2大工艺案例解析：半导体工程师必备的统计思维与分析实战

课程介绍：

随着科技技术的进展，芯片是 AI 发展不可或缺的核心，不仅支撑着庞大资料的高速运算，也决定了算法执行的效率与深度。随着应用多元化，半导体产业同时也迎来了前所未有的挑战。无论是在工艺开发、良率提升等过程中，一线工程师们或多或少都曾遭遇以下这些棘手的问题：

1.        如何处理大量的在线测试数据，挖掘背后的潜在信息

2.        如何利用图形化及统计方法判定参数的重要程度，可以更快地做决策

3.        如何快速找到良好的统计描述模型，知道哪些参数的组合可以得到最佳的期望结果

4.        如何均匀随机地建构实验可以更了解全因子空间的变化情况，带来更准确的预测

配合半导体产业快速的发展，需要针对良率及工艺问题及参数设定调整寻找一套快速且准确的统计分析工具，本次随选研讨会将由资深半导体分析顾问示范如何以交互式分析、建模与可视化方式，协助半导体工程团队 用更短的时间、做出更准确的制程与良率决策。本次随选研讨会欢迎半导体行业相关研发、工艺工程师注册观看。

课程大纲：

• 半导体工程师常面临的挑战
• 善用JMP平台功能优势找出数据背后的洞察
• 实战案例拆解

案例 1：测试 Bin 不良分析

• 从数百个参数中找出造成不良率上升主因的分析方法

• 以测试数据为例，透过建模工具选出关键因子，厘清问题并提出对策。

案例 2：Wire Bond 最佳参数筛选

• 在样本成本高、实验期程紧的情况下，如何用最少实验获得最大信息量？

• 利用 JMP 实验设计工具（DOE）规划高效率实验，建构模型并找出最佳组合。