Kumpletong Gabay sa Kakayahan ng Proseso at Malalimang Pagsusuri ng DLOG (PAT+ · MVA · Gauge R&R · Cpk/Cp · ANOVA)

Analysis Overview

1. Pangkalahatang-ideya ng Pagsusuri

Ang mass production STDF V4 datalogs ng semiconductor ay nagtatala ng libu-libong parametric test (PTR, MPR) at daan-daang libong mga part (PRR). Ang simpleng pagkaalam na ang mga part ay pasok sa mga spec limit (LL/HL) ay hindi nagpapakita kung ang proseso ng pagmamanupaktura ay matatag, kung ang mismong pagsukat ay mapagkakatiwalaan, o kung may mga mapanganib na outlier na bahagi na nakatago sa gitna ng mga pumasa.

Nagbibigay ang DLOG ng mga nakalaang screen ng pagsusuri upang sagutin ang mga kritikal na katanungang ito. Maa-access mula sa menu ng pagpili ng view sa itaas ng interface, ipinapaliwanag ng gabay na ito ang mga view na nakatuon sa kakayahan ng proseso, pagsusuri ng outlier, at pagiging maaasahan ng sistema ng pagsukat.

Screen ng Chart ng DLOG na may histogram, Cpk, Est ppm, at mga estadistika ng normalidad

I-click para palakihin

Larawan 1. Screen ng Chart — Ang mean, mga linyang ±σ, kurba ng normal na distribusyon ng Gaussian, at mataas na limitasyon (HL) ay naka-overlay sa histogram. Sa kanan, ipinapakita ng panel ng Test Item Statistics ang Sigma, Cpk, Cp, Est ppm, at Normalidad (AD). Sa ibaba, ang listahan ng Tests (Cpk) ay nagko-code ng kulay sa kakayahan ng Cpk ng lahat ng mga pagsubok.

Pagsusuri	Screen ng DLOG	Pangunahing Sukatan	Kailan Gagamitin
Pagsusuri ng Outlier sa PAT+	Wafer (PAT Data / PAT+), Chart (mga DPAT band)	Mga DPAT band, natitirang kapitbahay ng SPAT, PAT+ Flips	Suriin ang "mga kahina-hinalang bahagi sa gitna ng magagandang die" na pumasa sa limitasyon ngunit lumilihis sa estadistika
Mga Outlier na Multivariat	MVA Explorer, Wafer (MVA-PAT)	Mahalanobis MD², PCA SPE, Isolation Forest	Tukuyin ang mga part na ang bawat indibidwal na test ay nasa loob ng spec, ngunit abnormal ang kombinasyon ng mga nasukat na halaga
Gauge R&R	Gauge R&R	EV, AV, PV, %GRR, %P/T, ndc	Suriin ang pagkaulit-ulit at reproducibility ng sistema ng pagsukat gamit ang paulit-ulit na pagsubok ng parehong wafer
Pagkakaiba ng Site (Site Delta)	SITE, Group Analysis (Group by: Site)	Yield bawat site, mga BIN, mga mean, η², ANOVA	Tukuyin kung ang probe needle / probe pin o socket contact ay nagdudulot ng sistematikong paglihis (systematic drift)
Kakayahan ng Proseso	Chart, Dashboard, Group Analysis	Cpk, Cp, Est ppm, Normalidad (Anderson-Darling)	Sukatin ang margin ng spec, tantiyahin ang rate ng depekto sa ppm, at kumpirmahin ang mga pagpapalagay ng normal na distribusyon
Korelasyon & TTO	Correlation, TTO Engine	Pearson r, Spearman ρ, mga kandidato sa paulit-ulit na pagsubok	Tukuyin ang mga duplicate na pagsubok na sumusukat sa parehong pisikal na katangian upang paikliin ang oras ng pagsubok

Ang mga mean at standard deviation ay kinakalkula sa isang pass gamit ang Welford online algorithm. Ang matatag na numerong pormulang ito ay umiiwas sa malaking pagkakamali sa pag-compute (catastrophic cancellation) na maaaring mangyari kapag basta nagtitipon ng mga kabuuan ng mga parisukat:

$$M_1 = x_1, \quad M_k = M_{k-1} + \frac{x_k - M_{k-1}}{k}$$ $$S_1 = 0, \quad S_k = S_{k-1} + (x_k - M_{k-1})(x_k - M_k)$$ $$\mu = M_N, \quad \sigma^2 = \frac{S_N}{N - 1} \quad (N \ge 2)$$

100% Lokal na Pagproseso sa PC: Lahat ng mga kalkulasyong estadistika ay mahigpit na tumatakbo sa iyong lokal na PC. Ang mga STDF file at mga resulta ng pagsusuri ay hindi kailanman ia-upload sa anumang panlabas na server.

