良率與品質管理

關於以機器學習等分析工廠累積的大量設備資料、量測資料與測試結果,以提升良率的做法,下列說明何者正確?

  1. A只要蒐集資料,良率就會自動變成100%
  2. B不再需要進行測試
  3. C從眾多變數的關係中,找出人不易發現的不良原因或徵兆,用於改善與預測
查看答案與解析

正確答案:C. 從眾多變數的關係中,找出人不易發現的不良原因或徵兆,用於改善與預測

在半導體工廠中,每片晶圓都會記錄超過1000道製程及大量量測、測試的資料。將這些資料連結起來,以機器學習等加以分析,有時能找出牽涉多個變數的不良原因,以及異常的徵兆。不過,所找到的關係有時只是相關,因此驗證結果時,製程知識與確認實驗不可或缺。良率不會只靠資料就提升。

  • A. 並不是只要蒐集資料,良率就會提升。
  • B. 測試仍然是必要的。
  • C. 正確。用於發現不良原因與徵兆。
練習這個領域 前往領域頁面

良率與品質管理的其他題目

  1. 作為考量缺陷在晶圓上偏聚、集中發生(群聚,clustering)的良率模型,所使用的是下列何者?
  2. 針對檢測發現的各種缺陷,表示具有該缺陷的晶片中,實際造成電性不良的比例的量,稱為什麼?
  3. 關於表示工廠中在製品(WIP)的量、處理速度(產出率)與週期時間之關係的「利特爾法則」,其內容下列何者正確?
  4. 從大量批次的製造履歷中,以統計方式找出良率偏低的批次所共通使用的設備、腔體、材料等的分析,稱為什麼?
  5. 將彼此相關的多個特性值不是逐一,而是一併監控,以偵測組合上之異常的統計製程管制手法是下列何者?