convanit

convanit
Menü
Yield und Datenanalyse

convanitYield und Datenanalyse

    • DE
    • EN
  • Übersicht
  • Kontakt
  • Kompetenzen
  • Impressum
  • c-Alice
  • Projektbeispiele
  • Team
  • Partner
  • Referenzen
convanit

Verbesserung von Defekt-Engineering Methoden

Was wir darunter verstehen

Frühzeitiges Erkennen von Prozessproblemen und proaktives Gegensteuern gewährleistet geringste Reklamationsraten.

Wie wir es tun

Wir erarbeiten durch Methoden wie Sampling, Entwicklung von Messstrategien, Defekt- zu Yield Korrelationen, Defekt Reportings, Erarbeitung von Defektkatalogen, statistische Analysen von Defektdaten im Zusammenhang mit den in Ihrem Produktionsumfeld anfallenden Daten die richtige und effektivste Herangehensweise für Sie und sorgen für eine nachhaltige Nutzung in Ihrer Organisation.

  • Yield/Qualität
  • Datenanalyse
  • Beratung
  • Organisation
  • Datenintegration
  • Umsetzung
  • Implementierung
  • Software Lösungen
  • KI Anwendungen
  • Unkategorisiert
    • Produktausbeute- und Zuverlässigkeitsoptimieurng
    • Defekt Engineering
    • Prozesskontrollmethodik
    • Toolmonitoring
    • Auswirkungsanalyse
      • Workshops
      • Coaching
      • Bestandsanalyse (IST/Soll)
      • Konzeptentwicklung
      • Moderation

        Beispiel 1

        Chip basierte Defekt zu Yield Korrelation

        kill-rate-berechnung

        ‚Contigency table‘ Methode / Berechnung von Kill Rate & Defect Related Loss

        Randbedingungen

        Güte der Inspektionsrezepte, Defektfilterung: große Defekte, ‚Adder‘, ‚Defect(s) of Interest‘ je Inspektionsschritt, niedriger parametrischer Yield Loss, Ausschluss von ‘low yielding wafern‘

        Prozesschritt A

        defects-defect-engineering-projektbeispiel
        kill-rate-defect-engineering-projektbeispiel

        Kill Rate: 21%
        Defect Related Loss: 3,1%
        (All Binsorts)

        Beispiel 2

        Yield correlation with intitial large detect filters

        large-defects-defect-engineering-projektbeispiel

        4 weeks data, one product, standard wafer, Large defects only, special defect related binsorts used, low yielding wafer excluded

        Beispiel 3

        Large Defect Filter definition and optimization

        defect-filter-optimization-before-projektbeispiel

        Filter:
        Volume > 35 & Grade > 50

        Initial definition of Large Defect filter by inspection tool raw parameters: Volume/ Grade (DF inspection), DSIZE (BF inspection)

        defect-filter-optimization-volume-kill-rate
        defect-filter-optimization-grade-kill-rate

        New Filter:
        Volume > 25 & Grade > 50

        Optimization of Large Defect filter by kill rate and defective related yield loss analysis

        Initial definition of Large Defect filter by inspection tool raw parameters: Volume/ Grade (DF inspection), DSIZE (BF inspection)

        Optimization of Large Defect filter by kill rate and defective related yield loss analysis

        Kompetenzen und Schlagworte

        Übersicht

        convanit

        Beratung zu Yield und Datenanalyse

        Impressum und Datenschutz

        Kontakt