distingue entre mayúsculas y minúsculas, pero no se requiere un nombre de ruta si la tabla de datos jmp auxiliar está en el mismo directorio que la tabla de datos principal. (Utilice la sintaxis posix c:/temp/ si el equipo trabaja con una combinación de diferentes sistemas operativos).
- Para datos fabulosos, los enlaces típicos serían Lote, ID de oblea, tal vez Troquel (fila, columna). El equipo de RCA debe acordar un estándar, y cada representante de área debe ser dueño de sus datos y prepararse creando el ID de enlace . Esto permite correcciones de datos en paralelo con las reuniones de RCA y se puede vincular fácilmente una vez que esté listo.
- No utilice un nombre de base de datos para los enlaces, ya que cada tabla vinculada requiere un nombre único Referencia de enlace y correspondiente Identificación del enlace.Utilice una función para los enlaces. Actualizar los datos será más fácil y el valor del Enlace también se actualizará. (Cada columna Wafernum.M utiliza una fórmula de columna para la columna DB Wafernum).
- Los scripts de plataforma guardados utilizan una sintaxis detallada para hacer referencia a una columna vinculada.
Columna referenciada ( "Herramienta[Wafernum.M1]" ,
Referencia( Columna (:Wafernum.M1), Referencia( Columna ( :Herramienta ))))
Esta sintaxis más simple parece funcionar.
: Nombre ( "Herramienta[Wafernum.M1] " ) en otras palabras, : Nombre ( " nombre de columna [ID de enlace]" )
- Cierre la tabla auxiliar, en lugar de desvincularla, especialmente si el vínculo podría usarse más adelante, posiblemente para un archivo diferente.
Recomendado:
Cree un complemento o secuencias de comandos para crear vínculos automáticamente y abrir archivos de vínculos establecidos.
Beneficios de unirse virtualmente:
- Gestión de nombres de columnas t La Figura 4 muestra 3 de las 7 tablas vinculadas. Cada uno tiene los mismos nombres de columna. Todas las combinaciones JMP agregan información sobre la tabla fuente para columnas con los mismos nombres; sin embargo, los nombres son los nombres de la tabla fuente, que a menudo son largos y complejos. Para Unirse virtualmente , configuras el Referencia de enlace y ID de enlace nombres. Con una sintaxis menos detallada, la administración de nombres es más fácil y legible para enlaces y secuencias de comandos.
- Trabajando en paralelo Supongamos que el miembro del equipo de análisis de causas de M5 declaró que sus datos tenían un problema. Cierre la tabla de datos M5, deje que el equipo continúe y cuando esté listo, abra la tabla corregida y vuelva a vincularla con un clic derecho en la columna de la tabla principal Wafernum.M5 y seleccione Referencia de enlace . Aparece una lista de archivos y seleccione el archivo M5.
Figura 4 Datos de equipos fabulosos para 3 operaciones, mismos nombres de columnas
Ejemplo simulado: resistencia EOL M3 con falla intermitente
Una de las causas más difíciles de erradicar es un problema de contaminación, especialmente si la contaminación se elimina con el mantenimiento programado (PM) y se disipa con el uso (reparable) y si es condicional. Se creó una simulación de una fábrica de fabricación de semiconductores BEOL para una pulverización catódica de metal de 7 capas para demostrar esta anomalía.
Es probable que la epidemiología, los estudios de medicamentos y el procesamiento de alimentos y medicamentos experimenten un tipo similar de anomalía con cierta frecuencia.
SRHO es una métrica de calidad de la resistencia del metal.No faltan causas potenciales para un aumento en SRHO, incluso restringiendo la investigación solo al bucle M3. Si las líneas son demasiado estrechas, la resistencia aumenta. Si las líneas están agrietadas u otros defectos o la contaminación del metal pueden afectar las características conductoras del metal. La Figura 5 muestra el efecto. El gráfico superior representa el material de referencia de varias semanas antes de un cierre por vacaciones. El gráfico inferior muestra el material posterior a las vacaciones. Los indicadores EOL de algunos lotes intermitentes para la resistencia M3 fallan en el SPC y están tan fuera de control que las obleas deben desecharse. Sólo hubo unos pocos lotes anómalos, luego no se vio ninguno. Entonces entra en vigor la “regla eventual”: pequeñas señales eventualmente convertirse en grandes señales. Al final de la línea aparece una ráfaga de lotes malos.
Figura 5 M3.SRHO (t) Promedio de lote de referencia ( B ) Promedio de lote posterior a las fiestas navideñas versus herramientas de pulverización M3
Preguntas de análisis de causa
- ¿La herramienta de anomalías es específica?
- ¿Los procesos son consistentes y utilizan los mismos químicos?
