案例：可视化分析 + 预测模型，锁定影响产品良率的根因！
在以半导体为首的高科技高端制造领域，产品良率一直是企业最为关注的指标。良好的产品品质是品牌口碑的最佳代言。那么，在面临生产线因为良率过低的警报而突然停产的状况，工程师团队如何快速响应和应对？如何快速锁定影响产品良率的关键因子？如何寻找到发生故障的根本原因呢？
我们以电子产品制造商纬创资通（中山）有限公司的一个真实案例来了解他们是如何利用JMP高效解决实际问题，此案例也是2020 JMP Discovery Summit China 上纬创资通（中山）有限公司数据组副主任吴晓娟女士演讲内容的补充和完善，希望对你有所帮助。
以电脑键盘的生产为例，键盘按键的流畅感和舒适感是用户体验重要的一部分。因此，在键盘的生产制造过程中，手感测试往往是重要的一环，也是生产过程中重点去关注的测试站。那么如果这样的测试站发现良率突然降低，导致产线停线，工程师们是如何快速响应和应对的？
纬创资通的工程师通常采用四个步骤：数据收集、信息呈现、短期对策、长期对策。
数据收集包括机台测试数据记录等信息。信息的呈现，主要依赖JMP 的一些功能快速地告诉工程师问题出在哪里。
短期对策是要赶快恢复生产，而长期对策是要在根本上去解决问题，寻找根因，预防问题再次发生。
下面我们通过案例来看看纬创资通的工程师们是如何将这套法宝运用到解决实际问题上来的。
某测试键盘手感的站别在某天上午突然发生了停线，数据显示它的良率低于了公司要求的97%。那么，具体是什么原因所导致的呢？有问题的按键具体是哪个？如果只看良率的话，没有办法确认具体发生在键盘里面哪个位置、哪个按键或者是哪个片区。
JMP为团队提供了快速方便的方法，借助于JMP的可视化分析（定制化的图形生成器），工程师可以快速地识别问题出在了哪里，然后结合良率以及公司产品map 图，就可以很直观地把不良信息对应显示到产品的位置上去。如下图所示。绿色代表已经通过（pass）的物料，没有太大问题。
从上图这个动态的可视化图形中，工程师可以迅速地判断出空格键主导了本次停线 ，而呈现这张图只需要不到3分钟的时间即可在JMP中轻松实现，通过运行脚本很快就可以呈现出问题点在哪里。
确定了空格键的问题后，工程师就会去收集机台上空格键的具体测试数据来做进一步的根因分析。
经过初步的筛选和判断，工程师筛选出来两个可能影响良率的关键因子：DC_FP和Tool_FP.
从良率结果结合分布图，并从Mean值的分布可以看得到，DC_200721的分布是向下的，虽然有少量的失效，但它仍然是在规格限范围内。所以从分布上只能说它相对偏下规格限，但具体是不是出了问题，还不能下这样的定论。而根据抽样数据显示，Tool上没有太明显的差异，所以可以排除Tool_FP这个因子。
基于以上的基础分析，团队锁定DC_FP是对PF（Peak force，力度峰值）的主要影响因子，并通过尝试运用决策树分析和单因子分析两种方法，来佐证究竟是否DC_200721影响了良率。
从左侧决策树的分割结果来看，DC_FP 200721这个因子对Peak force的影响较大。再来看单因子分析，就Peak force Mean值分析的结果来看，DC_FP 200721与其他均不同，其Mean值偏低。
因此，工程师初步判定DC_FP这个物料对良率的影响最大，于是立即更换此物料为其他物料，在短短的20分钟内生产线便实现了复线。这也是解决当下问题立竿见影的做法。
而从长期对策来看，团队需要去从根本上解决问题，那就需要复核厂商净料的尺寸数据，查看它是否在规格范围内。
从上面的因子分析可以看到，FAI_19的净料虽然都在规格范围内，但是分布却靠近下限，虽然这里还不能完全下定论确定此物料为异常，但可以锁定FAI_19，FAI_20，FAI_12，FAI_08这4个尺寸对Peak force （PF）有影响。
通过多元分析筛选强相关因子后可以很明显地看到，FAI_19是最大的影响因子。
同样，再用决策树来双重验证。决策树的分割结果同样证实，FAI_19在第一次分割的时候已经很有很明显的差异，列贡献也是指向了FAI_19，它对Peak force的影响较大。
团队进一步研究发现，FAI_19尺寸位置偏小 ，而使得键帽与内部零件的组装不够结实，键帽被按压时有轻微的松动，这就是导致测试项目PF（力度峰值）较小的原因。最终，团队要求厂商针对问题物料FAI_19的相关尺寸做出修改，纬创资通也因此修改了企业的进料规格，从根本上解决了导致产品不良的因素。
以上就是吴晓娟女士在JMP Discovery Summit 2020 上分享的案例研究。希望对你有帮助。
案例：可视化分析 + 预测模型，锁定影响产品良率的根因！相关推荐
- ADS（Advanced Design system）良率分析（Yield）、良率优化（YieldOptim）
前言 先进设计系统 Advanced Design system(ADS)Agilent Technologies 是领先的电子设计自动化软件,适用于射频.微波和信号完整性应用. 原理分析 我们使用软 ...