Part Average Testing

2. Pagsusuri ng Outlier sa PAT+ (DPAT · SPAT)

Ang PAT (Part Average Testing) ay tinukoy sa alituntunin sa kalidad ng automotive semiconductor na AEC-Q001. Ang layunin nito ay salain ang mga bahagi na pumapasa sa mga karaniwang limitasyon ng detalye ngunit lumalabas sa normal na distribusyon ng populasyon, upang mabawasan ang mga maagang pagkasira sa field (infant mortality).

Sa mode na PAT Data ng screen ng Wafer, kinakalkula at ipinapakita ng DLOG ang mga dynamic limit ng PAT (PAT LL / HL) para sa napiling pagsubok. Kapag pinagana mo ang PAT+ sa mga setting ng view, ang mga die na pumasa sa mga spec ng pagsubok ngunit na-flag bilang kahina-hinala sa pamamagitan ng mga panuntunan ng DPAT o SPAT ay naka-highlight bilang overlay sa wafer map (ang orihinal na pasya ng PASS/FAIL ay hindi binabago).

Mga kahina-hinalang die ng PAT+ na naka-highlight sa wafer map

I-click para palakihin

Larawan 2-1. Screen ng Wafer mode na PAT Data + PAT+ — Ang kaliwang card ng PAT Data ay nagpapakita ng Median, PAT LL, at PAT HL. Ipinapakita ng card ng PAT+ Reject ang saklaw ng DPAT, mga setting ng SPAT (3x3 ×6.0), at mga count ng PAT+ Flips. Ang mga kahina-hinalang die ay nakabilog sa mapa.

I-click para palakihin

Larawan 2-2. Tools > Studies > Yield Loss vs Quality Risk — I-sweep ang mga sigma multiplier mula 3 hanggang 15 upang ihambing ang pagkawala ng yield (Yield Loss) laban sa panganib sa kalidad batay sa margin ng spec (DPPM) at alamin ang inirerekomendang mga cutoff ng sigma.

DPAT: Matatag na Dynamic Limits na Muling Kinakalkula mula sa Data

Upang maiwasan ang matitinding outlier sa pagbaluktot ng sample mean at standard deviation, gumagamit ang DLOG ng median sa halip na mean, at isang matatag na sigma na tinatantya mula sa interquartile range (IQR):

$$\sigma_{\text{robust}} = \frac{Q_3 - Q_1}{1.35}$$ $$\text{PAT LL} = \tilde{x} - k_L \cdot \sigma_{\text{robust}}, \qquad \text{PAT HL} = \tilde{x} + k_H \cdot \sigma_{\text{robust}}$$

Ang mga die na nasa labas ng saklaw na ito ay minamarkahan bilang mga kandidato sa outlier. Ang default na sigma multiplier k ay 6. Maaari mong i-configure ang mga multiplier sa itaas at ibaba nang hiwalay sa pamamagitan ng View settings > Wafer View Options > Lower Sigma (L) / Upper Sigma (H). Ang mas maliit na halaga ng k ay kumukuha ng mas maraming kandidato.

Ang DPAT (Dynamic PAT) ay dynamic na muling sinusuri ang mga limitasyong ito bawat wafer, bawat site, o bawat baseline ng lot sa halip na gumamit ng mga static na limitasyon. Inaalis ng DPAT na partikular sa site ang mga offset ng hardware ng tester, habang sinusubaybayan ng DPAT ng baseline ng lot ang thermal at process drift sa pagitan ng mga wafer. Sa view ng Trend sa screen ng Chart, maaari mong i-overlay ang parehong mga dynamic limit gamit ang opsyong DPAT (trend).

SPAT: Mga Natitirang Spatial ng Kapitbahay

Ang mga naisalokal na anomalya—tulad ng mga kumpol sa gilid, gasgas, o maliliit na kumpol ng depekto—ay maaaring humalo sa mas malawak na distribusyon ng wafer at hindi mapansin nang walang spatial na konteksto. Sinusuri ng SPAT (Spatial PAT) ang natitira sa pagitan ng target na die $(i, j)$ at ng median ng mga kalapit na PASS die laban sa matatag na sigma ng kapitbahayan:

$$\Delta_{\text{spatial}}(i, j) = \left| x_{i, j} - \operatorname{median}\left(\mathcal{N}(i, j)\right) \right| > k_{\text{spat}} \cdot \sigma_{\text{robust}}\left(\mathcal{N}(i, j)\right)$$

Ang default na spatial kernel ay $3 \times 3$ na may multiplier na 6.0. Malapit sa mga hangganan ng wafer o mga rehiyon na may maraming depekto kung saan kakaunti ang mga wastong PASS kapitbahay, awtomatikong pinalalawak ng DLOG ang kernel palabas ng hanggang 2 concentric ring hanggang sa matugunan ang minimum na limitasyon ng kapitbahay.

Pagpili ng PAT Sigma: Pagkawala ng Yield vs Panganib sa Kalidad

Ang paghihigpit sa k ay nakakahuli ng mas maraming kaduda-dudang die, ngunit nagpapataas ng labis na pagtanggi (overkill o pagkawala ng yield (Yield Loss)) sa pamamagitan ng pagsasakripisyo ng magagandang die. Ang Tools > Studies > Yield Loss vs Quality Risk ay nagsu-sweep ng mga halaga ng sigma (sigma sweep) sa bawat test upang i-plot ang mga kurba ng Reject Candidates, Yield Loss, at DPPM, na nagrerekomenda ng pinakamainam na balanse ng sigma upang maabot ang iyong target na DPPM. I-click ang Apply Sigma upang agad itong ilapat.