- Dada la naturaleza intermitente, ¿podría esto estar relacionado con el estado de la herramienta?
- ¿Podría esto estar relacionado con la secuencia del proceso, los tiempos de cola, el tiempo entre un paso y otro, etc.?
Sólo se simuló el chisporroteo M1-M7 con una cola FIFO, con una excepción. Los lotes completos son de 25 obleas, los medios lotes son de 12 obleas y los lotes de giro rápido son de 6 obleas.La excepción FIFO es que tiene prioridad un lote de 6 obleas. Para agregar algo de realidad a la simulación, se utilizaron tiempos de rendimiento aleatorios para "otros" pasos del proceso para tener tiempos de reentrada variables entre M1 y M2, etc. Estos otros tiempos de procesamiento se basaron en tiempos de configuración fijos; tiempo de procesamiento basado en la cantidad de obleas y precedencia; y tiempos de cola aleatorios. En un análisis de causa real con datos reales, es necesario investigar cada herramienta y cola del circuito. Sólo se simularon las herramientas de pulverización catódica para limitar la complejidad y centrarse en los métodos. Tenga en cuenta también que el artículo utiliza la narrativa de que los datos de dimensiones críticas en línea no mostraron cambios en el tamaño de la línea. Para eliminar roturas o grietas en la línea, generalmente se revisa una tira hacia atrás o imágenes en línea. No se encontró nada, por lo que la atención se centra en el metal mismo.
Para responder a la pregunta número 1, se revisa una comparación de incidencia por herramientas. En la mayoría de los casos, se trata de una revisión de una herramienta a la vez realizada por los módulos y revisada en la primera reunión del equipo de RCA. O se podría aplicar una herramienta de extracción de datos con selecciones de funciones a una tabla masiva con columnas de múltiples pasos. En lugar de un único archivo monolítico, se podría utilizar una tabla principal virtualmente vinculada como la que se ve en la Figura 3 (L).
Pregunta #2, para continuar con la narrativa, una revisión química de los sistemas a granel no encuentra nada. Todas las herramientas están conectadas a los mismos sistemas. En este punto, los datos de anomalías podrían vincularse con tablas de datos del monitor en línea, datos de sensores de herramientas y analizarse.
A medida que continúa la narración, un ingeniero afirma que un par de semanas antes del cierre, la receta de M5, la mezcla química se cambió para que la deposición fuera más conforme a la topografía (estructuras) en M5. La caracterización previa a la implementación incluyó algunas obleas de M5 seguidas de algunas obleas de M1, y se repitió para las otras capas. Todos los resultados estuvieron dentro del valor inicial.
El presidente del equipo de RCA solicita un análisis de los recuentos de obleas tanto para M3 como para M5, tratando de responder la pregunta número 3, sobre el estado de la herramienta. Supongamos que el primer archivo del ingeniero solo tuviera recuentos totales de obleas. Cierre la tabla y haga que el ingeniero agregue una columna para el número acumulado de obleas M5 ejecutadas antes de M3. Cuando se modifiquen los datos, abra el nuevo archivo y enlace. La Figura 6 demuestra que se pueden vincular diferentes archivos y diferentes iteraciones a los datos de anomalía.
Figura 6 Datos de anomalías de M3 EOL posteriores a las vacaciones vinculados con PMCounters de la herramienta M3
Figura 7 - M3.SRHO posterior a las vacaciones versus PM_WFRCOUNT por herramienta (aquí solo se muestra SPUTT02)
La Figura 7, un gráfico de ajuste Y por X de datos de M3.SRHO versus recuentos de obleas para SPUTT02 demuestra que se produjeron fallas con recuentos de obleas bajos y altos. La simulación programa SPC cada 500 obleas y un PM se realiza después de 5000 obleas o alrededor de 2500 obleas por cámara. Parece que se observa un efecto de agotamiento en los lotes completos (una disminución con cada oblea). Además, debido a la naturaleza de esta simulación, el material posterior a las vacaciones tenía muchos lotes de 6 obleas de entrega rápida.
Dado que la caracterización previa a la implementación no mostró ningún efecto con solo unas pocas obleas M5 ejecutadas, ¿podría esto ser una acumulación o debido a la secuenciación, en otras palabras, la pregunta 4?
Para análisis anteriores, he utilizado análisis de eventos para mis próximos pasos.
- Cree una tabla de todos los eventos de herramientas. ( Datos MES para los sputterers.)
- Cree columnas que representen 10 o más retrasos. Esto es más fácil de hacer con una herramienta. Los pasos son: Subconjunto por herramienta.Escriba un script para crear retrasos (consulte lagit.jsl). Combine los archivos de la herramienta.
