होम / सुविधाएँ / प्रक्रिया-क्षमता और डीप एनालिटिक्स गाइड
PAT+ · MVA · GAUGE R&R · CPK/CP · ANOVA

DLOG प्रक्रिया-क्षमता और डीप एनालिटिक्स गाइड

PAT+ outlier स्क्रीनिंग और बहुचर MVA अन्वेषण से लेकर Gauge R&R माप-प्रणाली विश्लेषण, Cpk/Cp, सामान्यता परीक्षण और ANOVA तक। जानें कि DLOG क्या गणना करता है और असली UI स्क्रीन के साथ संख्याओं की व्याख्या कैसे करें।

PAT+
DPAT · SPAT · PAT Trade-off
MVA Explorer
MD² · PCA SPE · Isolation Forest
Gauge R&R
EV · AV · %GRR · %P/T · ndc
Cpk · Cp
Est ppm · AD Normality · ANOVA
विश्लेषण अवलोकन

1. Analytics एक नज़र में

सेमीकंडक्टर बड़े पैमाने के उत्पादन के STDF V4 datalog में हज़ारों पैरामीट्रिक टेस्ट (PTR, MPR) और लाखों parts (PRR) दर्ज होते हैं। केवल यह जान लेना कि parts spec limits (LL/HL) के भीतर pass हुए, यह नहीं बताता कि निर्माण प्रक्रिया स्थिर है या नहीं, माप पर भरोसा किया जा सकता है या नहीं, या अच्छी इकाइयों के बीच संभावित रूप से खतरनाक outlier parts तो नहीं छिपे हैं।

DLOG इन महत्वपूर्ण प्रश्नों के उत्तर देने के लिए विशेष एनालिटिक्स स्क्रीन देता है। इंटरफ़ेस के शीर्ष पर दृश्य चयनकर्ता से पहुँचे जा सकने वाले, प्रक्रिया-क्षमता, outlier स्क्रीनिंग और माप-विश्वसनीयता को समर्पित दृश्यों को यह गाइड समझाती है।

DLOG Chart स्क्रीन में Histogram, Cpk, Est ppm और Normality आँकड़े बड़ा करने के लिए क्लिक करें
चित्र 1. Chart स्क्रीन — Histogram पर mean, ±σ रेखाएँ, Gaussian वक्र और high limit (HL) ओवरले हैं। दाईं ओर Test Item Statistics पैनल Sigma, Cpk, Cp, Est ppm और Normality (AD) दिखाता है। नीचे Tests (Cpk) सूची सभी टेस्टों की Cpk क्षमता को रंग-कोड करती है।
विश्लेषण DLOG स्क्रीन प्रमुख मेट्रिक्स कब उपयोग करें
PAT+ Outlier स्क्रीनिंग Wafer (PAT Data / PAT+), Chart (DPAT bands) DPAT bands, SPAT पड़ोसी residual, PAT+ Flips ऐसे “अच्छे die के बीच संदिग्ध parts” छाँटें जो spec limits पास करते हैं लेकिन वितरण या पड़ोस से भिन्न हैं।
बहुचर Outliers MVA Explorer, Wafer (MVA-PAT) Mahalanobis MD², PCA SPE, Isolation Forest ऐसे parts पहचानें जिनके अलग-अलग टेस्ट spec के भीतर हैं, लेकिन मानों का संयोजन असामान्य है।
Gauge R&R Gauge R&R EV, AV, PV, %GRR, %P/T, ndc उसी wafer के बार-बार किए गए टेस्ट रन से माप प्रणाली की repeatability और reproducibility का मूल्यांकन करें।
Site Delta SITE, Group Analysis (Group by: Site) प्रति-site yield, BIN, माध्य, η², ANOVA पहचानें कि क्या कोई एक probe card pin, socket संपर्क या channel व्यवस्थित विचलन का कारण है।
प्रक्रिया-क्षमता Chart, Dashboard, Group Analysis Cpk, Cp, Est ppm, Normality (Anderson-Darling) spec margin को मात्रात्मक करें, ppm दोष दर का अनुमान लगाएँ, और सत्यापित करें कि सामान्य वितरण की धारणाएँ टिकती हैं या नहीं।
Correlation और TTO Correlation, TTO Engine Pearson r, Spearman ρ, अनावश्यक टेस्ट उम्मीदवार एक ही भौतिक व्यवहार मापने वाले duplicate टेस्ट पहचानें ताकि टेस्ट समय घटाने की संभावना खोजी जा सके।

माध्य और मानक विचलन Welford ऑनलाइन एल्गोरिद्म से एक ही पास में निकाले जाते हैं। यह संख्यात्मक रूप से स्थिर सूत्रीकरण वर्गों के योग को भोलेपन से जोड़ने पर होने वाली विनाशकारी cancellation से बचाता है:

$$M_1 = x_1, \quad M_k = M_{k-1} + \frac{x_k - M_{k-1}}{k}$$ $$S_1 = 0, \quad S_k = S_{k-1} + (x_k - M_{k-1})(x_k - M_k)$$ $$\mu = M_N, \quad \sigma^2 = \frac{S_N}{N - 1} \quad (N \ge 2)$$
100% On-Premise और लोकल प्रोसेसिंग: सारी सांख्यिकीय गणनाएँ केवल आपके लोकल PC पर चलती हैं। न तो STDF फ़ाइलें और न ही विश्लेषण परिणाम कभी किसी बाहरी सर्वर पर अपलोड होते हैं।
Part Average Testing

