カタログ

O+解析ツールと他ツールとの違い ダウンロード

Optimal Plus Japan株式会社

O+解析ソリューションの特徴

ここでは弊社のソリューションの特徴的な部分をまとめました。

このカタログ(O+解析ツールと他ツールとの違い)の内容

Page 1:Optimal 特色- 他のソリューションとの違い -Optimal Plus Japan

Page 2:世界で唯一のエレクトロニクス製造専用解析ソリューション

Page 3:© Optimal 2017, Proprietary and Confidentialユニークな特徴3世界で唯一のエレクトロニクス製造専用解析ソリューションデータの一元管理• あらゆるデータ活用• 電気的データ/メカ的データ• 異なるデータ形式を独自ツールで統一• 一元管理• 複数の工場、工程ラインを1か所にて集中管理• 24時間リアルタイムにて全ての工場・工程状況の監視• ビッグデータ専用データベース不良問題発生時に迅速な問題個所の発見問題発生の予測と事前回避車載分野での実績• 欧州および米国の車載T1およびボードメーカーへの実績• 欧州OEMメーカーとの協業広範囲なサプライチェーンマネジメント• チップ→ボード→セット→車体• トレーサビリティ

Page 4:データの一元管理

Page 5:5全ての工程を一元管理可能製造工程の流れ本社APPLICATIONSERVERS台湾PROXY SERVER中国PROXY SERVERメキシコPROXY SERVERブラジルPROXY SERVEROptimal Big Data Highway製造工場© Optimal 2017, Proprietary and Confidential各工場、工程で様々なデータ形式

Page 6:© Optimal 2017, Proprietary and Confidentialあらゆるデータの活用6Optimal は全体的な製品品質のための多次元相関を実行しますOptimal はあらゆる機能検査からのすべてのパラメトリックデータをつなぎます受入れボードシステム市場不良

Page 7:Traceability DataQuality DataProcess Data.binLabView7様々なデータソースの統合Machine DataAny Source Any Type at any FormatSinglePointof TruthRepair /ReworkField Failures /RMAGenealogyPCBAMachinesInspectionToolsMESTestInstrumentsParametric DataTime Series167dB 32 23 11 678142 967e-8 112.501v P100Discrete MeasurementsAuto ParsingO DBHarmonizationParser:O ツールによるデータ形式の統合ビッグデータ解析© Optimal 2017, Proprietary and Confidential

Page 8:8ビッグデータ、言語 & 統合© Optimal 2017, Proprietary and Confidential

Page 9:不良問題発生時に迅速な問題個所の発見

Page 10:10問題個所の発見データを分析可能にするための多大な労力製造データのアクセスは遅い“干草の中の針”を見つけるためのエンジニアリング・リソースが不足突発不良や市場不良品に対してソースデバイスのデータ集合体から関連性を見つけ出すための大変な労力© Optimal 2017, Proprietary and Confidential

Page 11:分析のための遅延時間を99%以上改善作業効率を著しく改善迅速な問題個所の発見 – 事例Optimal 導入前30日以上Optimal 導入後6分11© Optimal 2017, Proprietary and Confidential

Page 12:車載ボード潜在市場不良の予測12チップ検査結果パラメータ#3チップ検査結果パラメータ#1P#1 P#2 P#3 P#4P#4P#3P#2P#1チップ検査結果の相関性 ボード市場不良品 潜在的なリコール二変量分析の例© Optimal 2017, Proprietary and ConfidentialO のビッグデータエンジンでは全てのパラメトリックテストの組み合わせの相関をとり,強い相関のある組み合わせを検出O の自動ルールエンジンが、良品判定となったものの中から、二変量アウトライヤと判断された場合、品質問題の可能性のあるボードとして検出

Page 13:13豊富なアルゴリズム群とアクションモデルExiting algorithms configured by customerNew algorithms can be script by customer© Optimal 2017, Proprietary and Confidential

Page 14:車載分野での実績

Page 15:© Optimal 2017, Proprietary and Confidential車載品質を重視 - 115“Defects per Million”から“Defects per Billion”へシフト自動車電子システムの多くは必要不可欠な要素エンジン制御エアバッグアンチロック・ブレーキTPMS(タイヤ圧制御)トラクションコントロール横すべり防止ADAS (Advanced Driver Assistance System)先進運転支援システム

Page 16:Optimal 2016 Company Confidential 16車載品質を重視 - 2

Page 17:Optimal 2016 Company Confidential 17車載品質を重視 - 3

Page 18:18車載関連市場での実績増加中© Optimal 2017, Proprietary and Confidential25M ボード (2016年)その他 ….In Data Analysis / Pilots / EngagementsLead Design Partner量産工場でのシステムの構築高い満足度Up to 1%歩留まり改善50% less escapes品質改善Up to 20%効率化改善

