SlideShare a Scribd company logo
1 of 12
Download to read offline
Copyright © JMP Statistical Discovery LLC. All Rights Reserved.
KOREA
Copyright © JMP Statistical Discovery LLC. All rights reserved.
Semiconductor Material Quality Improvement,
SmartPAM (Proactive Analysis Material)
Yerin Jeong
Technical Leader, SK hynix Inc.
Material analysis
with Semiconductor Manufacturing Process using JMP
To Find ‘Key Para (Q-index)’
Introduction
Data Architecture
Interface & Example
Advantages of this Tool
Using Plan
Bad
Good
Best
소재-공정 연계 대용량 Data 신속 분석 System 개발 (SmartPAM)
불량 원인 사전 검출 + 개선 인자 추출 및 확장
Big
Data
SmartPAM
소
재
공
정
• 원재료
• 제조공정
• 품질 분석
• Response
• Source
• Defect
• 수율
Bad
Good
Best
Interlock
& 원인 규명
Interlock
“당연한 게
당연하지 않다”
[소재-공정 연계분석]
불량 원인 사전 검출
개선 인자 추출&확장
Introduction
COA + MQMS
+ Hidden Para
Data Collection
Machine Learning
Q-Index
Shift Left, Early Sensing
SmartPAM
Easy Setup
& Auto Analysis
Introduction
* COA : Certificate of Analysis
* MQMS : Material Quality Management System
소재 - 제조 공정(Response, Source, Defect, 수율 등) 대용량 Data를
단시간 내에 연계 및 분석에 용이한 형태로 가공하여 제공
“소재/공정 연계 Data”를
전 소재 범주로 통합해서 제공
산재된 공정과 소재 Data
결합으로 분석 Set 생성
소재 별 특성 반영
통계값 산출, 결합 Data 처리
장기간 조회 시에도
빠르게 분석 Data 제공
Data 연계 및 Processing
사용 소재 Data
smartQMS
COA MQMS
SmartTAS
Response Source Defect 수율 장비 소재
Data Lake
투입소재 이력
소재 기준정보
공정 Data
Response
Case 1
소재별 통계 Data
Case 2
최종 분석 Dataset
Wafer No. Para #1 Para #2 Para #N Para #1 Para #2 Para #N
기준 정보 소재 [독립변인] 공정 [종속변인]
Source
Defect
Probe Test
Response
Source
Defect
Probe Test
투입
소재
Data Architecture
Interface & Example
조건 선택 X-Y 설정 M/L 분석 – 개별 분석 M/L 분석 –연계 분석
전 처리
Q-index 도출
Fit Model, Decision Tree
Random Forest, Boosted Tree
> Model Competition
UI & Example
Q-Index
= 6.045*10^-7* Para A.
+ 3.045 * Metal A. + 1.36 * Para B.
신규 Para. 등록 & Spec 관리
Q-index 도출 → Q-index 기준 BP 품질 및 Spec 강화
0
10
20
30
0 5 10 15
DEFECT
RATE
Bad
Good 개선
Q-index 도출
Data Lake
SK하이닉스
소재 BP
In-line Data
수율
CoA, MQMS + @
UI & Example
Feedback
(Conversion Data)
Q-index Feedback
SmartPAM
* BP : Business Partner
As-Is To-Be
3hr 5min
15min ≤1min
30min ≤1min
≥2hr
(개인차 발생)
≤1min
≥2hr
(개인차 발생)
≤30min
Manual Automatic
-. Before FTE = (65명)*(405min)*(78회) / 65894 = 31.1614
-. After FTE = (65명)*(38min)*(78회) / 65894 = 2.92379
Data 수집 및 X,Y 선정
데이터 전처리
(Data Cleaning)
탐색적 데이터분석
(EDA)
Q-index 분석
(Predictor Screening)
Model 수립
(Model Competition)
Run, 배포
1. 분석 소요 시간 405min → 38min
2. Data 기반 Q-index 고도화
3. 수율, Inline 산포 개선 기여
4. Digital PCN, Digital 선 검증
5. 효율화 지수 90.62%
= (1 – (After FTE / Before FTE)) * 100
= 90.62%
Advantages of this Tool
* PCN : Process Change Notice
Using Plan
Step 1.
우선 개선 공정
조건 Set-up
Step 2.
Q-index 도출
소재 BP사 F/B
Step 3.
Q-index 개선 Spec. 강화
Inline 정합성 확보
SmartPAM System 기반 공정 산포 개선 → 소재 품질 예측 관리로 확장
Step 4.
소재 품질 예측 관리
(Digital PCN, Digital 선 검증)
‘23 10 ’23 12 ’24 1Q ’24 2Q
Copyright © JMP Statistical Discovery LLC. All rights reserved.
KOREA

