因應品質目標,解決晶圓廠製程相關問題。運用備受肯定的 PAT (零件平均測試) 演算法,以統計方式分析多項作業的測試資料,找出合適的異常值單位。學習如何使用預先定義的群體執行測試資料異常值偵測演算法,從而強化 OptimalPlus 技能。了解如何在多重作業期間以單一規則「配方」整合這些演算法。了解在將規則套用於生產時,該如何自動將單位切換成不同的槽。
說明 Outlier Detection 解決方案的價值
區分每種演算法的運作原理
設計不同的虛擬作業規則
應用 Outlier Detection 演算法後分析規則結果
講師授課實體課程:3-4 天
從事半導體產業的客戶
負責提升產品品質和穩定性的工程師
想接受強化教育訓練的品質工程師、測試與產品工程師、IT 系統管理員,以及主要使用者
已經具備全球業務學習課程相關知識
可供學員進行練習的環境
事先收集好想在課堂上討論的使用案例
如果客戶使用 Vertica 環境,必須先請客戶提供相關資訊
OptimalPlus SW
講師授課的 NI 虛擬教育訓練課程是透過 Zoom 進行,而 NI 會提供 Amazon AppStream/LogMein 存取權,以便參與者在配備最新版軟體的虛擬機器上進行課堂練習
請聯絡客戶成功經理或應用支援團隊,洽詢更多資訊或索取課程大綱。
如果您打算在 1 年內參加 3 次或以上的 NI 講師授課課程,則教育訓練會員資格可提供高成本效益、不限次數參加所有 NI 公開課程與公開虛擬課程的機會以及不限次數的認證禮券。