Page 19:広範囲なサプライチェーンマネジメント

Page 20:20SQN:Optimal による個別品質の結合Test and process data検査リワーク系図性能データ 利用中データ信頼性、保証データIC & マルチチップ ボード 製品 利用中市場不良ファイナルシステム電子製品バリューチェーンのEnd-to-End分析ソリューション© Optimal 2017, Proprietary and Confidential

Page 21:SQN - 異なるデータソースSQN© Optimal 2017 Company Confidential, All Rights Reserved 21車内センサーデータ あらゆるセンサーデータ ボディシャーシのメカデータ 例)車体のゆがみ、各ねじの位置と絞め具合データボードテスト・データ エラーコード、不良モード(ビン情報) 検査(および再検査)データ MESからの情報 ルーティング(材料の所定の流れ) WIPデータ(データの完全性のために使用) ワークオーダー & 優先度 / 製品系図 / 装置PMピック&プレース IC コンポーネントとボード間の繋がりICコンポーネント情報 フル・テストデータ インクレス・マップ(ロット、ウェハー、X、Y) Partial Genealogy Information (ECID, Lot #, …)CRM カスタマ・コール & クレームデータ(市場不良返却品)

Page 22:OEMと関連するすべてのOCMがテストデータをハブへ転送Optimal は分析サービスを提供し、ボードの品質、信頼性、および動作を予測できるOCMデータの組み合わせを決定しますSQNハブで行われる品質の決定は、OSATまたはOEMのどちらかにおいて疑わしい部品を排除することで実現できます新しいデータを使用して時間の経過とともにモデルが更新され、継続的な改善が可能になりますOCMの利益: ターゲット・アウトライヤの検出は歩留まりへの影響を大幅に低減しますOEMの利益: よりよい品質と性能、Time-to-Qualityの短縮SQN – 構築中のサービスモデルSQN© Optimal 2017 Company Confidential, All Rights Reserved 22マニュファクチャリング・フローチップデータ(ハブへの転送)ボードデータ(ハブへの転送)OCMsSQNハブO による運用 OEMウェハーマップOSATs

Page 23:23O のユニークな価値提案© Optimal 2017, Proprietary and Confidential• チップ、ボード、システム系図のフルデータ管理の所有権と可視性• 実時間/短時間で包括的かつ有意義な洞察から自動化されたアクションを提供Time-to-Data &Resolution• 歩留まり改善、成熟までの時間短縮• 自動化された歩留まりのリカバリー・アクション• 自動処理による不良解析FAST YieldRamp & Gain• ビッグデータPATアルゴリズムを通した品質ファイヤウォール• 自動化された不良解析でDPPM、市場返却品、 不良率を低減Robust ProductQuality• 工程、工場間の可視化とトレーサビリティ• 自動でボトルネックを特定して警告• すべての工場を通じて作業とエンジニアリング手法を標準化Supply ChainVisibility &Control• 作業効率、エンジニアリング生産性の改善• 装置間の性能例として、TAC 時間• リアルタイム作業効率監視を通してCapExを低減Productivity &Efficiency• すべてのレベルで自動レポート• MESとの統合• すべての異なる工場、部署、エリアで共通の言語One Point ofTruth

Page 24:24Thank you !Vision:品質の改善、保証、監視By:データの収集、分析、アクションMission:品質、歩留まり、生産性の最大化Thank you !

Page 25:補足資料

Page 26:対象とするお客様のデータ: O のソリューションは半導体とボードに特化したデータを扱っている。 一方Tableau, Qlik, SASといったジェネリックなBIツールは広範囲の用途を対象。 リテール、金融、ロジスティクスなど 導入時に大規模はシステムインテグレーションの作業が発生し、その為のコストも大きなものとなる。特価した分析: O のソリューションは製造品質と品質予測のためのルール化の為に設計されている。 O のデータは生産プロセスのデータを扱い、データ形式も様々なテストデータを対象。 O のエンジニアは半導体とエレクトロニクス・ボードの専門家集団である。 O の分析項目としてはジェネリックなBIツールにはない、以下の項目などが含まれる。 テストデータの多変量解析、外れ値の割り出し、ボード不良をチップレベルにまでトラックし、ウエハー中のダイの位置を特定、など分析結果による対策の自動化: はずれ値やウエハーのダイの位置の把握から、今後のアクションへ繋げる。Optimal 2016 Company Confidential 26BIツールとの違い