2. PAT+ Outlier स्क्रीनिंग (DPAT · SPAT)

PAT (Part Average Testing) ऑटोमोटिव सेमीकंडक्टर गुणवत्ता दिशानिर्देश AEC-Q001 में परिभाषित है। इसका उद्देश्य उन parts को छाँटना है जो मानक specification limits पास करते हैं लेकिन जनसंख्या के सामान्य वितरण से बाहर पड़ते हैं, जिससे फ़ील्ड में शुरुआती जीवन की विफलताएँ (infant mortality) घटती हैं।

Wafer स्क्रीन के PAT Data मोड में, DLOG चुने हुए टेस्ट के लिए PAT limits (PAT LL / HL) की गणना करके दिखाता है। जब आप view settings में PAT+ चालू करते हैं, तो जो die टेस्ट spec पास कर चुके हैं लेकिन DPAT या SPAT नियमों द्वारा संदिग्ध चिह्नित हैं, वे wafer map पर ओवरले के रूप में हाइलाइट होते हैं। मूल टेस्ट PASS/FAIL निर्णय सुरक्षित रहता है।

Wafer map पर हाइलाइट किए गए PAT+ संदिग्ध die बड़ा करने के लिए क्लिक करें
चित्र 2-1. Wafer स्क्रीन PAT Data मोड + PAT+ — बायाँ PAT Data कार्ड Median, PAT LL और PAT HL दिखाता है। PAT+ Reject कार्ड DPAT range, SPAT सेटिंग (3x3 ×6.0) और PAT+ Flips दिखाता है। संदिग्ध die map पर घेरे गए हैं।
Yield Loss vs Quality Risk डायलॉग बड़ा करने के लिए क्लिक करें
चित्र 2-2. Tools > Studies > Yield Loss vs Quality Risk — yield loss की तुलना specification margin-आधारित quality risk (DPPM) से करने और अनुशंसित sigma cutoff खोजने के लिए sigma गुणकों को 3 से 15 तक बदलें।

DPAT: डेटा से पुनर्गणित मज़बूत डायनामिक Limits

चरम outlier को नमूना माध्य और मानक विचलन को पक्षपाती बनाने से रोकने के लिए, DLOG माध्य के बजाय median और interquartile range (IQR) से अनुमानित मज़बूत sigma का उपयोग करता है:

$$\sigma_{\text{robust}} = \frac{Q_3 - Q_1}{1.35}$$ $$\text{PAT LL} = \tilde{x} - k_L \cdot \sigma_{\text{robust}}, \qquad \text{PAT HL} = \tilde{x} + k_H \cdot \sigma_{\text{robust}}$$

इस सीमा के बाहर पड़ने वाले die outlier उम्मीदवार के रूप में चिह्नित किए जाते हैं। डिफ़ॉल्ट sigma गुणक k 6 है। आप ऊपरी और निचले गुणक को View settings > Wafer View Options > Lower Sigma (L) / Upper Sigma (H) से स्वतंत्र रूप से कॉन्फ़िगर कर सकते हैं। k के छोटे मान अधिक उम्मीदवार पकड़ते हैं।

DPAT (Dynamic PAT) स्थिर limits के बजाय इन limits का प्रति wafer, प्रति site या प्रति lot baseline के अनुसार गतिशील रूप से पुनर्मूल्यांकन करता है। Site-विशिष्ट DPAT टेस्टर हार्डवेयर offset हटाता है, जबकि lot-baseline DPAT wafer-से-wafer तापीय और प्रक्रिया drift को ट्रैक करता है। Chart स्क्रीन के Trend दृश्य में आप DPAT (trend) विकल्प से वही डायनामिक limits ओवरले कर सकते हैं।

SPAT: स्थानिक पड़ोसी Residual

स्थानीय विसंगतियाँ — जैसे किनारे के क्लस्टर, खरोंच या बिंदु-जैसे दोष क्लस्टर — व्यापक wafer वितरण में घुल-मिल सकती हैं और स्थानिक संदर्भ के बिना अनदेखी रह सकती हैं। SPAT (Spatial PAT) लक्ष्य die $(i, j)$ और पड़ोसी PASS die के median के बीच के residual का मूल्यांकन पड़ोस की मज़बूत sigma के विरुद्ध करता है:

$$\Delta_{\text{spatial}}(i, j) = \left| x_{i, j} - \operatorname{median}\left(\mathcal{N}(i, j)\right) \right| > k_{\text{spat}} \cdot \sigma_{\text{robust}}\left(\mathcal{N}(i, j)\right)$$

