Discovery Summit China Dots header background

China 2021

2021 JMP 数据分析大会线上直播

2021年7月8日-7月10日

每天 13:30 -15:40

演讲摘要

紫光展锐:先进半导体制造系统之工程数据分析平台初探

刘志农,紫光展锐(上海)科技有限公司,首席供应官,高级副总裁

刘志农博士从2000年开始采用DOE技术系统地改善SiGe材料的薄膜均匀性和晶体生长质量,从2005年开始作为负责人一直在顶级芯片公司做大数据分析、先进制程良率提升和失效率降低的工作,着力打造基于策略的高效稳健的先进半导体制造系统,2013年获得华为集团质量一等奖。2019年荣获湖南省科技创新100人。

本次演讲中,刘博士将分享Fabless大数据平台和工程数据平台建设的先进理念,提升产品工程、质量工程、封装设计工程和测试工程的数据分析效率,稳步提升产品的核心竞争力。

 

 

探讨如何应用JMP分析解决半导体行业问题   

张汉民,恩智浦半导体(中国)公司焊线工序负责人、Sigma经理、黑带大师

在半导体行业,产品要求越来越来高,工艺和设备变得越来越复杂。工艺参数的控制也更严了,对材料的要求也相应地提高了。而生产过程中所遇到地问题越来越复杂,并不是单一因素导致,通常由多个潜在因素相关。本次演讲以BGA的一个产品在Mold 工序有wire sway issue 研究为例,应用JMP工具对数据分析找出根本原因,并通过model comparison(Partition/Neural/Bootstrap Forest/Boosted Tree/Generalized Regression)模型比较找到最适合的model进行优化找到最优值,最终解决了问题。  

 

工业4.0下JMP推动的数字化体系变革

王显韬,奥特斯(中国)有限公司 AT&S数据算法专家

本次演讲将基于JMP为基础架构,建立了基础工业4.0下面大数据的的分析和探究模型, 对半导体行业的数据进行了自动细分和AI探究,并且建立了自动化的分析报表和与C++的程序交互实现了厂内数字化体系的建立。

 

如何让预测更加准确——使用季节性ARIMA进行售后失效预测

杜旭辉,科世达质量部资深工程师

本次演讲将从时间序列介绍起,如何选择模型进行预测分析,并展示基于JMP季节性ARIMA的实际应用。

 

利用JMP均匀设计实验方案实现产品的快速优化——在化妆品行业中的应用实例

Lina Zhao,欧莱雅日本R&I 统计经理

实验设计是一种有效地优化化妆品配方的方法。传统的筛选设计通常考虑的因子水平数较低(不超过4水平),可以有效识别出关键因子,但不足以实现配方优化。如果略去因子筛选直接优化,则需要考虑的因子数量较大,会大大增加实验量。

但是,当无法判断哪些是关键因子并且因子的有效浓度信息也有限时,配方师需要通过较小的实验量来寻找到目标配方。一个经典的应用场景,利用非常有限的配方信息,在短时间内快速跟踪市场上的最新产品,包括竞争对手产品。

方开泰教授和王元教授于1980年提出了均匀设计(UD),在实验领域内尽可能均匀地分散实验点,实验次数可以等于因子的最大水平数。 UD已成功应用于化学、制药及自然科学等领域。UD可以在较少的实验次数下探索更多的因子水平,有潜力满足在短时间内快速跟踪市场新品的需求。

本次演讲将分享一个利用UD优化染发剂的实例。配方师缺乏信息去甄别关键因子,按法规要求选择了因子的安全浓度范围,考查了6个因子,每个因子12水平,共12组配方。方案同时考虑两个目的,因子筛选及配方优化,最终成功找到了目标配方。

与内部使用的空间填充设计及其他筛选或优化设计相比,UD有明显优势,用更少的实验量快速找到了目标配方。此例中,节省了70%以上的实验资源。

 

寻找黄金曲线:实现函数响应DOE分析

Christopher Gotwalt,JMP全球首席数据科学家 

工程师和科学家经常需要从数学函数或曲线的角度来思考这些函数或曲线所描述的随时间变化或在一定条件下的行为,比如剂量响应曲线、色谱曲线、粘度与切变的曲线、电流与电压的关系等。近些年,来自实验设计 (DOE) 的建模数据让仅从曲线中提取一个数字并应用经典DOE 方法成为可能。利用JMP Pro,您可以直接对预测曲线的形状如何随着输入变量的变化而变化进行建模。在 JMP Pro 中,您甚至可以定义“黄金曲线”,即您想要匹配的理想曲线。只需点击几下鼠标,JMP Pro 就会找到与黄金曲线最匹配的因子设置组合。此项技术已被广泛地应用于生物检定、药物纯度和稳定性研究、消费品和半导体研发等领域。我们看到许多业内人士对函数DOE分析十分感兴趣。因此,在本次演讲中,Chris将介绍函数DOE分析的基本概念,并使用真实案例研究展示,应用 JMP 分析经典实验数据的任何人都可以轻松上手运用好此技术。

 

JMP16实验设计及数据分析检测限新功能介绍

Laura A. Higgins,JMP全球技术支持工程师

JMP 16 实验设计平台新增了将检测限合并到列属性中的新功能,可在使用 JMP Pro 广义回归平台建模期间自动应用。在本次演讲中,Laura 将演示此项新功能,并讨论检测限对数据分析的影响。

当我们在寻找非常少量的物质时,往往会受到所使用技术的限制。可能存在某种物质我们无法检测到它。这就是检测下限,对于在关键情况下检测低水平的物质时具有很强的指导作用,例如哦判断感染的开始随时间或正确识别少量杂质。在数据分析中忽略检测限将会产生严重的影响,诸如均值和置信区间之类的基本统计数据会出现偏差和误导。使用基于检测限的错误假设对数据进行建模也会导致错误的模型。检测限在工业领域应用广泛,例如制药、化工制造、分析化学和诊断测试设计等。

 

JMP可靠性平台概览

刘鹏,JMP全球可靠性研发专家

2007 年,JMP软件“生存/可靠性(Survival/Reliability)” 菜单下共有四个平台、三个分布(Weibull、Lognormal、Exponential)。十多年过去了,JMP“生存/可靠性(Survival/Reliability)” 菜单下已具备十四个平台,各个平台的功能更加全面和强大。现如今,JMP 已是可靠性数据分析和工程软件市场的领先软件供应商。 JMP 可靠性平台的功能可以满足各行各业可靠性工程师极为复杂的需求。同时,对于一个新工程师来说,在短时间内学习和掌握所有功能是一项艰巨的任务。有时,对于经验丰富的工程师来说,快速定位到所需功能及平台也是一项挑战,尤其是当工程师对其他软件已有长期经验而知识转移也并非易事。因此,在本次演讲中,刘鹏博士将从几个角度对 JMP 可靠性平台的功能进行全面的概述,例如 JMP 设计理念、可靠性平台之间的设计决策以及几个主要平台的功能。除了大多数可靠性工程师都已知道的功能外,本次演讲还将介绍JMP和可靠性平台的一些独特特征,希望通过此次演讲帮助可靠性工程师灵活地运用可靠性平台。

 

 

Back to Top