- Seleccione los datos de operación de M3, ya que esta posible anomalía en el estado de la herramienta solo parece afectar a M3.Eso es usar solo filas M3.Ver archivo M3 Últimos 20.jmp. Crea el ID de enlace Wafernum.M3.
- Abra este archivo y desde los datos de anomalía haga clic derecho en la columna Wafernum.M3, seleccione Referencia de enlace . Utilice métodos de árbol (Partición) y selección de funciones para encontrar un patrón.
La secuenciación de eventos se puede realizar con bastante rapidez utilizando la función JMP Lag( :col, n ), que funciona en columnas de caracteres. En este caso se crea el historial de la herramienta, es decir, lo que la herramienta ha ejecutado anteriormente.
Figura 8 Fragmento de la tabla M3 Last 20.jmp Estructura con retrasos de eventos de herramientas
Figura 9 Partición del promedio del lote M3.SRHO frente a los últimos 20 eventos de herramienta
La Figura 8 muestra un fragmento de la estructura de la tabla y la Figura 9 el historial de la partición. Los retrasos 1, 2 y 3 se eligieron en orden y cada vez, dividiéndose en el evento M5LotMoveIn. La Figura 8 muestra una columna de fórmula para simplificar la secuencia. Es la concatenación de eventos codificados, 0 = PM, 5=M5 y 1 para todos los demás eventos. La Figura 10 es el gráfico presentado para la actualización de la gestión de RCA.
Figura 10 Gráfico de presentación del efecto de procesamiento de lotes M3SRHO
Comentarios
- La simulación logró el efecto deseado.
- El modelado estándar de este tipo de anomalía es difícil debido a la saturación, el PM y el agotamiento incorporados.
- Secuenciar y buscar efectos específicos es (era) mi BKM.
- Encuentre todos los lotes de M3 donde se ejecutó M5 justo antes.
- Calcule el delta con respecto a la línea base. Compare el efecto con el número de obleas.
- Investigar los efectos del agotamiento de las obleas.
- Actualmente, estoy investigando la secuenciación de confiabilidad y buscando sugerencias para estandarizar estos métodos.
- El artículo contiene más detalles y otro ejemplo de análisis de causa. La carpeta de datos adjunta contiene archivos readme.txt relacionados con la simulación y el efecto modelado. Los archivos de datos una vez vinculados tienen scripts adjuntos para recrear los gráficos y la partición.
Las uniones virtuales permiten actualizaciones y reestructuraciones de datos ágiles, lo cual es especialmente útil para RCA.
Referencias
[1] Figura 1 (L) Oblea de silicio desnuda, (na), (Dakota del Norte), Oblea de silicio . Obtenido el 31 de julio de 2017 del sitio web TechInstro, https://www.techinstro.com/silicon-wafer/
[2] Figura 1 (L), (na), 09 de abril de 2013, Fórmula de troquel por oblea y calculadora (gratuita) . Obtenido el 31 de julio de 2017 del sitio web de anysilicon, http://anysilicon.com/die-per-wafer-formula-free-calculators/
[3] Figura 1(R) (na), (Dakota del Norte), Final posterior de la línea . Obtenido el 31 de julio de 2017 de Wikipedia, The Free Encyclopedia, sitio web, https://en.wikipedia.org/wiki/Back_end_of_line
[4] Figura 2, 유광재, 20 de enero de 2015, Optimal Fab SDM LAB, KAIST Ingeniería Industrial y de Sistemas , Figura 2. Diseño de distribución FAB óptimo basado en el flujo de materiales entre los tipos de procesos. Recuperado el 31 de julio de 2017 de http://sdm.kaist.ac.kr/wordpress/korean/%EC%9C%A0%EA%B4%91%EC%9E%AC/ , http://sdm.k aist.ac.kr/wordpress/korean/wp-content/uploads/sites/2/2015/01/YGJ_2.png.
[5] Leetaru, K. (12 de junio de 2016) Por qué necesitamos más expertos en dominios en ciencias de datos . Recuperado el 31 de julio de 2017 de la web de Forbes. https://www.forbes.com/sites/kalevleetaru/2016/06/12/why-we-need-more-domain-experts-in-the-data-sciences/#14ee761e3b50
[6] (n.a.), (Dakota del Norte), Minería de datos de la A a la Z.Recuperado el 31 de julio de 217 de la web de SAS https://www.sas.com/content/dam/SAS/en_us/doc/whitepaper1/data-mining-from-az-104937.pdf
[7] Otros sitios web para obtener más información sobre la fabricación de semiconductores.
https://www.bloomberg.com/news/articles/2016-06-09/how-intel-makes-a-chip
https://www.youtube.com/watch?v=vmAyXWvLHeI (FOUP Cargar película)
https://www.youtube.com/watch?v=4Q_n4vdyZzc (Tecnología de semiconductores en TSMC, 2011)