Paunawa sa DPPM: Ang DPPM dito ay hindi isang napatunayang field escape rate; ito ay isang risk proxy na kinakalkula mula sa margin sa pagitan ng mga limitasyon ng PAT at spec limits. Huwag itong gamitin bilang kontraktwal na garantiya ng DPPM sa field. Maaari ka ring mag-export ng 1 pahina bawat pagsubok na ulat na PDF sa pamamagitan ng PAT (PDF).

GDBN (Good Die in Bad Neighborhood): Isang panuntunan na nagpapababa ng grado sa magagandang die na katabi ng malalaking kumpol ng depekto. Pinagana sa ilalim ng Convert > Muling Pag-uuri ng BIN (PAT / GDBN / CD), naghahanap ito ng mga kumpol ng depekto (8-way connected) na lampas sa iyong threshold na laki at muling nagtatalaga ng mga kalapit na PASS die sa loob ng itinalagang radius sa isang depektong BIN bago magsulat ng bagong na-convert na STDF file.

Multivariate Outlier Detection

3. MVA Explorer (Mga Outlier na Multivariat)

Ang mga nauugnay na parametric test ay karaniwang nagbabago nang magkasama. Ang isang die ay maaaring magmukhang normal kapag sinusuri ang Test A at Test B nang hiwalay, ngunit kung ang Test A ay hindi pangkaraniwang mataas habang ang Test B ay hindi pangkaraniwang mababa, sinisira ng pagpapares ang normal na pisikal na ugnayan. Habang pumapasa ito sa mga indibidwal na limitasyon ng scalar, ito ay isang malinaw na multivariat na outlier. Nakikita ng MVA Explorer ang mga multi-dimensional na anomalya na ito.

MVA Explorer: Talaan ng mga resulta ng outlier at pagkasira ng kontribusyon

I-click para palakihin

Larawan 3. MVA Explorer — Halimbawa gamit ang 15 pagsubok na may Mahalanobis Distance (MD²) sa 3.0σ threshold. Ipinapakita ng mga summary card ang bilang ng Scored, Outliers, Threshold, at PASS. Ang pagpili ng isang part (#0160) ay nagpapakita ng Outlier Contribution Breakdown nito, na nagha-highlight sa mga pagsubok na nagtutulak sa anomalya kasama ang kanilang mga matatag na z-score.

Tatlong Algoritmo sa Pagtukoy ng Outlier

Algoritmo	Paano Nito Tinutukoy ang mga Outlier	Pinakamahusay na Gamitin Kung Kailan
Mahalanobis (MD²)	Statistical distance na isinasaalang-alang ang buong covariance matrix. Minamarkahan ang mga part na lumalampas sa chi-square distribution threshold bilang outlier.	Inirerekomendang pangkalahatang default
PCA reconstruction (SPE)	Minamarkahan ang mga part na may mataas na reconstruction error (Q-statistic) kapag ipinroyekto sa mga principal component. Nakikita ang mga pagkasira sa normal na ugnayan ng mga parameter.	Inirerekomenda para sa malalaking hanay ng pagsubok
Isolation Forest	Algoritmong nakabatay sa puno na walang mga pagpapalagay ng parametric distribution. Tinutukoy ang mga madaling maihiwalay na bahagi, na iniraranggo ang nangungunang ~1% ng mga bahagi ng PASS bilang mga outlier.	Nakakakuha ng mga hindi linyar at kumplikadong multi-modal na anomalya

Distansyang Mahalanobis (MD²)

Ang distansyang Euclidean ay nabigong isaalang-alang ang mga pagkakaiba sa sukat at korelasyon sa pagitan ng mga parameter. Nareresolba ito ng distansyang Mahalanobis sa pamamagitan ng pagtimbang ng mga paglihis gamit ang kabaligtaran ng covariance matrix ($\mathbf{\Sigma}$). Kinakalkula ng DLOG ang isang matatag na sentroid at shrinkage covariance matrix, na hinahati ang kontribusyon ng bawat pagsubok bilang $z_i \cdot (\mathbf{\Sigma}^{-1}\mathbf{z})_i$ upang ang kabuuan ay katumbas ng $MD^2$:

$$MD^2(\mathbf{x}) = (\mathbf{x} - \boldsymbol{\mu})^T \mathbf{\Sigma}^{-1} (\mathbf{x} - \boldsymbol{\mu})$$ $$\text{Panuntunan sa Outlier}: MD^2(\mathbf{x}) > \chi^2_{r}(1 - \alpha), \qquad \alpha = 2\,(1 - \Phi(\sigma_{\text{setting}}))$$

Ang setting ng Threshold (Sigma) (3.0 / 4.0 / 5.0 / 6.0σ, default 6.0σ) ay kino-convert sa isang two-sided normal probability $\alpha$, na nagtatakda ng kritikal na chi-square threshold para sa $r$ degrees of freedom (bilang ng mga napiling pagsubok). Ang mas mataas na mga setting ng sigma ay nagbubunga ng mas kaunti ngunit mas malulubhang outlier. Para sa PCA, ang SPE (Squared Prediction Error, Q-statistic) ay nagbibigay ng score sa mga part batay sa natitirang variation na hindi maipaliwanag ng mga principal component.