More Related Content

Similar to 3-2: Smart Proactive Analysis Material

1-2: QbD 기반 의약품 개발의 통계분석 및 JMP 활용사례 (한가람 김종민 대표)
1-2: QbD 기반 의약품 개발의 통계분석 및 JMP 활용사례 (한가람 김종민 대표)1-2: QbD 기반 의약품 개발의 통계분석 및 JMP 활용사례 (한가람 김종민 대표)
1-2: QbD 기반 의약품 개발의 통계분석 및 JMP 활용사례 (한가람 김종민 대표)JMP Korea
 
IT전략계획- 02.정보전략계획(isp)
IT전략계획- 02.정보전략계획(isp)IT전략계획- 02.정보전략계획(isp)
IT전략계획- 02.정보전략계획(isp)InGuen Hwang
 
4-3: 제조 계측 장비 비정형 데이터 파일 기반으로 데이터 변환 및 관리도 분석 서비스
4-3: 제조 계측 장비 비정형 데이터 파일 기반으로 데이터 변환 및 관리도 분석 서비스4-3: 제조 계측 장비 비정형 데이터 파일 기반으로 데이터 변환 및 관리도 분석 서비스
4-3: 제조 계측 장비 비정형 데이터 파일 기반으로 데이터 변환 및 관리도 분석 서비스JMP Discovery Summit Korea 2023
 
4-2: 제조 계측장비 비정형 데이터파일 기반으로 데이터변환 및 관리도분석 서비스 (한화오션 박진원 박사)
4-2: 제조 계측장비 비정형 데이터파일 기반으로 데이터변환 및 관리도분석 서비스 (한화오션 박진원 박사)4-2: 제조 계측장비 비정형 데이터파일 기반으로 데이터변환 및 관리도분석 서비스 (한화오션 박진원 박사)
4-2: 제조 계측장비 비정형 데이터파일 기반으로 데이터변환 및 관리도분석 서비스 (한화오션 박진원 박사)JMP Korea
 
[오픈소스컨설팅]Java Performance Tuning
[오픈소스컨설팅]Java Performance Tuning[오픈소스컨설팅]Java Performance Tuning
[오픈소스컨설팅]Java Performance TuningJi-Woong Choi
 
[2016 데이터 그랜드 컨퍼런스] 5 4(보안,품질). 비투엔 4차산업혁명의성공 데이터품질
[2016 데이터 그랜드 컨퍼런스] 5 4(보안,품질). 비투엔 4차산업혁명의성공 데이터품질[2016 데이터 그랜드 컨퍼런스] 5 4(보안,품질). 비투엔 4차산업혁명의성공 데이터품질
[2016 데이터 그랜드 컨퍼런스] 5 4(보안,품질). 비투엔 4차산업혁명의성공 데이터품질K data
 
1-1: 바이오 의약품 공정 개발 및 특성 분석을 위한 DOE 연구 사례
1-1: 바이오 의약품 공정 개발 및 특성 분석을 위한 DOE 연구 사례1-1: 바이오 의약품 공정 개발 및 특성 분석을 위한 DOE 연구 사례
1-1: 바이오 의약품 공정 개발 및 특성 분석을 위한 DOE 연구 사례JMP Discovery Summit Korea 2023
 