डिफ़ॉल्ट स्थानिक kernel $3 \times 3$ है जिसका गुणक 6.0 है। wafer की सीमाओं या घने दोष क्षेत्रों के पास जहाँ वैध PASS पड़ोसी कम होते हैं, DLOG न्यूनतम पड़ोसी सीमा पूरी होने तक kernel को अपने-आप 2 संकेंद्री रिंग तक बाहर की ओर बढ़ा देता है।

PAT Sigma चुनना: Yield Loss बनाम Quality Risk

k को कसने से अधिक संदिग्ध die पकड़ में आते हैं, लेकिन अच्छे सिलिकॉन की बलि देकर overkill (yield loss) बढ़ता है। Tools > Studies > Yield Loss vs Quality Risk टेस्टों के पार sigma मानों को स्वीप करके Reject Candidates, Yield Loss और DPPM वक्र प्लॉट करता है, और आपके लक्ष्य DPPM को पूरा करने के लिए इष्टतम sigma संतुलन सुझाता है। तुरंत लागू करने के लिए Apply Sigma पर क्लिक करें।

DPPM पर टिप्पणी: यहाँ DPPM अनुभवजन्य रूप से सत्यापित field escape दर नहीं है; यह PAT limits और specification limits के बीच के margin से गणना किया गया जोखिम proxy है। इसे field विश्वसनीयता की संविदात्मक गारंटी के रूप में उपयोग न करें। आप PAT (PDF) से प्रति-टेस्ट 1 पृष्ठ वाली PDF रिपोर्ट भी export कर सकते हैं।
GDBN (Good Die in Bad Neighborhood): एक नियम जो प्रमुख दोष क्लस्टर के निकट के अच्छे die को घटा देता है। Convert > BIN Reclassification (PAT / GDBN / CD) के अंतर्गत चालू करने पर, यह आपकी सीमा आकार से बड़े दोष क्लस्टर (8-दिशात्मक जुड़े) खोजता है और नया converted STDF फ़ाइल लिखने से पहले निर्दिष्ट त्रिज्या के भीतर आसपास के PASS die को दोष BIN में पुनः निर्धारित करता है।
बहुचर Outlier पहचान

3. MVA Explorer (बहुचर Outliers)

संबंधित पैरामीट्रिक टेस्ट अक्सर साथ-साथ बदलते हैं। Test A और Test B का अलग-अलग मूल्यांकन करने पर कोई die बिल्कुल सामान्य लग सकता है, लेकिन यदि Test A असामान्य रूप से ऊँचा और Test B असामान्य रूप से नीचा हो, तो यह जोड़ी सामान्य भौतिक सहसंबंध तोड़ती है। भले ही यह अलग-अलग अदिश limits पास करता हो, यह स्पष्ट बहुचर outlier है। MVA Explorer ऐसी बहु-आयामी विसंगतियाँ पकड़ता है।

MVA Explorer: Outlier परिणाम तालिका और योगदान विभाजन बड़ा करने के लिए क्लिक करें
चित्र 3. MVA Explorer — 3.0σ सीमा पर Mahalanobis Distance (MD²) के साथ 15 टेस्टों का उदाहरण। सारांश कार्ड Scored, Outliers, Threshold और PASS parts की गिनती दिखाते हैं। किसी part (#0160) को चुनने पर उसका Outlier Contribution Breakdown दिखता है, जो विसंगति चलाने वाले टेस्टों को उनके मज़बूत z-scores के साथ हाइलाइट करता है।

तीन Outlier पहचान एल्गोरिद्म

एल्गोरिद्म यह Outliers कैसे पहचानता है सर्वोत्तम उपयोग कब
Mahalanobis (MD²) पूर्ण covariance को ध्यान में रखने वाली सांख्यिकीय दूरी। chi-square वितरण सीमा से अधिक वाले parts को चिह्नित करता है। अनुशंसित सामान्य-उद्देश्य डिफ़ॉल्ट
PCA reconstruction (SPE) मुख्य घटकों पर प्रक्षेपित करने पर उच्च reconstruction त्रुटि (Q-statistic) वाले parts को चिह्नित करता है। सामान्य सहसंबंध पैटर्न के टूटने को पकड़ता है। बड़े टेस्ट सूट के लिए अनुशंसित
Isolation Forest पैरामीट्रिक वितरण की धारणा रहित tree-आधारित विभाजन एल्गोरिद्म। आसानी से अलग किए जा सकने वाले parts पहचानता है और PASS parts में से शीर्ष ~1% को outlier के रूप में रैंक करता है। गैर-रैखिक, जटिल बहु-मोडल विसंगतियाँ पकड़ता है

Mahalanobis Distance (MD²)

Euclidean दूरी पैरामीटरों के बीच स्केल अंतर और सहसंबंध को ध्यान में नहीं रखती। Mahalanobis दूरी covariance matrix ($\mathbf{\Sigma}$) के प्रतिलोम से विचलनों को भारित करके इसका समाधान करती है। DLOG एक मज़बूत centroid और shrinkage covariance matrix की गणना करता है, और हर टेस्ट का योगदान $z_i \cdot (\mathbf{\Sigma}^{-1}\mathbf{z})_i$ के रूप में विभाजित करता है ताकि योग $MD^2$ के बराबर हो:

$$MD^2(\mathbf{x}) = (\mathbf{x} - \boldsymbol{\mu})^T \mathbf{\Sigma}^{-1} (\mathbf{x} - \boldsymbol{\mu})$$ $$\text{Outlier Rule}: MD^2(\mathbf{x}) > \chi^2_{r}(1 - \alpha), \qquad \alpha = 2\,(1 - \Phi(\sigma_{\text{setting}}))$$