Page 27:MESの定義:• MESとは、製造業の生産現場で、製造工程の状態の把握や管理、作業者への指示や支援などを行う情報システムのこと。• MESは工場などで利用され、設備や原材料、仕掛品などの数量や状態などをリアルタイムに把握し、生産計画に基づいて作業のスケジュールを組み立てたり、作業者へ指示を出したり、作業手順に関する情報を提供したりする役割を果たす。Optimal 2016 Company Confidential 27MES (Manufacturing Execution System)との違い生産資源の配分と監視生産資源を管理する機能です。対象は生産装置、工具、技能、資材、その他、設備や文書など。資源の予約や割り振り機能が用意されている製品もあります。作業のスケジューリング 生産計画に基づいて、詳細なスケジュールを立案します。勤務シフトにも対応します。作業手配・製造指示生産投入を管理する機能です。ジョブ、受注オーダ、バッチ、ロットなどの形で作業を開始します。工程内仕掛量の調整機能を提供する製品もあります。仕様・文書管理作業に必要となるドキュメントを管理します。作業指示書、レシピ(配合表)、図面、作業手順書、設計変更などの蓄積や編集機能を提供します。データ収集 各工程内の進ちょく状況をリアルタイムに収集します。自動収集はもちろん、スマートデバイスによる手動収集にも対応します。作業者管理 作業者状況を監視する機能です。最適な作業割り当てを決めることもできます。プロセス管理 生産状況を監視し、作業者の意思決定を支援します。設備の保守・保全管理 装置や工具の可用性を確保し、定期保全・予防保全のスケジュールを確定します。製品の追跡と製品体系管理 仕掛品の場所と次の作業を把握する機能です。MESの主な機能

Page 28:© Optimal 2016, Proprietary and ConfidentialMESの位置づけハードウエアレイヤーMESレイヤー解析レイヤー O 解析ツール各種解析、歩留り向上、不良低減、原因分析、問題個所特定、テスト時短、自動ルール、アラート配信、歩留りリアルタイム・モニター、問題事前回避など管理システムスケジューリング、作業手配・管理、工程管理、仕様管理、プロセス管理、データログ、設備の保全管理、在庫管理、仕掛管理、資材管理、調達管理PLC、テスター、サーバー、ネットワーク製造装置、検査装置、シーケンサー、ストレージ、プロセッシング、システムプラットフォーム、通信O の解析ソリューションはMESからデータを受け取り、MES上で走る。MESとはバッティングしない。

Page 29:Optimal 2016 Company Confidential 29対象とするお客様の部署 → 生産技術部や品質保証部お客様の生産ライン・サーバーにO のプログラム導入製品の生産工程からのテストデータを分析お客様が得られるもの• リアルタイムで各工程状況モニタリング• テスト状況(全ての工場の全工程の)、自動テストデータ分布、• 各工程の歩留り、異常値の自動警告アラート、など• 不良問題の事前回避• 不良品数の削減• 自動ルール化による生産効率改善• 不良発生時に短時間で問題個所の発見• リワーク・リペア削減• 歩留まり改善• 新たな製品生産開始後、早期に歩留り向上ビジネスモデル• 年間使用料ライセンス(1年毎に更新、メンテナンス・サポート込み)O の解析作業

Page 30:エレクトロニクス・ソリューションAIT – Assembly, Inspection & Test• 性能の低い装置、テスタ(ステーション)、工程などを特定することで歩留まりと効率を向上させます• 内外の製造フロア全体を通して透明性と“共通言語”を提供します• すべての製造現場から迅速かつ確実にデータを取得します• 製造、テスト工程からのデータをシングルリポジトリ(データベース)に保管します• 高度な分析機能を通して一貫した製造品質を保証しますSQN – サプライヤ・クオリティ・ネットワーク• コンポーネントの性能とモジュール/PCB/システムの性能との相関分析を行ないます• 自動ルールを使用した相関分析を活用して、エレクトロニクス製品の性能(歩留まりと品質)を改善しますSQNAIT© Optimal 2017 Company Confidential, All Rights Reserved 30

Page 31:31SQNがもたらす価値© Optimal 2017, Proprietary and ConfidentialSQN# 利益 方法 必要なアクション1電気テスト歩留まり /品質の改善電気テストとOCMデータ(歩留まり、ビン/テスト、性能)との相関性を利用してユニットレベルの新しい品質体系を作成OCMによって提供される新しいウェハーごとにO によって自動的に生成される新しい電子マップを使用2電気テストとOCMデータ(歩留まり、ビン/テスト、性能)との相関性を利用してユニットレベルの新しい品質体系を作成- ボードアセンブリ(Pick&Place)でロットを使用する前にOCMデータに関する自動ルールを実行- 自動ルールによるパフォーマンスの継続的な監視3ボード電気テストの性能(歩留まり、品質、テスト...)を改善するためのIC コンポーネントのスマート・ペアリングを設定するためのアドホック分析- 解析に基づいて新しいアセンブリ方式を見つけて定義する