1-1: 바이오 의약품 공정개발 및 특성분석을 위한 DOE 연구사례 (종근당 권상오 수석)
1-1: 바이오 의약품 공정개발 및 특성분석을 위한 DOE 연구사례 (종근당 권상오 수석)1-1: 바이오 의약품 공정개발 및 특성분석을 위한 DOE 연구사례 (종근당 권상오 수석)
1-1: 바이오 의약품 공정개발 및 특성분석을 위한 DOE 연구사례 (종근당 권상오 수석)JMP Korea
 
데브시스터즈 데이터 레이크 구축 이야기 : Data Lake architecture case study (박주홍 데이터 분석 및 인프라 팀...
데브시스터즈 데이터 레이크 구축 이야기 : Data Lake architecture case study (박주홍 데이터 분석 및 인프라 팀...데브시스터즈 데이터 레이크 구축 이야기 : Data Lake architecture case study (박주홍 데이터 분석 및 인프라 팀...
데브시스터즈 데이터 레이크 구축 이야기 : Data Lake architecture case study (박주홍 데이터 분석 및 인프라 팀...Amazon Web Services Korea
 
Data Driven Decision을 위한 데이터플랫폼구축기@kakaomobility
Data Driven Decision을 위한 데이터플랫폼구축기@kakaomobilityData Driven Decision을 위한 데이터플랫폼구축기@kakaomobility
Data Driven Decision을 위한 데이터플랫폼구축기@kakaomobilityJongho Woo
 
[DDC 2018] 제조분야 AI/ML 적용 사례 (Bistel, 김현진)
[DDC 2018] 제조분야 AI/ML 적용 사례 (Bistel, 김현진)[DDC 2018] 제조분야 AI/ML 적용 사례 (Bistel, 김현진)
[DDC 2018] 제조분야 AI/ML 적용 사례 (Bistel, 김현진)Metatron
 
SQream DB, GPU-accelerated data warehouse
SQream DB, GPU-accelerated data warehouseSQream DB, GPU-accelerated data warehouse
SQream DB, GPU-accelerated data warehouseNAVER Engineering
 
[코세나, kosena] 금융권의 머신러닝 활용사례
[코세나, kosena] 금융권의 머신러닝 활용사례[코세나, kosena] 금융권의 머신러닝 활용사례
[코세나, kosena] 금융권의 머신러닝 활용사례kosena
 
Talk IT_ Oracle_한혜영_110720
Talk IT_ Oracle_한혜영_110720Talk IT_ Oracle_한혜영_110720
Talk IT_ Oracle_한혜영_110720Cana Ko
 
파이썬 데이터 분석 3종세트
파이썬 데이터 분석 3종세트파이썬 데이터 분석 3종세트
파이썬 데이터 분석 3종세트itproman35
 
데이터 분석 프로세스
데이터 분석 프로세스데이터 분석 프로세스
데이터 분석 프로세스Lee Seungeun
 
Nexpom - SPC for based on Big Data
Nexpom - SPC for based on Big DataNexpom - SPC for based on Big Data
Nexpom - SPC for based on Big DataHwan Lee
 
K ems 20060428
K ems 20060428K ems 20060428
K ems 20060428상진 정
 
Deep Learning for AI (1)
Deep Learning for AI (1)Deep Learning for AI (1)
Deep Learning for AI (1)Dongheon Lee
 

Similar to 3-2: Smart Proactive Analysis Material (20)

1-2: QbD 기반 의약품 개발의 통계분석 및 JMP 활용사례 (한가람 김종민 대표)
1-2: QbD 기반 의약품 개발의 통계분석 및 JMP 활용사례 (한가람 김종민 대표)1-2: QbD 기반 의약품 개발의 통계분석 및 JMP 활용사례 (한가람 김종민 대표)
1-2: QbD 기반 의약품 개발의 통계분석 및 JMP 활용사례 (한가람 김종민 대표)
 
IT전략계획- 02.정보전략계획(isp)
IT전략계획- 02.정보전략계획(isp)IT전략계획- 02.정보전략계획(isp)
IT전략계획- 02.정보전략계획(isp)
 