Pagbasa sa Talaan ng mga Resulta

Hanay	Kahulugan
Status	`OUTLIER` · `NORMAL` · `NOT SCORED` (nawawalang mga halaga sa mga napiling pagsubok) · `EXCLUDED` (mga hindi-PASS na part)
Score	Marka ng outlier mula sa napiling algoritmo (marka ng MD², SPE, o Isolation Forest)
Risk	Score ÷ Threshold. Ang paglampas sa 1.0x ay nag-uuri sa part bilang OUTLIER
Top contributor	Parametric test na nagtutulak sa marka na pinakamataas, kasama ang matatag na z-score nito (batay sa median at MAD)

Mga Kinakailangan sa Pagsasanay: Ang baseline model ay sinasanay lamang gamit ang mga kumpletong PASS part na may wastong sukat sa lahat ng napiling test. Ang laki ng sample ay dapat na hindi bababa sa max(50, 5 × bilang ng mga pagsubok) (hal., sa Larawan 3, ang 15 pagsubok ay nangangailangan ng hindi bababa sa 75 parts). Pumili ng mga parametric test na may pisikal na kaugnayan; ang pagsasama ng mga hindi nauugnay na pagsubok ay magpapalabnaw sa mga marka ng anomalya. Sa mode na MVA-PAT ng screen ng Wafer, maaari mong suriin ang mga marka ayon sa coordinate ng die at i-export ang mga bahaging lumipat mula PASS patungong MVA Outlier (MVA Flips) sa CSV.

Measurement System Analysis

4. Pagsusuri ng Sistema ng Pagsukat ng Gauge R&R

Ang naobserbahang pagkakaiba-iba ng pagsukat ay binubuo ng aktwal na pagkakaiba-iba ng produkto na pinagsama sa pagbabago-bago na ipinakilala ng sistema ng pagsubok (instrumentasyon ng tester, probe card, contact ng socket, hardware ng interface):

$$\sigma_{\text{Total}}^2 = \sigma_{\text{PV}}^2 + \sigma_{\text{GRR}}^2 = \sigma_{\text{PV}}^2 + \sigma_{\text{EV}}^2 + \sigma_{\text{AV}}^2$$

Ang labis na ingay sa pagsukat ay nanganganib na maling tanggihan ang magandang produkto o magpadala ng mga may depektong unit sa mga customer. Ang screen ng Gauge R&R ay naghihiwalay sa kabuuang pagkakaiba-iba na ito gamit ang paulit-ulit na pagsubok ng parehong wafer. Sa pamamagitan ng pagtutugma ng mga die sa mga coordinate ng (X, Y), itinuturing ng DLOG ang mga paulit-ulit na pagsubok bilang mga wastong pagsubok kahit na magkaiba ang Lot o Wafer ID sa pagitan ng mga file.

I-click para palakihin

Larawan 4. Buod ng Gauge R&R — Halimbawa na may 3 paulit-ulit na pagsubok ng parehong wafer. Ipinapakita ng mga summary card ang mga pinag-aralang item, median %repeat, median %P/T, at mga bilang ng good / marginal / poor. Sa ibaba, inililista ng talaan ang PARTS, TRIALS, %REPEAT, %P/T, ndc, at RESULT para sa bawat pagsubok. Ang pag-double click sa isang hilera ay nagbubukas ng Detail view na nagpapakita ng mga bahagi ng pagkakaiba-iba ng EV, AV, at PV.

Mga Paunang Kinakailangan: Nangangailangan ng hindi bababa sa 2 STDF file na sumusukat sa parehong wafer nang 2 beses o higit pa (i-load ang mga file gamit ang Append...). Ang mga datalog na walang mga coordinate ng die (tulad ng huling data ng pagsubok sa package) ay hindi maitutugma.

Mga Bahagi at Paraan ng Pagkakaiba-iba

Bahagi	Paglalarawan
EV (Pagkaulit-ulit) Equipment Variation	Pagbabago-bago kapag sumusukat sa parehong bahagi nang paulit-ulit sa ilalim ng magkatulad na mga kondisyon (ingay ng tester).
AV (Reproducibility) Appraiser Variation	Pagkakaiba-iba sa iba't ibang mga file, pagsubok o site ng pagsubok (pagbabago sa contact ng socket, thermal drift).
GRR	$\sqrt{EV^2 + AV^2}$ — Kabuuang pagkakaiba-iba na ipinakilala ng sistema ng pagsukat.
PV	Tunay na manufacturing variation sa pagitan ng mga part sa buong wafer.

