Oplossingen > Vertical > High-tech

High-tech

De productie van halfgeleiders is een complexe en kostbare omgeving. Dit proces bestaat uit een bijna volledig geautomatiseerde toepassing van honderden processtappen ("stacks") van silicium wafers, elk met een groot aantal microchips. Het creëren van een high-yield proces, waarbij de meeste chips (90% of meer) in de acceptatie-fase getest worden is uiterst moeilijk en tijdrovend. De faalkosten zijn aanzielijk, deze kunnen oplopen tot $ 2 miljoen of meer. Bovendien kunnen onverwacht lange ramp-up tijden ontstaan om tot een betrouwbaar productieproces te komen.
 

STATISTICA en het engineering proces

STATISTICA biedt een uitgebreide toolset voor ingenieurs om processen te bestuderen. Van belang is dat STATISTICA een snelle en naadloze integratie maakt met de bestaande gegevens-infrastructuur en direct de relevante databases bevraagt (vrijwel alle standaard database formaten worden ondersteund). Hierbij wordt een directe verbinding gemaakt met uw gegevens; een import is niet benodigd. De interactieve graphics van STATISTICA zijn snel, flexibel en verschaffen inzichten en grafische samenvattingen van de belangrijkste processen, variabelen, metingen, resultaten etc.

Volledig op maat in te richten

Elk proces is uniek, de techniek voor geautomatiseerde productie is in deze sterk concurrerende markt voortdurend in ontwikkeling. STATISTICA is volledig aanpasbaar en programmeerbaar, incl. alle grafische aspecten, data handling etc. STATISTICA is tevens een toolkit waarmee technici snel maatwerk analyses kunnen uitvoeren en processen kunnen ontwikkelen. De kritische ramp-up van nieuwe productieprocessen wordt hiermee op een effectieve wijze ondersteund.

Geavanceerde Data Mining en Predictive Quality Control

STATISTICA Data Miner biedt een zeer uitgebreide set van knowledge discovery algoritmes die het productieproces kunnen ondersteunen. Het geïntegreerde platform, oftewel de workbench bevat algoritmes zoals stochastic gradient boosting, random forest, support vector machines, multivariate adaptive regressie splines (MARSplines), independent component analyse etc. Deze technieken kunnen worden gebruikt om betrouwbare en robuuste voorspellende modellen te bouwen voor kwaliteitsbeheersing die zelfs in een high-dimensie omgeving met grote aantallen variabelen goed tot hun recht komt.

STATISTICA Data Miner en KLA-Tencor

STATISTICA Data Miner en overige analyse algoritmes worden toegepast bij de ondersteuning van de KLA-Tencor analyse. Voor specifieke yield management oplossingen voor de halfgeleider industrie heeft KLA-Tencor StatSoft STATISTICA geselecteerd als geavanceerde data analyse en data mining partner.