4-3: 제조 계측 장비 비정형 데이터 파일 기반으로 데이터 변환 및 관리도 분석 서비스
4-3: 제조 계측 장비 비정형 데이터 파일 기반으로 데이터 변환 및 관리도 분석 서비스4-3: 제조 계측 장비 비정형 데이터 파일 기반으로 데이터 변환 및 관리도 분석 서비스
4-3: 제조 계측 장비 비정형 데이터 파일 기반으로 데이터 변환 및 관리도 분석 서비스
 
4-2: 제조 계측장비 비정형 데이터파일 기반으로 데이터변환 및 관리도분석 서비스 (한화오션 박진원 박사)
4-2: 제조 계측장비 비정형 데이터파일 기반으로 데이터변환 및 관리도분석 서비스 (한화오션 박진원 박사)4-2: 제조 계측장비 비정형 데이터파일 기반으로 데이터변환 및 관리도분석 서비스 (한화오션 박진원 박사)
4-2: 제조 계측장비 비정형 데이터파일 기반으로 데이터변환 및 관리도분석 서비스 (한화오션 박진원 박사)
 
[오픈소스컨설팅]Java Performance Tuning
[오픈소스컨설팅]Java Performance Tuning[오픈소스컨설팅]Java Performance Tuning
[오픈소스컨설팅]Java Performance Tuning
 
[2016 데이터 그랜드 컨퍼런스] 5 4(보안,품질). 비투엔 4차산업혁명의성공 데이터품질
[2016 데이터 그랜드 컨퍼런스] 5 4(보안,품질). 비투엔 4차산업혁명의성공 데이터품질[2016 데이터 그랜드 컨퍼런스] 5 4(보안,품질). 비투엔 4차산업혁명의성공 데이터품질
[2016 데이터 그랜드 컨퍼런스] 5 4(보안,품질). 비투엔 4차산업혁명의성공 데이터품질
 
Pmo tasks status
Pmo tasks statusPmo tasks status
Pmo tasks status
 
1-1: 바이오 의약품 공정 개발 및 특성 분석을 위한 DOE 연구 사례
1-1: 바이오 의약품 공정 개발 및 특성 분석을 위한 DOE 연구 사례1-1: 바이오 의약품 공정 개발 및 특성 분석을 위한 DOE 연구 사례
1-1: 바이오 의약품 공정 개발 및 특성 분석을 위한 DOE 연구 사례
 
1-1: 바이오 의약품 공정개발 및 특성분석을 위한 DOE 연구사례 (종근당 권상오 수석)
1-1: 바이오 의약품 공정개발 및 특성분석을 위한 DOE 연구사례 (종근당 권상오 수석)1-1: 바이오 의약품 공정개발 및 특성분석을 위한 DOE 연구사례 (종근당 권상오 수석)
1-1: 바이오 의약품 공정개발 및 특성분석을 위한 DOE 연구사례 (종근당 권상오 수석)
 
데브시스터즈 데이터 레이크 구축 이야기 : Data Lake architecture case study (박주홍 데이터 분석 및 인프라 팀...
데브시스터즈 데이터 레이크 구축 이야기 : Data Lake architecture case study (박주홍 데이터 분석 및 인프라 팀...데브시스터즈 데이터 레이크 구축 이야기 : Data Lake architecture case study (박주홍 데이터 분석 및 인프라 팀...
데브시스터즈 데이터 레이크 구축 이야기 : Data Lake architecture case study (박주홍 데이터 분석 및 인프라 팀...
 