Threshold (Sigma) सेटिंग (3.0 / 4.0 / 5.0 / 6.0σ, डिफ़ॉल्ट 6.0σ) को दो-तरफ़ा सामान्य प्रायिकता $\alpha$ में बदला जाता है, जो $r$ स्वतंत्रता कोटियों (चुने हुए टेस्टों की संख्या) के लिए क्रांतिक chi-square सीमा तय करती है। उच्च sigma सेटिंग कम लेकिन अधिक गंभीर outliers देती है। PCA के लिए, SPE (Squared Prediction Error, Q-statistic) मुख्य घटकों द्वारा अव्याख्यायित अवशिष्ट variance के आधार पर parts को स्कोर करता है।

परिणाम तालिका पढ़ना

कॉलम अर्थ
StatusOUTLIER · NORMAL · NOT SCORED (चुने हुए टेस्टों में टेस्ट मान अनुपस्थित) · EXCLUDED (non-PASS parts)
Scoreचुने हुए एल्गोरिद्म का outlier स्कोर (MD², SPE या Isolation Forest स्कोर)
RiskScore ÷ Threshold। 1.0x से अधिक होने पर part को OUTLIER के रूप में वर्गीकृत किया जाता है
Top contributorस्कोर को सबसे अधिक बढ़ाने वाला पैरामीट्रिक टेस्ट, उसके मज़बूत z-score (median और MAD पर आधारित) के साथ
प्रशिक्षण आवश्यकताएँ: आधार मॉडल केवल उन पूर्ण PASS parts पर प्रशिक्षित होता है जिनमें सभी चुने हुए टेस्टों के वैध मान हों। नमूना आकार कम से कम max(50, 5 × टेस्टों की संख्या) होना चाहिए (जैसे चित्र 3 में, 15 टेस्टों के लिए कम से कम 75 parts)। भौतिक रूप से सहसंबद्ध पैरामीट्रिक टेस्ट चुनें; असंबद्ध टेस्ट शामिल करने से विसंगति स्कोर कमज़ोर होते हैं। Wafer स्क्रीन के MVA-PAT मोड में, आप die निर्देशांक के अनुसार स्थानिक स्कोर देख सकते हैं और PASS से MVA Outliers में बदले parts (MVA Flips) को CSV में export कर सकते हैं।
माप प्रणाली विश्लेषण

4. Gauge R&R माप-प्रणाली विश्लेषण

देखा गया माप variance वास्तविक उत्पाद विविधता और टेस्ट प्रणाली (टेस्टर उपकरण, probe card, socket संपर्क, इंटरफ़ेस हार्डवेयर) द्वारा जोड़े गए उतार-चढ़ाव से मिलकर बनता है:

$$\sigma_{\text{Total}}^2 = \sigma_{\text{PV}}^2 + \sigma_{\text{GRR}}^2 = \sigma_{\text{PV}}^2 + \sigma_{\text{EV}}^2 + \sigma_{\text{AV}}^2$$

अत्यधिक माप noise के कारण अच्छे उत्पाद के गलत तरीके से अस्वीकृत होने या दोषपूर्ण इकाइयाँ भेजे जाने का जोखिम रहता है। Gauge R&R स्क्रीन उसी wafer के बार-बार किए गए टेस्ट रन से इस कुल variance को विघटित करती है। die को (X, Y) निर्देशांक पर मिलाकर, DLOG दोहराए गए रन को वैध ट्रायल मानता है, भले ही फ़ाइलों में Lot या Wafer ID भिन्न हों।

Gauge R&R सारांश स्क्रीन बड़ा करने के लिए क्लिक करें
चित्र 4. Gauge R&R सारांश — उसी wafer के 3 दोहराए गए रन का उदाहरण। सारांश कार्ड अध्ययन किए गए आइटम, median %repeat, median %P/T और good / marginal / poor की गिनती दिखाते हैं। नीचे तालिका हर टेस्ट के लिए PARTS, TRIALS, %REPEAT, %P/T, ndc और RESULT सूचीबद्ध करती है। किसी पंक्ति पर डबल-क्लिक करने से EV, AV और PV variance घटक दिखाने वाला Detail दृश्य खुलता है।
पूर्वापेक्षाएँ: उसी wafer को 2 या अधिक बार मापने वाली कम से कम 2 STDF फ़ाइलें आवश्यक हैं (Append... से दोहराई गई फ़ाइलें लोड करें)। die निर्देशांक रहित datalog (जैसे final पैकेज्ड टेस्ट डेटा) संरेखित नहीं किए जा सकते।