Sinusuportahan ng DLOG ang dalawang paraan ng pagkalkula: ANOVA (default, tinatantya ang mga bahagi ng pagkakaiba-iba mula sa Mean Squares) at Average-Range (klasikong pamamaraan ng worksheet ng AIAG gamit ang saklaw at mga salik ng $d_2$). Nagbibigay ang ANOVA ng higit na katatagan para sa malalaking laki ng sample. Dalawang mode ng pagsusuri ang available: Repeatability Only (iisang site, inalis ang AV) at Cross-Site (sinusuri ang mga site bilang mga appraiser kapag sinusukat ng lahat ng site ang bawat die).

Mga Pamantayan ng %GRR at ndc

$$\%GRR = \frac{GRR}{TV} \times 100\%, \qquad \%P/T = \frac{6 \cdot GRR}{\text{USL} - \text{LSL}} \times 100\%, \qquad ndc = 1.41 \times \frac{PV}{GRR}$$

%GRR	Pasya	Interpretasyon
< 10%	good	Ang sistema ng pagsukat ay napakahusay. Kung ang ndc ≥ 5, sapat din ang resolusyon.
10% hanggang 30%	marginal	Maaaring tanggapin batay sa kahalagahan ng aplikasyon, gastos ng bahagi, o gastos sa pagkukumpuni.
> 30%	poor	Nangingibabaw ang error sa pagsukat. Suriin ang probe contact, pagkasira ng socket, at ingay ng DIB.

Ang awtomatikong pasya (RESULT) ay pinamamahalaan ng %GRR (laban sa kabuuang pagkakaiba-iba); suriin din ang %P/T (laban sa lapad ng tolerance) (iniulat bilang N/A kung ang mga detalye ay one-sided). Ang ndc ay dapat na ≥ 5 para sa sapat na diskriminasyon; ang ndc < 2 ay hindi makikilala ang mga bahagi ng produkto. Ang mga pagsubok na may parehong mga halaga sa lahat ng mga bahagi ay hindi maaaring suriin. I-save ang mga kumpletong talahanayan sa pamamagitan ng Export CSV.

Multi-Site Variation

5. Pagsusuri ng Pagkakaiba sa Hardware ng Multi-Site

Sa parallel multi-site testing, ang mga pagkakaiba sa contact pressure ng probe needle, contact resistance (CRES) ng socket, o pagkasira ng relay pin ay madalas na nagiging sanhi upang ang isang partikular na site ay sistematikong lumihis. Inihahambing ng screen ng SITE ang yield, komposisyon ng BIN, at mga average ng parameter sa mga site upang agad na matukoy ang mga outlier ng hardware.

I-click para palakihin

Larawan 5. Tab ng PASS / FAIL sa screen ng SITE — Mga summary card (OVERALL YIELD, BEST SITE, WORST SITE, SITE SPREAD) at mga bar ng yield bawat site. Ang marka sa bawat bar ay nagpapahiwatig ng average na yield ng lot, kung saan ang numero sa kanan ay nagpapakita ng delta (hal., ang Site 3 ay -1.6%p).

Item na Susuriin	Screen	Paano Suriin
Site na may mababang yield	SITE > PASS / FAIL	Pinakamaikling bar; naka-highlight din sa card ng WORST SITE.
Konsentrasyon ng depekto	SITE > BIN	Suriin kung ang mga partikular na Fail BIN ay nakatuon sa isang site.
Pagkilos ng parametric	SITE > TEST DATA	Suriin ang paglihis ng mean ng PASS die na partikular sa site laban sa pangkalahatang mean (Δ vs overall).
Mga pagsubok na dominante sa site	SITE > TEST MATRIX	η² (bahagi ng kabuuang pagkakaiba-iba na ipinaliwanag ng mga pagkakaiba sa site). Sa ibaba ng 5% ay nagpapahiwatig ng kaunting epekto ng site, ipinapakita bilang `-`.
Kahalagahan sa estadistika	Group Analysis (Group by: Site)	Halaga ng p-value ng One-way ANOVA at mga paghahambing ng Tukey HSD.
Reproducibility ng site	Gauge R&R (Cross-Site)	Tratuhin ang mga site bilang mga appraiser kapag sumusukat sa parehong die upang suriin ang AV.

Ang numero ng site na 255 sa mga convention ng STDF ay karaniwang kumakatawan sa pinagsama-samang buod ng "ALL SITES". Piliin kung paano hahawakan ang mga talaan ng Site 255 sa ilalim ng Main Option > SITE 255 on part records (Auto / All Site / Physical site).