Data Driven Decision을 위한 데이터플랫폼구축기@kakaomobility
Data Driven Decision을 위한 데이터플랫폼구축기@kakaomobilityData Driven Decision을 위한 데이터플랫폼구축기@kakaomobility
Data Driven Decision을 위한 데이터플랫폼구축기@kakaomobility
 
[DDC 2018] 제조분야 AI/ML 적용 사례 (Bistel, 김현진)
[DDC 2018] 제조분야 AI/ML 적용 사례 (Bistel, 김현진)[DDC 2018] 제조분야 AI/ML 적용 사례 (Bistel, 김현진)
[DDC 2018] 제조분야 AI/ML 적용 사례 (Bistel, 김현진)
 
SQream DB, GPU-accelerated data warehouse
SQream DB, GPU-accelerated data warehouseSQream DB, GPU-accelerated data warehouse
SQream DB, GPU-accelerated data warehouse
 
[코세나, kosena] 금융권의 머신러닝 활용사례
[코세나, kosena] 금융권의 머신러닝 활용사례[코세나, kosena] 금융권의 머신러닝 활용사례
[코세나, kosena] 금융권의 머신러닝 활용사례
 
Talk IT_ Oracle_한혜영_110720
Talk IT_ Oracle_한혜영_110720Talk IT_ Oracle_한혜영_110720
Talk IT_ Oracle_한혜영_110720
 
파이썬 데이터 분석 3종세트
파이썬 데이터 분석 3종세트파이썬 데이터 분석 3종세트
파이썬 데이터 분석 3종세트
 
데이터 분석 프로세스
데이터 분석 프로세스데이터 분석 프로세스
데이터 분석 프로세스
 
Nexpom - SPC for based on Big Data
Nexpom - SPC for based on Big DataNexpom - SPC for based on Big Data
Nexpom - SPC for based on Big Data
 
K ems 20060428
K ems 20060428K ems 20060428
K ems 20060428
 
Deep Learning for AI (1)
Deep Learning for AI (1)Deep Learning for AI (1)
Deep Learning for AI (1)
 

More from JMP Discovery Summit Korea 2023

Keynote 3: 실험 설계의 강화 - 단순함에서 정교함으로
Keynote 3: 실험 설계의 강화 - 단순함에서 정교함으로Keynote 3: 실험 설계의 강화 - 단순함에서 정교함으로
Keynote 3: 실험 설계의 강화 - 단순함에서 정교함으로JMP Discovery Summit Korea 2023
 
Keynote 4: IES 통계 분석 능력의 강화 - JMP와 Python의 시너지
Keynote 4: IES 통계 분석 능력의 강화 - JMP와 Python의 시너지Keynote 4: IES 통계 분석 능력의 강화 - JMP와 Python의 시너지
Keynote 4: IES 통계 분석 능력의 강화 - JMP와 Python의 시너지JMP Discovery Summit Korea 2023
 
2-2: 다양한 무고장 조건에서 필드 차량 클레임 분석 자동화
2-2: 다양한 무고장 조건에서 필드 차량 클레임 분석 자동화2-2: 다양한 무고장 조건에서 필드 차량 클레임 분석 자동화
2-2: 다양한 무고장 조건에서 필드 차량 클레임 분석 자동화JMP Discovery Summit Korea 2023
 
3-1: Semiconductor Wafer Test Fail Map Clustering and Data Mining using JMP A...
3-1: Semiconductor Wafer Test Fail Map Clustering and Data Mining using JMP A...3-1: Semiconductor Wafer Test Fail Map Clustering and Data Mining using JMP A...
3-1: Semiconductor Wafer Test Fail Map Clustering and Data Mining using JMP A...JMP Discovery Summit Korea 2023
 
3-3: 분석 콘텐츠 재사용성 향상을 위한 AppStore 생태계 구축
3-3: 분석 콘텐츠 재사용성 향상을 위한 AppStore 생태계 구축3-3: 분석 콘텐츠 재사용성 향상을 위한 AppStore 생태계 구축
3-3: 분석 콘텐츠 재사용성 향상을 위한 AppStore 생태계 구축JMP Discovery Summit Korea 2023
 
4-2: 네거티브 디자인 개념을 활용한 군함 초기 설계에 적용되는 디자인 영역 탐색
4-2: 네거티브 디자인 개념을 활용한 군함 초기 설계에 적용되는 디자인 영역 탐색4-2: 네거티브 디자인 개념을 활용한 군함 초기 설계에 적용되는 디자인 영역 탐색
4-2: 네거티브 디자인 개념을 활용한 군함 초기 설계에 적용되는 디자인 영역 탐색JMP Discovery Summit Korea 2023
 