Variance घटक और विधियाँ

घटक विवरण
EV (Repeatability)
Equipment Variation
एक ही शर्तों में एक ही part को बार-बार मापने पर होने वाला उतार-चढ़ाव (टेस्टर का आधार noise)।
AV (Reproducibility)
Appraiser Variation
अलग-अलग ऑपरेटर, फ़ाइलों या टेस्ट site के बीच विविधता (socket संपर्क में अंतर, तापीय बदलाव)।
GRR$\sqrt{EV^2 + AV^2}$ — माप प्रणाली द्वारा जोड़ी गई कुल विविधता।
PVwafer के पार वास्तविक part-से-part निर्माण विविधता।

DLOG दो गणना विधियाँ समर्थित करता है: ANOVA (डिफ़ॉल्ट, Mean Squares से variance घटकों का अनुमान लगाता है) और Average-Range (range और $d_2$ गुणांकों का उपयोग करने वाली क्लासिक AIAG वर्कशीट विधि)। ANOVA बड़े नमूना आकारों के लिए बेहतर स्थिरता देता है। दो विश्लेषण मोड उपलब्ध हैं: Repeatability Only (एकल site, AV छोड़ा जाता है) और Cross-Site (जब सभी site हर die को मापते हैं तब टेस्ट site को appraiser के रूप में मूल्यांकित करता है)।

%GRR मानदंड और ndc

$$\%GRR = \frac{GRR}{TV} \times 100\%, \qquad \%P/T = \frac{6 \cdot GRR}{\text{USL} - \text{LSL}} \times 100\%, \qquad ndc = 1.41 \times \frac{PV}{GRR}$$
%GRR निर्णय व्याख्या
< 10% good माप प्रणाली सक्षम है। यदि ndc ≥ 5 हो, तो resolution भी पर्याप्त है।
10% से 30% marginal अनुप्रयोग के महत्व, घटक लागत या मरम्मत व्यय के आधार पर स्वीकार्य हो सकता है।
> 30% poor माप त्रुटि निर्णयों पर हावी है। probe संपर्क, socket घिसाव और DIB noise की जाँच करें।
स्वचालित निर्णय (RESULT) %GRR (कुल variation के विरुद्ध) द्वारा तय होता है; %P/T (सहनशीलता चौड़ाई के विरुद्ध) भी जाँचें (यदि specs एकतरफ़ा हों तो N/A बताया जाता है)। पर्याप्त विभेदन के लिए ndc ≥ 5 होना चाहिए; ndc < 2 उत्पाद parts में अंतर नहीं कर सकता। जिन टेस्टों के मान सभी parts में समान हैं, उनका मूल्यांकन नहीं हो सकता। पूरी तालिकाएँ Export CSV से सहेजें।
Multi-Site विविधता

5. Multi-Site हार्डवेयर Delta विश्लेषण

multi-site समानांतर टेस्टिंग में, probe needle scrub, socket संपर्क प्रतिरोध या relay pin घिसाव में असमानताएँ अक्सर किसी एक विशिष्ट site को व्यवस्थित रूप से drift कराती हैं। SITE स्क्रीन हार्डवेयर outliers को तुरंत पहचानने के लिए site के पार yield, BIN संरचना और पैरामीटर औसत की तुलना करती है।

Site स्क्रीन yield बार बड़ा करने के लिए क्लिक करें
चित्र 5. SITE स्क्रीन PASS / FAIL टैब — सारांश कार्ड (OVERALL YIELD, BEST SITE, WORST SITE, SITE SPREAD) और प्रति-site yield बार। हर बार पर टिक चिह्न lot औसत yield दर्शाता है, और दाईं संख्या delta दिखाती है (जैसे Site 3 -1.6%p है)।
जाँच बिंदु स्क्रीन कैसे जाँचें
कम yield वाला siteSITE > PASS / FAILसबसे छोटा बार; WORST SITE कार्ड में हाइलाइट।
दोष का केंद्रीकरणSITE > BINदेखें कि क्या विशिष्ट Fail BIN किसी एक site पर केंद्रित हैं।
पैरामीट्रिक बदलावSITE > TEST DATAकुल माध्य के विरुद्ध site-विशिष्ट PASS die के माध्य विचलन की जाँच करें (Δ vs overall)।
Site-प्रधान टेस्टSITE > TEST MATRIXη² (site अंतरों द्वारा समझाए गए कुल variance का अनुपात)। 5% से कम का अर्थ site का न्यूनतम प्रभाव है, जो - के रूप में दिखता है।
सांख्यिकीय महत्वGroup Analysis (Group by: Site)One-way ANOVA p-value और Tukey HSD युग्म-वार तुलना।
Site पुनरुत्पादनीयताGauge R&R (Cross-Site)AV का मूल्यांकन करने के लिए समान die मापते समय site को appraiser मानें।
STDF परंपराओं में Site नंबर 255 आमतौर पर समग्र “ALL SITES” सारांश दर्शाता है। Site 255 रिकॉर्ड कैसे संभाले जाएँ, यह Main Option > SITE 255 on part records (Auto / All Site / Physical site) में चुनें।
प्रक्रिया-क्षमता

