Ausbeute und Qualitätskontrolle

Welche Aussage zu Bemühungen, die in der Fabrik angesammelten großen Mengen von Anlagen-, Mess- und Testdaten mit maschinellem Lernen o. Ä. auszuwerten und die Ausbeute zu steigern, ist richtig?

  1. AAllein durch das Sammeln der Daten wird die Ausbeute automatisch 100 %
  2. BTests sind nicht mehr nötig
  3. CAus den Beziehungen vieler Variablen werden Fehlerursachen und Vorzeichen gefunden, die für Menschen schwer zu entdecken sind, und für Verbesserung und Vorhersage genutzt
Antwort und Erläuterung anzeigen

Antwort: C. Aus den Beziehungen vieler Variablen werden Fehlerursachen und Vorzeichen gefunden, die für Menschen schwer zu entdecken sind, und für Verbesserung und Vorhersage genutzt

In Halbleiterfabriken werden für jeden Wafer Daten von über 1000 Prozessschritten und vielen Mess- und Testvorgängen aufgezeichnet. Werden diese verknüpft und z. B. mit maschinellem Lernen ausgewertet, lassen sich mitunter Ursachen von Fehlern, an denen viele Variablen beteiligt sind, und Vorzeichen von Störungen finden. Gefundene Zusammenhänge können jedoch bloße Korrelationen sein; zur Überprüfung der Ergebnisse sind Prozesswissen und Bestätigungsversuche unverzichtbar. Allein durch Daten steigt die Ausbeute nicht.

Dieses Thema üben Zur Themenseite

Weitere Fragen zu Ausbeute und Qualitätskontrolle

  1. Welches Modell wird als Ausbeutemodell verwendet, das berücksichtigt, dass Defekte auf dem Wafer gehäuft auftreten (Clustering)?
  2. Wie heißt die Größe, die für jede bei der Defektinspektion gefundene Defektart angibt, welcher Anteil der Chips mit diesem Defekt tatsächlich elektrisch ausfiel?
  3. Welche Aussage zum Little'schen Gesetz, das die Beziehung zwischen Bestand in der Fabrik (WIP), Bearbeitungsgeschwindigkeit (Durchsatz) und Zykluszeit beschreibt, ist richtig?
  4. Wie heißt die Analyse, die aus den Fertigungshistorien vieler Lose statistisch ermittelt, welche Anlagen, Kammern, Materialien usw. gemeinsam bei Losen mit niedriger Ausbeute verwendet wurden?
  5. Welches Verfahren der statistischen Prozessführung überwacht mehrere miteinander korrelierte Merkmalswerte nicht einzeln, sondern gemeinsam und erkennt Störungen als Kombination?