More from JMP Discovery Summit Korea 2023 (10)

Keynote 2: 엔지니어링 효율성 개선
Keynote 2: 엔지니어링 효율성 개선Keynote 2: 엔지니어링 효율성 개선
Keynote 2: 엔지니어링 효율성 개선
 
Keynote 3: 실험 설계의 강화 - 단순함에서 정교함으로
Keynote 3: 실험 설계의 강화 - 단순함에서 정교함으로Keynote 3: 실험 설계의 강화 - 단순함에서 정교함으로
Keynote 3: 실험 설계의 강화 - 단순함에서 정교함으로
 
Keynote 4: IES 통계 분석 능력의 강화 - JMP와 Python의 시너지
Keynote 4: IES 통계 분석 능력의 강화 - JMP와 Python의 시너지Keynote 4: IES 통계 분석 능력의 강화 - JMP와 Python의 시너지
Keynote 4: IES 통계 분석 능력의 강화 - JMP와 Python의 시너지
 
2-1: 석유 화학 산업에서의 JMP 활용 사례
2-1: 석유 화학 산업에서의 JMP 활용 사례2-1: 석유 화학 산업에서의 JMP 활용 사례
2-1: 석유 화학 산업에서의 JMP 활용 사례
 
2-2: 다양한 무고장 조건에서 필드 차량 클레임 분석 자동화
2-2: 다양한 무고장 조건에서 필드 차량 클레임 분석 자동화2-2: 다양한 무고장 조건에서 필드 차량 클레임 분석 자동화
2-2: 다양한 무고장 조건에서 필드 차량 클레임 분석 자동화
 
2-3: 데이터 분석 기반의 B2B 영업
2-3: 데이터 분석 기반의 B2B 영업2-3: 데이터 분석 기반의 B2B 영업
2-3: 데이터 분석 기반의 B2B 영업
 
3-1: Semiconductor Wafer Test Fail Map Clustering and Data Mining using JMP A...
3-1: Semiconductor Wafer Test Fail Map Clustering and Data Mining using JMP A...3-1: Semiconductor Wafer Test Fail Map Clustering and Data Mining using JMP A...
3-1: Semiconductor Wafer Test Fail Map Clustering and Data Mining using JMP A...
 
3-3: 분석 콘텐츠 재사용성 향상을 위한 AppStore 생태계 구축
3-3: 분석 콘텐츠 재사용성 향상을 위한 AppStore 생태계 구축3-3: 분석 콘텐츠 재사용성 향상을 위한 AppStore 생태계 구축
3-3: 분석 콘텐츠 재사용성 향상을 위한 AppStore 생태계 구축
 
4-1: JMP/Python 에코시스템 성공 사례
4-1: JMP/Python 에코시스템 성공 사례4-1: JMP/Python 에코시스템 성공 사례
4-1: JMP/Python 에코시스템 성공 사례
 
4-2: 네거티브 디자인 개념을 활용한 군함 초기 설계에 적용되는 디자인 영역 탐색
4-2: 네거티브 디자인 개념을 활용한 군함 초기 설계에 적용되는 디자인 영역 탐색4-2: 네거티브 디자인 개념을 활용한 군함 초기 설계에 적용되는 디자인 영역 탐색
4-2: 네거티브 디자인 개념을 활용한 군함 초기 설계에 적용되는 디자인 영역 탐색
 