6. Cpk · Cp · Est ppm · सामान्यता

प्रक्रिया-क्षमता सूचकांक मात्रात्मक रूप से बताते हैं कि पैरामीटर वितरण specification limits (LL/HL) के भीतर कितनी अच्छी तरह बैठते हैं। DLOG, Cpk और Cp को Chart स्क्रीन के Test Item Statistics, Tests (Cpk) साइडबार सूची और Dashboard क्षमता सारांश में दिखाता है।

$$C_p = \frac{\text{USL} - \text{LSL}}{6\sigma}, \qquad C_{pk} = \min\left(\frac{\text{USL} - \mu}{3\sigma}, \; \frac{\mu - \text{LSL}}{3\sigma}\right)$$ $$\text{Est ppm} = \left[\Phi\!\left(\frac{\text{LSL} - \mu}{\sigma}\right) + 1 - \Phi\!\left(\frac{\text{USL} - \mu}{\sigma}\right)\right] \times 10^6$$

यहाँ $\mu$ और $\sigma$ वर्तमान में चुने हुए दायरे के भीतर नमूना माध्य और नमूना मानक विचलन दर्शाते हैं। Est ppm सामान्य वितरण मानते हुए सैद्धांतिक द्वि-पक्षीय tail प्रायिकता दर्शाता है। एकतरफ़ा limits के लिए केवल लागू tail का मूल्यांकन किया जाता है। Dashboard क्षमता ग्रेडिंग में, Cpk को डिफ़ॉल्ट रूप से Critical (< 1.00), Marginal (1.00 से 1.33) और Good (≥ 1.33) में वर्गीकृत किया जाता है, जिसे सेटिंग में बदला जा सकता है।

Cpk Sigma स्तर सामान्य Tail दोष दर औद्योगिक संदर्भ
1.00$3\sigma$लगभग 2,700 ppmमाध्य केंद्रित, specification limits तक 3σ margin
1.33$4\sigma$लगभग 63 ppmमानक औद्योगिक निर्माण स्वीकृति बेंचमार्क
1.50$4.5\sigma$लगभग 6.8 ppmनियंत्रित उच्च-yield लाइनों का लक्ष्य
1.67$5\sigma$लगभग 0.57 ppmऑटोमोटिव और मिशन-क्रिटिकल सेमीकंडक्टर में अपेक्षित
2.00$6\sigma$लगभग 0.002 ppmSix Sigma शून्य-दोष उद्देश्य

तालिका के मान केंद्रित डेटा और पूर्ण Gaussian सामान्यता मानने वाले सैद्धांतिक आँकड़े हैं। बाध्यकारी स्वीकृति मानदंडों के लिए ग्राहक अनुबंध और औपचारिक उत्पाद विनिर्देशों का पालन करें।

सामान्यता परीक्षण और CDF / Probability प्लॉट

Cpk और Est ppm तभी विश्वसनीय होते हैं जब डेटा वास्तव में Gaussian सामान्य वितरण का अनुसरण करे। DLOG, tail-संवेदी Anderson-Darling परीक्षण का p-value निकालता है, जो Normality (AD) के रूप में दिखाया जाता है। p < 0.05 का मान सामान्यता से महत्वपूर्ण विचलन दर्शाता है।

CDF / Probability: अनुभवजन्य संचयी वितरण बनाम सैद्धांतिक सामान्य वक्र बड़ा करने के लिए क्लिक करें
चित्र 6. CDF / Probability — अनुभवजन्य संचयी वितरण (नीली रेखा) और सैद्धांतिक सामान्य वक्र (धूसर बिंदीदार रेखा) के बीच महत्वपूर्ण विचलन Cpk पर बिना सोचे भरोसा करने के विरुद्ध चेतावनी देता है। भारी दायाँ tail संकेत देता है कि वास्तविक spec-से-बाहर parts Gaussian अनुमानों से कहीं अधिक हैं।
चित्र 1 से उदाहरण (IDDQ_STANDBY): Cpk 0.749 और Est ppm 12,602 (~1.3%) दिखाता है, लेकिन अनुभवजन्य spec-से-बाहर गिनती 591 में से 18 parts (~3.0%) है, और Normality (AD) p-value व्यावहारिक रूप से 0 है। स्पष्ट दायें skew के कारण, Gaussian धारणा वास्तविक दोष दरों को बहुत कम आँकती है। skewed पैरामीटरों के लिए, quantile-आधारित चार्ट (Box Plot, CDF / Probability) देखें और non-normal चेतावनियों की समीक्षा के लिए Group Analysis > Distribution Fit (जो Normal, Lognormal और Weibull वितरणों को Anderson-Darling स्कोर के अनुसार रैंक करके फ़िट करता है) जाँचें।
Correlation, ANOVA और टेस्ट समय