Process Capability

6. Cpk · Cp · Est ppm · Normalidad

Sinusukat ng mga index ng kakayahan ng proseso kung gaano kahusay ang mga distribusyon ng parameter na magkasya sa loob ng mga limitasyon ng detalye (LL/HL). Ipinapakita ng DLOG ang Cpk at Cp sa Test Item Statistics ng screen ng Chart, ang listahan ng sidebar ng Tests (Cpk), at ang buod ng kakayahan ng Dashboard.

$$C_p = \frac{\text{USL} - \text{LSL}}{6\sigma}, \qquad C_{pk} = \min\left(\frac{\text{USL} - \mu}{3\sigma}, \; \frac{\mu - \text{LSL}}{3\sigma}\right)$$ $$\text{Est ppm} = \left[\Phi\!\left(\frac{\text{LSL} - \mu}{\sigma}\right) + 1 - \Phi\!\left(\frac{\text{USL} - \mu}{\sigma}\right)\right] \times 10^6$$

Dito, ang $\mu$ at $\sigma$ ay kumakatawan sa sample mean at sample standard deviation sa loob ng kasalukuyang napiling saklaw. Ang Est ppm ay kumakatawan sa teoretikal na two-sided tail probability batay sa normal distribution. Para sa mga one-sided limit, tanging ang naaangkop na tail (itaas o ibabang dulo) ang sinusuri. Sa pagmamarka ng kakayahan ng Dashboard, ang Cpk ay ikinategorya bilang default bilang Kritikal (< 1.00), Marginal (1.00 hanggang 1.33), at Mabuti (≥ 1.33), na maaaring baguhin sa mga setting.

Cpk	Antas ng Sigma	Kadar ng Depekto sa Normal Tail	Konteks sa Industriya
`1.00`	$3\sigma$	Tinatayang 2,700 ppm	Nakasentro ang mean, may 3σ margin sa mga limitasyon ng spec
`1.33`	$4\sigma$	Tinatayang 63 ppm	Pamantayang benchmark sa pagmamanupaktura sa industriya
`1.50`	$4.5\sigma$	Tinatayang 6.8 ppm	Target para sa mga linyang may mataas na yield
`1.67`	$5\sigma$	Tinatayang 0.57 ppm	Hinihiling sa automotive at mission-critical na semiconductors
`2.00`	$6\sigma$	Tinatayang 0.002 ppm	Layunin ng Six Sigma zero-defect

Ang mga halaga sa talahanayan ay mga teoretikal na numero na nagpapalagay ng nakasentro na data at perpektong Gaussian normality. Sundin ang mga kontrata ng customer at pormal na mga detalye ng produkto para sa mga umiiral na pamantayan sa pagtanggap.

Pagsusuri sa Normalidad at mga Plot ng CDF / Probabilidad

Ang Cpk at Est ppm ay mapagkakatiwalaan lamang kapag ang data ay tunay na sumusunod sa isang Gaussian normal distribution. Kinakalkula ng DLOG ang p-value ng pagsubok na Anderson-Darling na sensitibo sa dulo, na ipinakita bilang Normality (AD). Ang halaga ng p < 0.05 ay nagpapahiwatig ng malaking paglihis mula sa normalidad.

CDF / Probabilidad: Empirical cumulative distribution kumpara sa teoretikal na normal curve

I-click para palakihin

Larawan 6. CDF / Probabilidad — Ang malaking pagkakaiba sa pagitan ng empirical cumulative distribution (asul na linya) at ng teoretikal na normal curve (kulay-abo na putol-putol na linya) ay nagbabala laban sa pagtitiwala sa Cpk nang walang pagsusuri. Ang isang heavy right tail (mabigat na kanang dulo) ay nagpapahiwatig na ang mga aktwal na part na lumalabas sa spec ay higit na marami kaysa sa inaasahan sa normal Gaussian distribution.

Halimbawa mula sa Larawan 1 (IDDQ_STANDBY): Ang Cpk ay nagpapakita ng 0.749 na may Est ppm 12,602 (~1.3%), ngunit ang aktwal na bilang ng wala sa spec ay 18 sa 591 bahagi (~3.0%), at ang p-value ng Normality (AD) ay halos 0. Dahil sa isang kapansin-pansing right skew, labis na minamaliit ng pagpapalagay ng Gaussian ang aktwal na rate ng depekto. Para sa mga skew na parameter, kumonsulta sa mga chart na nakabatay sa quantile (Box Plot, CDF / Probabilidad) at tingnan ang Group Analysis > Distribution Fit (na umaangkop sa Normal, Lognormal, at Weibull na distribusyon na niraranggo ayon sa mga marka ng Anderson-Darling).

Correlation, ANOVA & Test Time

7. Pagsusuri ng Korelasyon · ANOVA · TTO

Ang mga ugat na sanhi sa pagsubok ng semiconductor ay kadalasang lumalabas hindi sa isang parameter, ngunit sa pamamagitan ng mga pakikipag-ugnayan sa pagitan ng maraming pagsubok o sa iba't ibang grupo ng pagpapatakbo (site, temperatura, lot, test file). Sinusuri ng screen ng Correlation kung paano magkasamang gumagalaw ang mga parameter, habang kinukumpirma ng Group Analysis kung ang mga pagkakaiba sa pagitan ng mga pangkat ay makabuluhan sa istatistika.

