這裡放替換內容, 用來在 Flash 無法顯示時顯示.
首頁 > 產品與諮詢服務 > 產品項目 >iDEAS
IDEAS

iDEAS-良率改善解決方案

良率改善分為四階段
  1. 離線處理:
    盡快找出低良率的根本原因

  2. 半離線處理
    持續累積製造領域相關之知識

  3. 半線上處理
    為穩定的良率調校製造參數

  4. 線上處理:
    為成熟的製造程序提升良率
找出低良率的根本原因

 

傳統的方法

當低良率案例發生時,傳統的方法必須依靠有經驗的工程師經過重重步驟收集多方面的資料後,再利用各式的統計圖表及晶圓圖交叉分析,此方式耗費大量的人力而且單一個案例就需耗時約一週的時間才能分析出結果。如果再加上透過實驗室的顯微觀測找原因所需的時間將會更長。這樣的作業是無法即時反映給產線改善良率的缺失。

 

Coretech的方法--利用iDEAS

本公司iDEAS Engine 利用Data Mining技術,當發生低良率案例時loader 會先將資料轉換成位元索引矩陣,再透過相關性分析、特徵選取及資料探勘(Data Mining)技術,快速找到根本原因之候選清單供工程師參考。

iDEAS 之功能
  • 為低良率的案例(Lot-Based),從EDA/MES資料庫中,探尋出可能為根本原因之候選清單
  • 探勘和分析產品的製造資料
    基本製造資訊(BS)
    製造程序資訊(WIP)
    產線量測資料(IM)
    CP/WAT Test
  • 目標
    幫助工程師在短時間內,透過一個依可能性排序的清單,去找出生產過程中之缺陷的根本原因
    提供可疑的產品清單給產品工程師
    增進產品的品質
iDEAS之特色

企業層級的缺陷偵測系統解決方案

  • 探勘伺服器(Data Mining)
  • 提供 EQP/CP/WAT/量測資料/BS數據處理之能力
  • 提供 資料品質分析機制
  • 提供 資料前置準備(合併/分批 Lot/Wafer-based 資料)
  • 提供 智慧型決策點(決策特徵/良率 切分點)
  • 提供 EQP/符號/數值/統計探勘/處理 之功能
  • 提供 視覺化圖表功能
  • 提供 跨功能/專案 結果資料分析功能

 

案例:缺陷偵測

效能

  • 目標資料集-300批,每批包含13,000個屬性(3,900,000個資料元素) - 1 分鐘

 

準確度

  • 在實驗階段:19案例中,有88%的案例排列在前5名
  • 在上線後階段:23案例中,有63%的案例排列在前5名
  • Enhancement:改進資料前置處理和建立Domain Knowledge來提高準確度
 
TOP
 
訂閱電子報
 
相關成功案例
 
創新科技
 
聯絡我們