7. सहसंबंध विश्लेषण · ANOVA · TTO

सेमीकंडक्टर टेस्ट में मूल कारण अक्सर किसी एक पैरामीटर में नहीं, बल्कि कई टेस्टों की पारस्परिक क्रियाओं या अलग-अलग संचालन समूहों (site, तापमान, lot, टेस्ट फ़ाइल) में प्रकट होते हैं। Correlation स्क्रीन आँकती है कि पैरामीटर साथ-साथ कैसे बदलते हैं, जबकि Group Analysis सत्यापित करती है कि समूहों के बीच के अंतर सांख्यिकीय रूप से महत्वपूर्ण हैं या नहीं।

Correlation heatmap और scatter plot बड़ा करने के लिए क्लिक करें
चित्र 7-1. Correlation — Matrix heatmap (लाल/गुलाबी = धनात्मक सहसंबंध, नीला = ऋणात्मक सहसंबंध), दो चुने हुए टेस्टों का scatter plot (regression रेखा, r और R² सहित) और Top correlations रैंकिंग।
Group Analysis box plot और ANOVA परिणाम बड़ा करने के लिए क्लिक करें
चित्र 7-2. Group Analysis — site के पार Box plot और नीचे One-way ANOVA सारांश बार (Groups, N, Eta², F, Tukey HSD, p-value)।

Pearson और Spearman सहसंबंध

$$r_{xy} = \frac{\sum_{i=1}^N (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum_{i=1}^N (x_i - \bar{x})^2} \sqrt{\sum_{i=1}^N (y_i - \bar{y})^2}}$$

Pearson सहसंबंध रैखिक संबंध की शक्ति मापता है, जबकि रैंक-आधारित Spearman सहसंबंध outliers के प्रति मज़बूत है और गैर-रैखिक एकदिष्ट संबंधों को पकड़ता है। Cluster क्रम दृढ़ता से सहसंबद्ध टेस्टों को आपस में सटाकर रखता है ताकि संरचनात्मक ब्लॉक उजागर हों। Parameters को Auto पर सेट करने से मज़बूत सहसंबंध (|r| ≥ 0.70) दिखाने वाले टेस्ट अपने-आप अलग हो जाते हैं।

अनावश्यक टेस्ट और TTO: |r| ≥ 0.95 वाली टेस्ट जोड़ियाँ अक्सर बिल्कुल वही भौतिक गुण मापती हैं और Redundant Candidates के रूप में हाइलाइट होती हैं। TTO Engine (Test Time Optimization) सह-रैखिक टेस्टों (|r| ≥ 0.95) को समूहित करता है, हर समूह में सबसे अधिक दोषपूर्ण इकाइयाँ पकड़ने वाला एकमात्र टेस्ट चुनता है, और टेस्ट समय घटाने के लिए Drop Candidates सुझाता है। यदि तालिका का Only Drop Fails मेट्रिक 0 से अधिक है, तो उस टेस्ट को हटाने से दोषपूर्ण parts निकल सकते हैं; अंतिम बदलाव से पहले डिज़ाइन specs और ग्राहक आवश्यकताओं की समीक्षा करें।

One-way ANOVA (Analysis of Variance)

Group Analysis यह निर्धारित करने के लिए कि समूहों के माध्य में महत्वपूर्ण अंतर है या नहीं, टेस्ट परिणामों को Site, File, Corner, Temp, Process, Node, Program-Rev या Product के अनुसार बाँटता है:

$$F = \frac{MS_{\text{Between}}}{MS_{\text{Within}}} = \frac{\sum_{j=1}^k n_j (\bar{x}_j - \bar{x})^2 / (k - 1)}{\sum_{j=1}^k \sum_{i=1}^{n_j} (x_{ij} - \bar{x}_j)^2 / (N - k)}, \qquad \eta^2 = \frac{SS_{\text{Between}}}{SS_{\text{Total}}}$$
  • p-value < 0.05: यह मानते हुए कि समूह माध्य समान हैं, वर्तमान अंतर केवल संयोग से देखे जाने की प्रायिकता 5% से कम है। निष्कर्ष निकालें कि कम से कम एक समूह का माध्य महत्वपूर्ण रूप से भिन्न है।
  • Eta² (η²): समूह वर्गीकरण द्वारा समझाए गए कुल variance का अनुपात। 0 के करीब का अर्थ है नगण्य समूह प्रभाव; 0.40 का अर्थ है पैरामीटर विविधता का 40% समूह अंतरों से आता है।
  • Tukey HSD: भिन्न युग्मों की सटीक संख्या बताने के लिए युग्म-वार समूह अंतर का मूल्यांकन करता है (जैसे “0 of 6 pairs differ”)।

चित्र 7-2 का उदाहरण Eta² 0.001 और p-value 0.6772 दिखाता है, जो पुष्टि करता है कि site में कोई महत्वपूर्ण विविधता नहीं है। हरा status pill No difference तुरंत पुष्टि देता है।

व्यावहारिक फ़ील्ड गाइड

8. प्रक्रिया Drift बनाम माप Noise

जब Cpk गिरता है या yield घटता है, तो fab टीमें टेस्ट हार्डवेयर पर शक करती हैं, जबकि टेस्ट टीमें front-end wafer निर्माण पर। DLOG की विश्लेषण स्क्रीनों को मिलाकर, आप अनुभवजन्य डेटा के साथ मूल कारणों में अंतर कर सकते हैं।