I-click para palakihin

Larawan 7-1. Korelasyon — Matrix heatmap (pula/pink = positibong korelasyon, asul = negatibong korelasyon), scatter plot para sa dalawang napiling pagsubok (may linya ng regresi, r, at R²), at pagraranggo ng Top correlations.

Box plot ng Pagsusuri ng Grupo at mga resulta ng ANOVA

I-click para palakihin

Larawan 7-2. Pagsusuri ng Grupo — Mga box plot sa mga site at bar ng buod ng One-way ANOVA sa ibaba (Groups, N, Eta², F, Tukey HSD, p-value).

Korelasyong Pearson at Spearman

$$r_{xy} = \frac{\sum_{i=1}^N (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum_{i=1}^N (x_i - \bar{x})^2} \sqrt{\sum_{i=1}^N (y_i - \bar{y})^2}}$$

Sinusukat ng korelasyon ng Pearson ang lakas ng linyar na relasyon, samantalang ang korelasyon ng Spearman na nakabatay sa ranggo ay matatag laban sa mga outlier at nakakakuha ng mga monotonic na relasyon na hindi linyar. Inaayos ng pag-uuri ng Cluster ang mga pagsubok na may mataas na korelasyon na magkatabi upang ipakita ang mga bloke ng istruktura. Ang pagtatakda ng mga Parameter sa Auto ay awtomatikong naghihiwalay sa mga pagsubok na nagpapakita ng malakas na korelasyon (|r| ≥ 0.70).

Mga Redundant na Pagsubok at TTO: Ang mga pares ng pagsubok na may |r| ≥ 0.95 ay kadalasang sumusukat sa eksaktong parehong pisikal na katangian at naka-highlight bilang Mga Redundant na Kandidato. Ang TTO Engine (Pag-optimize ng Oras ng Pagsubok) ay nagpapangkat ng mga collinear test (|r| ≥ 0.95), pumipili ng nag-iisang pagsubok na nakakakuha ng pinakamaraming unit ng depekto bawat pangkat, at nagmumungkahi ng Mga Kandidato sa Pag-drop upang paikliin ang mga oras ng pagsubok. Kung ang sukatan ng Only Drop Fails ay mas malaki sa 0, ang pag-drop sa test na iyon ay maaaring magdulot ng defect escape (makalusot ang mga depektibong part); suriin ang mga detalye ng disenyo bago gumawa ng mga huling pagbabago.

One-way ANOVA (Pagsusuri ng Pagkakaiba-iba)

Hinihiwalay ng Group Analysis ang mga resulta ng pagsubok ayon sa Site, File, Corner, Temp, Process, Node, Program-Rev, o Product upang matukoy kung ang mga mean ng pangkat ay malaki ang pagkakaiba sa istatistika:

$$F = \frac{MS_{\text{Between}}}{MS_{\text{Within}}} = \frac{\sum_{j=1}^k n_j (\bar{x}_j - \bar{x})^2 / (k - 1)}{\sum_{j=1}^k \sum_{i=1}^{n_j} (x_{ij} - \bar{x}_j)^2 / (N - k)}, \qquad \eta^2 = \frac{SS_{\text{Between}}}{SS_{\text{Total}}}$$

p-value < 0.05: Kung ipinapalagay na ang mga mean ng pangkat ay magkapareho, ang posibilidad na maobserbahan ang kasalukuyang mga pagkakaiba sa pamamagitan lamang ng pagkakataon ay mas mababa sa 5%. Matutukoy na hindi bababa sa isang mean ng pangkat ang malaki ang pagkakaiba.
Eta² (η²): Bahagi ng kabuuang pagkakaiba-iba na ipinaliwanag ng pag-uuri ng pangkat. Ang malapit sa 0 ay nagpapahiwatig ng napakaliit na epekto ng pangkat; ang 0.40 ay nangangahulugan na 40% ng pagkakaiba-iba ng parameter ay nagmumula sa mga pagkakaiba sa pangkat.
Tukey HSD: Sinusuri ang mga pairwise contrast ng pangkat upang iulat ang eksaktong bilang ng mga magkakaibang pares (hal., "0 of 6 pairs differ").

Ang halimbawa sa Larawan 7-2 ay nagpapakita ng Eta² 0.001 at p-value 0.6772, na nagpapatunay na walang makabuluhang pagkakaiba-iba sa site. Ang berdeng chip na No difference ay nagbibigay ng agarang kumpirmasyon.

Practical Field Guide

8. Pagkilala sa Drift ng Proseso vs. Ingay ng Pagsukat

Kapag bumaba ang Cpk o bumagsak ang yield, ang mga koponan sa fab ay madalas na naghihinala sa hardware ng pagsubok, habang ang mga koponan sa pagsubok ay naghihinala sa paggawa ng wafer. Sa pamamagitan ng pagsasama-sama ng mga screen ng pagsusuri ng DLOG, maaari mong makilala ang mga ugat na sanhi gamit ang empirical na data.