Page 32:© Optimal 2017, Proprietary and Confidential 32SQN ➔ OCMとOEMがWin-Winの関係半導体メーカーレベルで適用されるO の品質ファイアウォールの価値はエレクトロニクス・パフォーマンスのフィードバックを使用しながら向上します: OCMへの歩留まりロスの低下(カスタマイズされたアルゴリズム) OEMのカバレッジ向上 継続的な改善と自動ルール最大3:1の比ですでに実証済み‘スマート’アウトライヤ検出は、OCMでのアウトライヤ検出によるボード電気テストのフィードバックを使用SQN# 問題点スマート・アウトライヤ検出の半導体におけるKill/Hold率ブラインド・アウトライヤ検出の半導体におけるKill/Hold率1 ひとつのICテストのパラメトリック・アウトライヤとの相関X % > X %2 複数IC/複数テストのパラメトリック性能の相関3 ロット/ウェハーのマージンの特定4 ICテストのパラメトリック性能との相関Y % 検出不可5 特定ICパターンとの相関

Page 33:電気テストの歩留まり損失(およびビン/テスト)は、ボード・ワークオーダー、テスト実行日、バッチなどの代わりに、各コンポーネントのICファブロットによって再構築、解析できます受入れ材料の特定のパターン(位置および/またはパラメトリック)は納入サプライヤの品質問題との相関をとり、対応することができますSQNの例SQN1.65%© Optimal 2017 Company Confidential, All RightsReserved33

Page 34:© Optimal 2017, Proprietary and Confidential 34SQN: ウェハー上のジオグラフィック・パターンSQNSQN

Page 35:Optimal 2016 Company Confidential 35製品生産の為のデータソース (各プロセス/各装置)• PCB アセンブリ – 接着、接合、半田..• 外観検査 – AOI(自動光学検査), AXI(自動X線検査), SPI• テスト – ICT:In Circuit Test(ボード電気的テスト), ボードファンクションテスト• MES(Manufacturing Execution System)• リペア/リワーク/不良解析• 不良廃棄ボード (O create the data source)• 部品構成/トレーサビリティ・データ – ボードID、チップID、ロット番号、デートコード、等• 製造場所、製造部材、部材経路全てのレベルのデータと種類• 装置からの分析生データ(分布図など)• テスト結果• 装置センサー• メカ的なデータ(ねじれ値など)• ログファイル(過去の履歴)、サマリーデータ、接着材データ• パス/フェイル データ、データベース中のデータOptimal の解析に使用可能なデータ

Page 36:*エレクトロニクスメーカーの抱える問題:- データの統一化、一元管理などができていない。→各工場、工程、装置でデータ形式がまちまち- データはあるが、活用できてない。- 通常のデータベースでは処理しきれない。データベースの巨大化• 大企業では最大100TB/年• 過去2年で4倍に増大データ量の急速な増加が引き起こす・・・• 保有期間の延長(RMA品対応など)• 工程の追加(E-test, SLT)• データログ量の増大予想されるさらに複雑な処理要求• データ・マイニング(抽出)• クロス・オペレーション分析市場背景:テストデータの増加→ビッグ・データ36

Page 37:業界の評価Frost and Sullivan社から2015年と2016年のVisionary InnovationLeadership Awardを受賞CIO Outlook誌による2015年のMost Promising Big Data SolutionProviders 25のひとつに選定© Optimal 2017 Company Confidential, All RightsReserved37

Page 38:38既に多くの実績とユーザー© Optimal 2017, Proprietary and Confidential量産における歩留まり回復Over 90%ファウンダリとOSATをカバーUp to 2%改善Up to 30%短縮Up to 20%改善Up to 50%削減お客様 – 100% カバレージIn Pilot導入 – 90%のWWサプライチェーン500億製品Optimal を通して処理&承認、出荷された1年間の製品数個々のビッグデータの無限ストリームをネットワーク化し、単一のビッグピクチャに変換従来のテスト時間短縮方法を超える業務の効率と生産性テスト不良品流出と市場返却品の削減

Optimal Plus Japan株式会社

■企業紹介の動画を公開中 「オプティマル・プラス: スマート化の時代」 https://www.youtube.com/watch?v=hFjcoB5Jb8c 「Frost & Su...

〒 104-0028
東京都中央区八重洲2-4-10 第一幸田ビル2F

Optimal Plus Japan株式会社が登録している他カタログ

公開中の特集

製品分類