yieldWerx
Platform analisis hasil daripada wafer hingga ujian produk siap, menggali punca kecacatan
yieldWerx ialah platform pengurusan dan analisis hasil semikonduktor, yang mengumpulkan data setiap peringkat pembuatan wafer, ujian prob, pembungkusan dan ujian akhir ke dalam satu pangkalan data yang sama, kemudian mencari corak kehilangan hasil.
Ciri dan senario penggunaan
Nilai terasnya terletak pada "merentas peringkat". Masalah hasil semikonduktor sering tidak berada pada satu tapak sahaja — hanyutan parameter tertentu di kilang wafer baru muncul pada ujian akhir. Tetapi kedua-dua set data ini biasanya berada dalam sistem berbeza, format berbeza, malah syarikat berbeza (data pembuat fabless datang daripada pengilang kontrak dan kilang pembungkusan serta ujian). Menyambungkannya untuk analisis kaitan barulah berpeluang mencari punca sebenar.
Kaedah AI dan statistik merangkumi analisis ramalan berbantukan AI, PAT (Part Average Testing, membuang cip yang tidak normal secara statistik tetapi masih dalam spesifikasi), GDBN (Good Die in Bad Neighborhood, cip baik tetapi dikelilingi cip rosak, kebolehpercayaan dipersoalkan) dan analisis korelasi. Kesemua ini merupakan kaedah hasil yang matang dalam industri, dan yang penting ialah pelaksanaan automatik.
Fungsi lain termasuk papan pemuka pemantauan hasil dan proses serta-merta, pengesanan kecacatan automatik dan analisis punca, perbandingan merentas kelompok dan merentas kilang, penggabungan wafer berbilang dimensi, enjin aliran kerja dan peraturan yang boleh disesuaikan, penyepaduan dengan MES/ERP/QMS, serta penggunaan awan, di premis atau hibrid.
Pelanggannya merangkumi syarikat reka bentuk fabless, IDM, pengilang kontrak wafer, kilang pembungkusan dan ujian, pembekal peralatan ujian dan pembekal perkhidmatan kejuruteraan produk, dengan bidang aplikasi daripada fotonik, MicroLED, ASIC, MEMS hingga automotif dan aeroangkasa.
Syarikat reka bentuk fabless amat sesuai memikirkan topik ini — data hasil anda bertaburan dalam pengilang kontrak, kilang pembungkusan serta ujian, dan program ujian sendiri, jadi siapa yang mempunyai gambaran keseluruhan?
Ciri Utama
- Menyepadukan data pembuatan wafer, prob, pembungkusan dan ujian akhir
- Analisis hasil ramalan berbantukan AI
- Automasi kaedah hasil industri seperti PAT dan GDBN
- Papan pemuka pemantauan hasil dan proses serta-merta
- Perbandingan merentas kelompok, merentas kilang dan penggabungan wafer berbilang dimensi
- Enjin aliran kerja dan peraturan yang boleh disesuaikan
- Menyepadukan MES, ERP, QMS; penggunaan awan/di premis/hibrid
Kelebihan
- Menyepadukan merentas peringkat pembuatan, mampu mencari punca yang tidak kelihatan pada satu tapak sahaja
- Automasi kaedah matang seperti PAT dan GDBN, tidak perlu menulis skrip sendiri
- Kaedah penggunaan fleksibel, keperluan pendaratan data mudah dikendalikan
Kekurangan
- Harga tidak didedahkan
- Nilainya sangat bergantung sama ada boleh mendapatkan data daripada pengilang kontrak dan kilang pembungkusan serta ujian, dan ini sering masalah rundingan komersial dan bukan masalah teknikal
- Industri selain semikonduktor tidak menggunakannya
Kes Penggunaan
- Syarikat reka bentuk fabless menyepadukan data hasil pengilang kontrak dan kilang pembungkusan serta ujian
- Pembuangan cip anomali PAT bagi cip automotif
- Analisis punca kemerosotan hasil merentas kelompok
- Penjejakan pendakian hasil semasa tempoh pengenalan produk baharu
Nota Editor
Hasil ialah satu-satunya nombor yang benar-benar penting dalam industri semikonduktor, tetapi pemilikan datanya bertaburan di sepanjang rantaian bekalan. Syarikat reka bentuk IC sebenarnya agak pasif dalam hal ini — cip yang anda bayar untuk dibuat, tetapi datanya tidak sepenuhnya milik anda. Sebelum melaksanakan alat sebegini, semaklah dahulu terma data dalam kontrak, kerana itu mungkin lebih penting daripada memilih alat.
Soalan Lazim
Bolehkah syarikat reka bentuk fabless mendapatkan data pengilang kontrak?
Ini masalah yang paling realistik, dan biasanya bukan batasan teknikal tetapi perjanjian komersial. Sebelum pelaksanaan patut disahkan dahulu medan apa dan kekerapan apa yang dirangkumi oleh terma pertukaran data anda dengan pengilang kontrak dan kilang pembungkusan serta ujian. Alat sebaik mana pun, tanpa data tidak dapat menganalisis apa-apa.
Apa bezanya PAT dengan ujian spesifikasi biasa?
Ujian biasa ialah "ada atau tiada melebihi spesifikasi", manakala PAT ialah "ada atau tiada menyimpang daripada taburan statistik kelompok yang sama". Ada cip yang setiap parameternya dalam spesifikasi, tetapi jelas nilai anomali, dan kebolehpercayaan jangka panjangnya lebih lemah. Automotif dan aeroangkasa yang mempunyai keperluan kadar kegagalan yang amat ketat lazimnya menjalankan PAT.
Alat AI Berkaitan
Motobook
Platform harga pasaran motosikal terpakai pertama di Taiwan, dengan 37,000+ kenderaan untuk dijual dan 812 model.
Carbook
Sistem Pendaftaran Harga Pasaran Kereta Terpakai Taiwan – Lihat harga sebenar, jumlah volum dan susut nilai dalam satu halaman
實價雷達 HouseTW
Semak 3.49 juta transaksi hartanah Taiwan, lengkap dengan peta risiko pencairan tanah, sesaran gempa dan banjir, semuanya dalam satu platform carian harga rumah percuma.
Perplexity
Alat carian dan soal jawab AI yang menyertakan rujukan sumber.
AtScale
Lapisan semantik universal jenama lama, membolehkan BI dan AI berkongsi definisi metrik yang sama
Promethium
Lapisan data perusahaan yang menanya terus merentas sistem, membolehkan ejen AI mendapat jawapan berkonteks