Lugar ng Pagsusuri	Ugat na Sanhi sa Fab / Proseso	Ugat na Sanhi sa Tester / Pagsukat
Spatial Pattern (Wafer > Signature)	Concentric ring, pagbagsak sa gilid ng wafer, center hot spot, lokal na kumpol	Mababang yield na may halos zero cluster score (random), shot-pitch o periodicity ng site
Pagkakaiba sa Site (SITE, Group Analysis)	Pantay na distribusyon sa lahat ng mga site ng pagsubok	Offset sa iisang site, makabuluhang One-way ANOVA p-value
Sistema ng Pagsukat (Gauge R&R)	Mababang %GRR, nangingibabaw ang Part Variation (PV)	Mataas na %GRR, nangingibabaw ang pagkakaiba-iba ng Kagamitan (EV) o Appraiser (AV)
Trend sa Pagkakasunod-sunod (Chart > Trend)	Paitaas/paibabang pagbabago na nakahanay sa mga hangganan ng wafer o lot	Patuloy na drift sa buong pagkakasunud-sunod ng pagsubok, biglaang paglipat pagkatapos ng serbisyo sa probe card/socket
Pagwawasto	Suriin ang kagamitan sa fab at mga recipe (lithography, etch, CMP, deposition)	Linisin o palitan ang probe card / socket, kumpirmahin ang pagkakahanay, suriin ang DIB grounding

Pagtatakda ng PAT Sigma: Sa maagang pagtaas ng produksyon na may limitadong laki ng sample, magsimula sa maluluwag na k multiplier. Gamitin ang Yield Loss vs Quality Risk upang balansehin ang labis na pagtanggi laban sa mga sukatan ng panganib, dahan-dahang higpitan ang mga limitasyon habang lumalaki ang dami. Kapag nakolekta na ang sapat na data ng baseline, ihambing ang DPAT vs lot baseline kasama ang DPAT bawat wafer.

FAQ & Report Export

9. Mga Madalas Itanong (FAQ) & Pag-export ng Ulat

Mga Madalas Itanong (FAQ)

Q1. Bakit nag-uulat ang mga customer ng mga pagbabalik sa field (RMA) kahit mataas ang Cpk?
Sinusuri ng Cpk ang isang parameter na nagpapalagay ng karaniwang distribusyon ng Gaussian. Ang mga non-normal distribution (mga bimodal distribution, heavy tails / mabibigat na dulo) o mga kumbinasyon ng maraming test na pumapasa sa scalar limits ngunit sumisira sa mga pisikal na ugnayan ay hindi mahuhuli ng Cpk lamang. Pagsamahin ang PAT+ (DPAT · SPAT) at MVA (MVA Explorer, Wafer MVA-PAT) upang ma-detect ang mga banayad na depekto at maiwasan ang defect escape.

Q2. Nag-uulat ang aking Gauge R&R ng %GRR sa 35%. Dapat ko bang siyasatin muna ang EV o AV?
Suriin ang mga bahagi ng pagkakaiba-iba sa ilalim ng Gauge R&R Detail. Kung nangingibabaw ang EV, tumuon sa ingay ng tester, grounding, ripple ng power supply, at shielding. Kung nangingibabaw ang AV, siyasatin ang mga pagkakaiba sa file o site (pagkasira ng socket, pagkakahanay ng docking, pagkakalibrate).

Q3. Anong mga datalog file ang kinakailangan upang patakbuhin ang Gauge R&R?
Kailangan mo ng hindi bababa sa 2 STDF file mula sa paulit-ulit na pagsubok ng eksaktong parehong wafer, na naglalaman ng mga coordinate ng die (X, Y). I-load ang mga retest file gamit ang Append.... Ang final test data para sa mga packaged device na walang coordinate records ay hindi maaaring gamitin dahil hindi maitutugma ang bawat unit.

Q4. Maaari ko bang i-export ang mga talahanayan ng pagsusuri sa Excel o mga pormal na ulat sa engineering?
Oo. I-click ang Export CSV sa anumang screen upang mag-save ng data ng talahanayan. Gamitin ang Export > Save Report upang makabuo ng mga pormal na ulat sa PDF, Excel (.xlsx), Word (.docx), o larawan. Mag-export ng 1 pahina bawat pagsubok na mga tsart ng limitasyon ng PAT sa pamamagitan ng PAT (PDF).

Mga Tampok ng Ulat: Upang matutunan kung paano bumuo ng dokumentasyong handa para sa customer na may mga tsart ng istatistika, mga talahanayan ng buod, at mga mapa ng wafer, bisitahin ang aming Pahina ng Gabay sa Ulat →.

Suriin ang Kakayahan ng Proseso at Pagkamaaasahan ng Pagsukat gamit ang DLOG

Pagsusuri ng outlier sa PAT+, MVA explorer, Gauge R&R, pagsusuri sa multi-site, at mga estadistika ng Cpk.
Maranasan ang malalimang pagsusuri ng STDF sa 100% offline na kapaligiran nang libre sa loob ng 6 na buwan.

I-download ang Libreng 6 na Buwang Subok (Windows 64-bit)