yieldWerx

Platform analisis yield dari wafer hingga uji produk jadi, menggali akar penyebab cacat

Hubungi untuk harga United States

yieldWerx adalah platform manajemen dan analisis yield semikonduktor yang mengumpulkan data dari tiap tahap manufaktur wafer, uji probe, packaging, dan uji akhir ke dalam satu basis data, lalu menemukan pola kehilangan yield.

Fitur dan skenario penggunaan

Nilai intinya ada pada aspek "lintas tahap". Masalah yield semikonduktor sering tidak berada di satu titik saja; suatu parameter yang bergeser di fab wafer baru muncul saat uji akhir. Namun kedua data ini biasanya ada di sistem berbeda, format berbeda, bahkan perusahaan berbeda (data perusahaan fabless berasal dari foundry dan OSAT). Menghubungkan keduanya untuk analisis korelasi barulah membuka peluang menemukan akar penyebab yang sebenarnya.

Metode AI dan statistiknya mencakup analisis prediktif berbantuan AI, PAT (Part Average Testing, menyingkirkan chip yang secara statistik anomali meski masih dalam spesifikasi), GDBN (Good Die in Bad Neighborhood, chip baik tetapi seluruh sekitarnya buruk sehingga reliabilitasnya diragukan), dan analisis korelasi. Beberapa metode ini adalah teknik yield yang sudah matang di industri, dan kuncinya adalah eksekusi otomatis.

Fitur lainnya mencakup dasbor pemantauan yield dan proses secara real-time, deteksi cacat otomatis dan analisis akar penyebab, perbandingan lintas lot dan lintas pabrik, penggabungan wafer multidimensi, alur kerja dan mesin aturan yang dapat disesuaikan, integrasi dengan MES/ERP/QMS, serta penerapan cloud, on-premise, atau hibrida.

Kliennya mencakup perusahaan desain fabless, IDM, foundry wafer, OSAT, penyedia peralatan uji, dan penyedia layanan rekayasa produk, dengan bidang aplikasi dari optoelektronika, MicroLED, ASIC, MEMS, hingga otomotif dan kedirgantaraan.

Perusahaan desain fabless di Indonesia sangat cocok memikirkan topik ini; data yield Anda tersebar di foundry, OSAT, dan program uji Anda sendiri, jadi siapa yang punya gambaran utuhnya?

Fitur Utama

Integrasi data manufaktur wafer, probe, packaging, dan uji akhir
Analisis yield prediktif berbantuan AI
Otomatisasi teknik yield industri seperti PAT dan GDBN
Dasbor pemantauan yield dan proses secara real-time
Perbandingan lintas lot, lintas pabrik, dan penggabungan wafer multidimensi
Alur kerja dan mesin aturan yang dapat disesuaikan
Integrasi MES, ERP, QMS; penerapan cloud/on-premise/hibrida

Kelebihan

Integrasi lintas tahap manufaktur mampu menemukan akar penyebab yang tak terlihat di satu titik saja
Teknik matang seperti PAT dan GDBN diotomatiskan, tak perlu menulis skrip sendiri
Cara penerapan fleksibel, kebutuhan data on-premise mudah ditangani

Kekurangan

Harga tidak diumumkan
Nilainya sangat bergantung pada kemampuan memperoleh data dari sisi foundry dan OSAT, yang sering menjadi soal negosiasi bisnis alih-alih soal teknis
Industri di luar semikonduktor tak akan memakainya

Contoh Penggunaan

Perusahaan desain fabless mengintegrasikan data yield dari foundry dan OSAT
Penyingkiran chip anomali PAT untuk chip otomotif
Analisis akar penyebab penurunan yield lintas lot
Pelacakan yield ramp pada masa pengenalan produk baru

Catatan Editor

Yield adalah satu-satunya angka yang benar-benar penting di industri semikonduktor, tetapi kepemilikan datanya tersebar di sepanjang rantai pasok. Perusahaan desain IC di Indonesia sebenarnya agak pasif dalam hal ini; chip yang Anda bayar untuk dibuat, datanya justru tidak sepenuhnya milik Anda. Sebelum mengadopsi alat semacam ini, tinjau dulu klausul data dalam kontrak Anda, karena hal itu mungkin lebih krusial daripada memilih alatnya.

FAQ

Apakah perusahaan desain fabless bisa memperoleh data dari foundry?

Ini masalah yang paling realistis, dan biasanya bukan keterbatasan teknis melainkan kesepakatan bisnis. Sebelum implementasi, pastikan dulu klausul pertukaran data Anda dengan foundry dan OSAT mencakup kolom apa saja dan seberapa sering. Sebagus apa pun alatnya, tanpa data pun tak bisa menganalisis apa-apa.

Apa bedanya PAT dengan uji spesifikasi biasa?

Uji biasa menilai "apakah melampaui spesifikasi", sedangkan PAT menilai "apakah menyimpang dari distribusi statistik lot yang sama". Ada chip yang semua parameternya di dalam spesifikasi tetapi jelas merupakan outlier, sehingga reliabilitas jangka panjangnya lebih buruk. Karena tuntutan tingkat kegagalan yang sangat ketat, otomotif dan kedirgantaraan umumnya menerapkan PAT.