京公网安备 11010802034615号
经营许可证编号:京B2-20210330
半导体制造行业如何应用大数据分析
意法半导体是世界第五大半导体元件制造商,拥有业内最全的生产线之一,产品从分立二极管、晶体管,到整套平台解决方案,一应俱全。
意法半导体是一家跨国企业,总部位于瑞士日内瓦。意法公司的产品在许多领域处于行业前列:工业半导体、汽车电路半导体、移动电话的相机模组半导体,以及发展迅速的微机电系统半导体(用于温度传感器,安全气囊、心脏起搏器的加速计等)。
意法半导体(简称ST)在半导体制造行业内保持领先。这一行业竞争力极大,对更先进技术的需求从未间断,生产工艺复杂,周转时间紧张。
MatteoPatelmo、Diego Gerosa和Vincenzo Palumbo都是意法半导体的工程师,负责应对上述挑战。他们的工作地在一座靠近米兰的意大利小城,阿格拉泰布里亚恩扎(Agrate Brianza),工作重心正是用于控制高压、高功率设备的智能电力技术。这一技术在意法半导体的业务中占很大比重,而阿格拉泰布里亚恩扎(Agrate Brianza)是其研发制造该技术的中心。
意法半导体是全球行业领导者,业务范围覆盖所有电子元件。为该公司效力的意大利工程师们正专注于开发下一代智能电力技术。
“激发探索欲”
Matteo Patelmo,意法半导体电子器件经理,使用JMP软件已近10年了。像许多JMP用户一样,一开始他也是被JMP软件的图形展示功能(能让数据以更为易懂的形式呈现出来)、以及其简易的操作方法所吸引的。Patelmo只在大学里学过一点统计学,专业背景并不深。
“但使用JMP,其实不必有多深的专业背景。”Patelmo表示,“真的,除了基本知识——像标准差什么的——其他都不是很必要。”
“JMP能激发用户的探索欲。”Patelmo补充道,“因为看分析结果时,用户有可能遇到不熟悉的术语,就会想法弄清这些术语的含义——然后就会发觉自己从中得到了有用的信息,学到了新知识。”
Patelmo与其同事正在设法提高几项技术的产能,这几项技术近期已产出了成品。每次生产流程结束后,他们都会进行产品检测,以保证各项参数符合技术指标。
不过,有时生产环境还未配备完全,相应的新产品就已研发出来了。这是一个大问题。
“我们必须以极快的速度推出并生产产品,同时也必须保证所有产品都符合技术指标,哪怕生产环境还未完全齐备。”Patelmo表示,“JMP能够让我们轻松完成这些任务,如通过模拟还未制造出的生产工具的方式。”
解决难题的软件
当设计好的产品付诸生产,就可能涉及到400-500个生产步骤,整个生产流程长达3个月。如果在流程的最后才发现问题——比如某一参数不符合技术指标,Patelmo及其团队就会运用JMP软件中的分割平台功能来检验该批次产品的生产流程,找出曾用过哪些生产设备;再将瑕疵批次产品与高质成品进行对比,从而发现问题设备,有助于工程师们采取恰当补救措施。
Patelmo表示。“分割是很难的工作,但功能十分强大。我觉得,这样复杂的问题交给JMP来解决是最合适不过了”
“幸好纰漏不是每天都出,但生产瑕疵总是难免的。知道自己能够轻松搞定这些数据,对我们工程师来说真是种安慰。”
当位置数据与某一分区的数值产生特殊关联时,意法就运用JMP提高分析及数据呈现有效性。
实验设计
Diego Gerosa是位元件工程师。他运用JMP软件处理不同来源的超大数据集,并表示自己十分欣赏JMP软件的简易与高效。
Gerosa还说,实验设计(DOE)是产品开发过程中另一款十分有用的工具。他自己就运用该功能检测多种变量,如温度与压力对产品的影响。
Vincenzo Palumbo是一位生产设备研发工程师。他运用JMP分析不同参数间的相关性,以确定哪些参数对晶元特性产生最大影响。他也认为JMP是一款问题解决型软件。“我的工作和Diego的不同。”Palumbo说,“我的工作不需要分析大量数据,而通常是分析新元件和结构的参数值。”
Palumbo常用的JMP功能是实验设计、箱形图和相关性工具,同时也非常喜欢JMP的变异性/计数量具图平台以及生存分析功能。
意法半导体的团队还将JMP作为重要的数据呈现手段。
“有了JMP,即使你把大量数据合并到一张图表里,也能轻松地传递正确信息给听众。”意法电子元件工程部经理Patelmo如是说。“你可以准备一张图表,专门以你想要的方式、专门呈现你想要呈现的数据。我真的很喜欢JMP能以不同方式、以最有说服力的手段来呈现数据的功能。”
Gerosa同意这种说法。他说:“比如运用数据表与图表之间的动态关联,我就能建立起数据的实时呈现,并更清晰地看出这一数据真正意味着什么。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27