在竞争激烈、制程复杂的半导体产业，你是否常常面临以下似曾相识的难题：

@No.1 挑战1
某半导体公司正面临制程复杂、因子过多、数据量过于庞大而导致研发成本过高等棘手问题，正在思考如何找出关键参数并监控提升良率，减少报废率及成本损失。

@No.2 挑战2
某半导体原材料制造商因产能过低，制程有诸多条件限制，特定条件之间又相互制约的难题，想要了解如何实现多个响应变量之间的最优化，如何快速提升产能。

@No.3 挑战3
某半导体客户的先进制程要求高，某CMP生产企业送样的产品无法符合该半导体客户要求的规格，造成掉单的风险，可能损失百万的收益，正在苦苦思索该如何稳定制程、修正产品……

要有效地解决以上问题，使用数据及科学的方法来及时地发现问题、解决问题并预防问题，成为不可忽略的重要关键。

10月27日14:00-15:00，JMP将面向高科技领域的工程师开展一场在线研讨会——高效运用数据分析、数据挖掘机器学习等方法，解决半导体制程优化及良率提升的难题：

https://www.jmp.com/zh_tw/events/live-webinars/non-series/2021-10-27.html?utm_campaign=wcl7015b00000576F0AAI&utm_source=bilibili&utm_medium=social

本次研讨会将从生产的角度出发，通过5个“硬核”真实应用案例分享，帮助你了解数据分析及数据挖掘如何有效地帮助业界知名半导体企业：

• 节省时间成本，以最有效率的方式找到异常，减少异常发生率；

• 大量降低报废率及全检的时间，减少因报废造成的成本损失，并提升设备的使用率；

• 增加万吨产能(提升10%以上)，创造百万美元的利润；

• 成功稳定制程，并符合客户要求，赢得业界龙头客户的订单；

• 成功提升产能2倍，领先业界技术，巩固领头羊地位；

在研讨会中，你将学习：

• 如何通过交互式的图形分析查找异常模式，并使用散点图了解参数的相关性；

• 如何借助JMP一流的实验设计和分析能力，以较少的实验次数找出最佳模型，并搭配仿真了解不良率情况；

• 在使用相关分析及建模方法时，如何借助JMP独特的预测刻画器，自动找出最佳设定组合，通过模拟实验，提前预估不良率从而针对性地去改善；

• 在数据探索时，如何通过交叉验证，减少过拟合造成模型偏差的影响，并且搭配JMP16模型筛选快速挑出适合的模型及机器学习方法；

• 如何运用JMP强大的多变量分析有效处理相关性的问题，避免共线性造成的模型失准；

• 如何根据企业自身需要定制自动化的报表，从而节省分析时间，快速分析问题……

课程大纲

1. 高科技产业下的生产难题

2. 高科技产业于JMP生产场景分享

• JMP于产品生产流程的角色

• JMP在半导体的6大应用

• JMP数据分析流程

3. 5个实际应用案例分享

免费报名学习：

https://www.jmp.com/zh_tw/events/live-webinars/non-series/2021-10-27.html?utm_campaign=wcl7015b00000576F0AAI&utm_source=bilibili&utm_medium=social