जाँच क्षेत्र Fab / प्रक्रिया मूल कारण टेस्टर / माप मूल कारण
स्थानिक पैटर्न
(Wafer > Signature)
संकेंद्री रिंग, wafer किनारे पर गिरावट, केंद्र में hot spot, स्थानीय क्लस्टर शून्य के करीब cluster score (यादृच्छिक) के साथ कम yield, shot-pitch या site आवर्तता
Site Delta
(SITE, Group Analysis)
सभी टेस्ट site में एकसमान वितरण एकल site offset, महत्वपूर्ण One-way ANOVA p-value
माप प्रणाली
(Gauge R&R)
कम %GRR, Part Variation (PV) हावी उच्च %GRR, Equipment (EV) या Appraiser (AV) विविधता हावी
समय-श्रृंखला Trend
(Chart > Trend)
wafer या lot सीमाओं के अनुरूप चरणबद्ध बदलाव टेस्ट क्रम के पार निरंतर drift, probe card/socket सर्विस के बाद अचानक बदलाव
सुधारात्मक कार्रवाई Fab उपकरण और recipe (litho, etch, CMP, deposition) की जाँच करें probe card / socket साफ़ करें या बदलें, docking सत्यापित करें, DIB grounding की जाँच करें
PAT Sigma तय करना: सीमित नमूना आकार वाले शुरुआती उत्पादन ramp के दौरान, उदार k गुणकों से शुरू करें। overkill और जोखिम मेट्रिक्स के बीच संतुलन के लिए Yield Loss vs Quality Risk का उपयोग करें, और मात्रा बढ़ने के साथ limits धीरे-धीरे कसें। पर्याप्त आधार डेटा एकत्र होने पर, प्रति-wafer DPAT के साथ DPAT vs lot baseline की तुलना करें।
FAQ और रिपोर्ट Export

9. अक्सर पूछे जाने वाले प्रश्न और रिपोर्ट

अक्सर पूछे जाने वाले प्रश्न (FAQ)

प्र1. Cpk ऊँचा होने पर भी ग्राहक field returns (RMA) क्यों रिपोर्ट करते हैं?
Cpk मानक Gaussian वितरण मानकर एक ही पैरामीटर का मूल्यांकन करता है। गैर-सामान्य वितरण (bimodal वितरण, भारी tail) या ऐसे बहु-टेस्ट संयोजन जो अदिश limits पास करते हैं लेकिन भौतिक सहसंबंध तोड़ते हैं, उन्हें अकेला Cpk नहीं पकड़ सकता। सूक्ष्म outlier escape पकड़ने के लिए PAT+ (DPAT · SPAT) और MVA (MVA Explorer, Wafer MVA-PAT) को मिलाएँ।
प्र2. मेरी Gauge R&R रिपोर्ट में %GRR 35% है। क्या पहले EV की जाँच करूँ या AV की?
Gauge R&R Detail के अंतर्गत variance घटकों की जाँच करें। यदि EV हावी है, तो टेस्टर noise, grounding, power supply ripple और shielding पर ध्यान दें। यदि AV हावी है, तो फ़ाइल या site अंतरों (socket घिसाव, docking संरेखण, calibration) की जाँच करें।
प्र3. Gauge R&R चलाने के लिए कौन-सी datalog फ़ाइलें आवश्यक हैं?
आपको ठीक उसी wafer के दोहराए गए टेस्ट रन की कम से कम 2 STDF फ़ाइलें चाहिए, जिनमें die (X, Y) निर्देशांक हों। retest फ़ाइलें Append... से लोड करें। निर्देशांक रिकॉर्ड रहित पैकेज्ड final test डेटा संरेखित नहीं किया जा सकता।
प्र4. क्या मैं विश्लेषण तालिकाओं को Excel या औपचारिक इंजीनियरिंग रिपोर्ट में export कर सकता हूँ?
हाँ। तालिका डेटा सहेजने के लिए किसी भी स्क्रीन में Export CSV पर क्लिक करें। औपचारिक PDF, Excel (.xlsx), Word (.docx) या इमेज रिपोर्ट बनाने के लिए Export > Save Report का उपयोग करें। प्रति-टेस्ट 1 पृष्ठ वाले PAT limit चार्ट PAT (PDF) से export करें।
रिपोर्ट सुविधाएँ: सांख्यिकीय चार्ट, सारांश तालिकाओं और wafer map वाले ग्राहक-तैयार दस्तावेज़ बनाना सीखने के लिए हमारा Report Guide पृष्ठ → देखें।

DLOG के साथ प्रक्रिया-क्षमता और माप विश्वसनीयता का अनुभव करें

PAT+ outlier स्क्रीनिंग, MVA explorer, Gauge R&R, multi-site variance और Cpk क्षमता आँकड़े।
6 महीने के निःशुल्क परीक्षण के साथ 100% ऑफ़लाइन वातावरण में अपने STDF datalog का विश्लेषण करें।

6 महीने का निःशुल्क परीक्षण डाउनलोड करें (Windows 64-bit)