3-2: Smart Proactive Analysis Material

  • 1. Copyright © JMP Statistical Discovery LLC. All Rights Reserved. KOREA
  • 2. Copyright © JMP Statistical Discovery LLC. All rights reserved. Semiconductor Material Quality Improvement, SmartPAM (Proactive Analysis Material) Yerin Jeong Technical Leader, SK hynix Inc.
  • 3. Material analysis with Semiconductor Manufacturing Process using JMP To Find ‘Key Para (Q-index)’ Introduction Data Architecture Interface & Example Advantages of this Tool Using Plan
  • 4. Bad Good Best 소재-공정 연계 대용량 Data 신속 분석 System 개발 (SmartPAM) 불량 원인 사전 검출 + 개선 인자 추출 및 확장 Big Data SmartPAM 소 재 공 정 • 원재료 • 제조공정 • 품질 분석 • Response • Source • Defect • 수율 Bad Good Best Interlock & 원인 규명 Interlock “당연한 게 당연하지 않다” [소재-공정 연계분석] 불량 원인 사전 검출 개선 인자 추출&확장 Introduction
  • 5. COA + MQMS + Hidden Para Data Collection Machine Learning Q-Index Shift Left, Early Sensing SmartPAM Easy Setup & Auto Analysis Introduction * COA : Certificate of Analysis * MQMS : Material Quality Management System
  • 6. 소재 - 제조 공정(Response, Source, Defect, 수율 등) 대용량 Data를 단시간 내에 연계 및 분석에 용이한 형태로 가공하여 제공 “소재/공정 연계 Data”를 전 소재 범주로 통합해서 제공 산재된 공정과 소재 Data 결합으로 분석 Set 생성 소재 별 특성 반영 통계값 산출, 결합 Data 처리 장기간 조회 시에도 빠르게 분석 Data 제공 Data 연계 및 Processing 사용 소재 Data smartQMS COA MQMS SmartTAS Response Source Defect 수율 장비 소재 Data Lake 투입소재 이력 소재 기준정보 공정 Data Response Case 1 소재별 통계 Data Case 2 최종 분석 Dataset Wafer No. Para #1 Para #2 Para #N Para #1 Para #2 Para #N 기준 정보 소재 [독립변인] 공정 [종속변인] Source Defect Probe Test Response Source Defect Probe Test 투입 소재 Data Architecture
  • 7. Interface & Example 조건 선택 X-Y 설정 M/L 분석 – 개별 분석 M/L 분석 –연계 분석 전 처리 Q-index 도출 Fit Model, Decision Tree Random Forest, Boosted Tree > Model Competition
  • 8. UI & Example Q-Index = 6.045*10^-7* Para A. + 3.045 * Metal A. + 1.36 * Para B. 신규 Para. 등록 & Spec 관리
  • 9. Q-index 도출 → Q-index 기준 BP 품질 및 Spec 강화 0 10 20 30 0 5 10 15 DEFECT RATE Bad Good 개선 Q-index 도출 Data Lake SK하이닉스 소재 BP In-line Data 수율 CoA, MQMS + @ UI & Example Feedback (Conversion Data) Q-index Feedback SmartPAM * BP : Business Partner
  • 10. As-Is To-Be 3hr 5min 15min ≤1min 30min ≤1min ≥2hr (개인차 발생) ≤1min ≥2hr (개인차 발생) ≤30min Manual Automatic -. Before FTE = (65명)*(405min)*(78회) / 65894 = 31.1614 -. After FTE = (65명)*(38min)*(78회) / 65894 = 2.92379 Data 수집 및 X,Y 선정 데이터 전처리 (Data Cleaning) 탐색적 데이터분석 (EDA) Q-index 분석 (Predictor Screening) Model 수립 (Model Competition) Run, 배포 1. 분석 소요 시간 405min → 38min 2. Data 기반 Q-index 고도화 3. 수율, Inline 산포 개선 기여 4. Digital PCN, Digital 선 검증 5. 효율화 지수 90.62% = (1 – (After FTE / Before FTE)) * 100 = 90.62% Advantages of this Tool * PCN : Process Change Notice
  • 11. Using Plan Step 1. 우선 개선 공정 조건 Set-up Step 2. Q-index 도출 소재 BP사 F/B Step 3. Q-index 개선 Spec. 강화 Inline 정합성 확보 SmartPAM System 기반 공정 산포 개선 → 소재 품질 예측 관리로 확장 Step 4. 소재 품질 예측 관리 (Digital PCN, Digital 선 검증) ‘23 10 ’23 12 ’24 1Q ’24 2Q
  • 12. Copyright © JMP Statistical Discovery LLC. All rights reserved. KOREA