Les expérimentations modernes dans le domaine des semi-conducteurs sont soumises à des contraintes qui dépassent le simple cadre statistique. La taille des lots, les cycles de validation et les risques opérationnels limitent tous la quantité d'expérimentations réalisables en production. Parallèlement, les praticiens sont souvent amenés à choisir entre deux approches puissantes, mais imparfaites : la planification d'expériences (DOE), efficace mais dépendante du modèle, et l'optimisation bayésienne, flexible mais souvent gourmande en ressources.
Cette présentation explore les conséquences de la combinaison des facteurs plutôt que de la sélection. Ce travail propose une stratégie d'expérimentation hybride utilisant des plans d'expériences définitifs (DSD) comme données d'entraînement de haute qualité pour l'optimisation bayésienne. L'idée est simple : partir d'un plan d'expériences offrant une couverture large et structurée de l'espace des facteurs, puis laisser l'optimisation bayésienne s'appuyer sur cette base pour affiner et optimiser efficacement les résultats.
À l'aide d'exemples simulés et publiés issus des procédés de gravure sèche, de PECVD et de CMP, nous démontrons comment cette approche hybride améliore la vitesse d'apprentissage, réduit les coûts expérimentaux et, dans certains cas, identifie des conditions opératoires optimales par rapport à chaque méthode prise individuellement. Comparée à l'optimisation bayésienne avec des données d'entraînement occupant tout l'espace, l'approche basée sur la DSD converge plus rapidement et nécessite beaucoup moins d'itérations – un avantage considérable dans les environnements de fabrication aux ressources limitées.
Les participants découvriront comment les concepts modernes de la planification d'expériences (DOE) peuvent optimiser directement les flux de travail d'apprentissage actif dans JMP, dans quelles situations cette approche est la plus efficace et comment l'appliquer concrètement en production. Si l'optimisation bayésienne vous intrigue mais que vous hésitez à l'utiliser en production, cette session est faite pour vous.