- 制造业干货，只需3步，快速提高产品良率！
第一步:培养质量管理意识 1.自检意识 产品质量是制造出来的,设计出来的,而不是检验出来的.生产质量控制的秘诀是:让每个人做好自己的产品. 要求员工对自己生产的产品,要自我进行检验,只有自己认为是合格 ...
- 第四讲：统计分析之良率和敏感度分析
第四讲:统计分析之良率和敏感度分析 摘要: 凡是产品批量生产都会涉及到产品良率的问题.元件实际参数之间的偏差,PCB板制造工艺的偏差,工作环境温度不同等等都会造成实际结果和设计初衷的差异,产生产品不良 ...
- ADS学习：统计分析——灵敏度分析、良率优化
灵敏度分析 1.禁用良率分析控件及指标设置模块 2.添加灵敏度分析控件 3.设置元器件优化参数,这里只关注器件灵敏度,故数值随便设置 4.添加优化目标设置模块,设置如图 5.再添加优化目标设置模块,设 ...
- 格创东智携半导体良率提升智能分析平台入选工信部大数据产业发展试点示范项目
工业和信息化部日前公示2022年大数据产业发展试点示范项目名单,主要涵盖数据要素市场培育.大数据重点产品和服务.行业大数据应用三个领域8个方向. 围绕大数据重点产品方向,格创东智建设的"面向 ...
- 制程与良率，谁才是芯片厂商的竞赛底牌？
来源| 雷锋网 文|吴优 五月初,IBM宣布2nm工艺制程取得重大技术突破引发一番热议,提醒业界5nm处理器已经大规模市场化,芯片巨头们也已进入下一轮制程竞赛:三星披露其即将推出的3nm工艺将基于下一 ...
- 产品良品率测试领域的方法统计与未来细分发展
现在是2019/08/14,19年转眼间已经过去了半年,大夏天不知不觉就这么蒙过去了.春江水暖鸭先知,2018年贸易战以来,我们一线公司也漂逐沉浮,第一时间感受到了来自自由开放市场的恶意.A股跌回20 ...
- 国内产线 OLED 良率低，产能释放缓慢
当前国内 OLED 产线工艺技术尚未完全成熟,蒸镀工艺与国外尚存在一定差距,产线良品率较低,下游用户认可度低,导致国内 OLED 产业出现高产能低产量问题.本文将围绕国内 OLED 产线产能利用情况. ...
- 用于提高开关电容器电路良率的基于公共质心的单元电容器的最佳布局
摘要 良率定义为所考虑的电路在容差范围内符合设计规范的概率. 相关系数较高的布局具有较少的失配和较小的电容比变化,从而实现更高的良率性能. 本研究提出了一种新的优化标准,可以快速确定放置是否是最佳的. ...
最新文章
- C++实现十大排序算法（冒泡，选择，插入，归并，快速，堆，希尔，桶，计数，基数）排序算法时间复杂度、空间复杂度、稳定性比较（面试经验总结）
- mongodb安装_MongoDB索引策略和索引类型
- 计算机网络 DNS域名
- Java DSL简介（收集整理）
- 华为备份历史版本_华为手机NAS备份时提示“需处于同一局域网”的解决方法
- Linux configure 参数解释
- trunk端口_超全！华为交换机端口vlan详解~
- 查看U盘是USB2.0还是USB3.0
- 基于二分查询树（BinarySearchTrees）实现的键值对表（symbole-table）
- 度分秒在线计算机,科学计算器在线计算
- SpringBoot逻辑删除
- day 18 tupian
- 世纪光棍节、神棍节快乐！
- 10句狠话，教你用英语发泄不满情绪（可可英语）
- 湖北省2019.3全国计算机等级考试,湖北2019年3月全国计算机等级考试报名系统
- H3C（s1850）初始化配置流程
- es统计高亮命中次数
- 品牌服装电商HTML网页模板
- Kali常见攻击手段
- CMU15-445 Lecture #04: Database Storage (Part II)