#案例1

產(chǎn)線控制圖異常偵測與優(yōu)化

線上控制圖是工廠用來偵測產(chǎn)品規(guī)格是否在可接受范圍內(nèi)的工具，當(dāng)產(chǎn)品規(guī)格超出標(biāo)準(zhǔn)控制限之外 ，工廠需要立即檢測產(chǎn)線上的制程狀況，并且采取緊急措施將產(chǎn)品的報(bào)廢量降到最低。

在應(yīng)用材料（Applied Materials）公司，某客戶在 CIS產(chǎn)品上的線上控制圖發(fā)生了兩周內(nèi)偵測值超過控制線標(biāo)準(zhǔn)，導(dǎo)致設(shè)備需要停止生產(chǎn)，并做相關(guān)清潔工作的情況。然而，每一次的清潔流程都將造成工廠高成本的支出，如何降低此種問題發(fā)生的頻率呢？

首先，工程師團(tuán)隊(duì)使用應(yīng)用材料公司的光訊號偵測系統(tǒng)來收集數(shù)據(jù)。然后，利用 JMP軟件的 Box Plot（箱線圖）, Line Plot（線圖）, Distribution Plot（分布圖）, Graph Plot（繪圖）等多種功能對數(shù)據(jù)做初步檢視，找出異常數(shù)據(jù)點(diǎn)及離群值。

探索完原始數(shù)據(jù)的分布趨勢后，利用 JMP軟件的ANOVA功能來分析所有產(chǎn)品之間有無差異性。接著，使用 JMP軟件的 Sample Power Test決定采取樣品數(shù)量是否足夠采信再使用 JMP的 Equivalent Test, Comparison Test判別兩兩產(chǎn)品之間的差異性。

在確定了差異性顯著后，工程師團(tuán)隊(duì)使用 JMP的 Fit Y by X功能得出回歸模型，將過往產(chǎn)品收集的原始數(shù)據(jù)利用此模型重新評估。

最終實(shí)驗(yàn)結(jié)果顯示，應(yīng)用材料公司的光訊號偵測系統(tǒng)能有效地幫助線上控制圖的數(shù)據(jù)維持在目標(biāo)上，并且延長清潔設(shè)備的周期時間，降低了工廠成本及產(chǎn)品報(bào)廢數(shù)量。

#案例2

改進(jìn)量測重復(fù)性與再現(xiàn)性GRR

任何有效的數(shù)據(jù)分析都離不開數(shù)據(jù)質(zhì)量的保障，數(shù)據(jù)一般情況下是測量的結(jié)果，而在高精度的半導(dǎo)體高科技制造業(yè)更是如此，其特別強(qiáng)調(diào)測量數(shù)據(jù)本身的質(zhì)量和相應(yīng)的測量系統(tǒng)分析，高質(zhì)量的數(shù)據(jù)是精細(xì)化質(zhì)量管理的前提條件。

在應(yīng)用材料公司，工程師想要改進(jìn)擴(kuò)散器（Diffuser）孔徑尺寸的針規(guī)（Pin Gauge）測量能力。那么，該如何優(yōu)化此項(xiàng)目呢？

工程師團(tuán)隊(duì)決定采用JMP平臺進(jìn)行分析。

首先，使用 C&E Diagram 列出測量誤差的潛在根本原因，并利用 DOE 樣本量和功效計(jì)算所需的測量分辨率 (10%)。

在找到合適的因子之后，使用 Bias and Linearity 確保 GRR 評估前測量精度的標(biāo)準(zhǔn)化程序?qū)嵤?/p>

隨后，工程師分別對操作員和零件使用單因子方差分析來識別操作員之間的變異并確定尺寸范圍內(nèi)零件的選擇，進(jìn)一步闡述了GRR標(biāo)準(zhǔn)P/T比（Precision to Tolerance）而非P/TV比（Precision to Total Variance）的原因。

接著，使用 GRR 雙向方差分析來檢測由于過程均勻性而不是由于測量設(shè)備的可重復(fù)性引起的零件對操作員交互作用。進(jìn)行Design Choice survey，檢測接受者在閱讀測量標(biāo)準(zhǔn)作業(yè)流程SOP前后對關(guān)鍵測量因素的差異，以提高量測工具的再現(xiàn)性。

最后，使用SPC Chart監(jiān)測GRR的穩(wěn)定性，計(jì)算GRR P/V比的制程長期標(biāo)準(zhǔn)偏差，確定制程合理分組，從而成功改進(jìn)項(xiàng)目。

審核編輯：劉清