カタログ

IoTデバイス向け ビッグデータ解析ソリューション - オプティマル・プラス - ダウンロード

Optimal Plus Japan株式会社

不良事前回避、問題個所早期発見などに向けた製造改善ツール

このカタログ(IoTデバイス向け ビッグデータ解析ソリューション - オプティマル・プラス -)の内容

Page 1:Optimal 概要紹介Optimal Plus Japan

Page 2:Optimal Plus社について• ビッグデータ解析のツール提供• エレクトロニクスおよび半導体分野における専門知識• 製品の分析を通して製造工程への改善を提案(歩留まり向上、不良低減など)• 2016年は500億を超えるデバイスを解析(チップ、ボード、システム)• 2005年に設立• Fortune 100 のお客様(nVidia、AMD、NXP、Qualcomm、他)• 半導体メーカーへの実績からスタートし、現在セットメーカーへアプローチ• グローバル企業• R&Dは米国とイスラエル、ワールドワイドのセールス、アプリケーションサポート• 250名を超える社員イスラエル, ホロンイスラエル、米国、フランス、ドイツ、イタリア、日本、中国、シンガポール、台湾、韓国© Optimal 2017 Company Confidential, All Rights Reserved 2

Page 3:*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3

Page 4:4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

Page 5:業界の評価Frost and Sullivan社から2015年のVisionary Innovation LeadershipAward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 Rights Reserved 5創業者は元インテルの品質保証部門長

Page 6:What we doOptimal は、半導体およびエレクトロニクス製品の製造、検査を最適化するためのビッグデータ分析ソリューションを提供するリーディング・プロバイダーですテストデータプロセスデータ部品構成データビッグデータ・アルゴリズムマシーン・ラーニング自動化されたルール・エンジン自動メール配信コントロール© Optimal 2017 Company Confidential, All Rights Reserved 6

Page 7:Optimal 2016 Company Confidential 7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• 不良問題の予測と事前回避• 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 8:© Optimal 2017, Proprietary and Confidential使用するデータソース8マシーンデータ市場不良構成部品データリペアリワークMESパラメトリックデータ包括的製品データMES: Manufacturing Execution System

Page 9:9工場の生産ラインアセンブリマシーン光学検査ツールテスト装置リペア/リワークP&PPasteReflowAOIAXISPIRepair/ReworkBonepileICTBoard FCTSystem FCT9

Page 10:Optimal 2016 Company Confidential 10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 11:11Optimal ソリューション全体図© Optimal 2017, Proprietary and ConfidentialFinanceInventoryBilling SupplyProcurementManage-mentCLIENT APPLICATIONS• Analytics• Queries• Rules• SimulationsアプリケーションサーバーOPTIMAL データベース(クラウドまたはお客様所有)EMS / アセンブリ OEMA工場B工場C工場Alerts& LinkedReportsGuidance &RequestsReworkAOI/AXIICTFunctionalTestMESInstructionsBonepileプロキシサーバーまたはファイルサーバーTest & Process Dataレポート歩留まり変動パラメトリックシフトステーション間差異アウトライヤ

Page 12:他社のソリューションとの共存Optimal Voice of ProductO のソリューションは他社の MES, ERP, PLMやCRMの上に乗り、バッティングしません12SAP、IBM、OracleNEC、富士通三菱、OmronNEC、日立三菱Omron日立富士通、NEC三菱

Page 13:© 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 14:Control Room :リアルタイム・テスタ情報タッチダウン不良ビン分類サイト間歩留まりアラーム履歴テスト結果詳細情報14量産テストフロア内のテスタ稼働状況をリアルタイムで表示テストフロア・レイアウトで表示量産中の不具合を自動検出して通知アラーム・イベントの経過追跡も可能

Page 15:15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 16:© Optimal 2017, Proprietary and Confidentialあらゆるデータの活用16Optimal 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 17:Traceability DataQuality DataProcess Data.binLabView17様々なデータの統合:データの一元管理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 18:© Optimal 2017, Proprietary and Confidentialお客様への貢献18ビックデータの一元管理大きなピクチャ(お客様の体験と総利益)に集中するための製造データと検査データを収集し、正規化、管理する包括的なソリューション24時間常時モニタリング自動化で、カスタマイズされたルール駆動型の分析機能をバックグラウンドで実行し、製品性能とサプライチェーンのKPIを常に監視お客様ブランドの保護適切であると判断された場合に、迅速なリコールを可能にする早期警告システム

Page 19:分析例と過去の実例19

Page 20:AITAssembly, Inspection & TestAIT20

Page 21:データからアクションへの迅速な変換“対応型データ”はデータ洞察のインパクトを最小限に抑えます時間実行されたアクションの価値“問題”の発生関連するデータが利用可能になるまでの時間分析のためのデータを収集し準備する時間分析の実行(マニュアル)アクションの実行(マニュアル)利益の出現分析作業の80%がデータ収集/準備に費やされているソース: IDC 2015“数週間から数カ月間”21© Optimal 2017, Proprietary and Confidential

Page 22:データを主体的に使用する必要性Optimal を利用:• データアクセス時間はほぼリアルタイム• データはいつでも分析可能迅速な分析を可能にするデータ収集とクレンジングの自動化時間実行されたアクションの価値“問題”の発生関連するデータが利用可能になるまでの時間分析のためのデータを収集し準備する時間分析の実行(マニュアル)アクションの実行(マニュアル)利益の出現データ待ち時間の問題を解決する新しい分析手法22© Optimal 2017, Proprietary and Confidential

Page 23:データを主体的に使用する必要性利益の出現分析の実行(マニュアル)アクションの実行(マニュアル)Optimal を利用:• データアクセス時間をさらに早く• データはいつでも分析可能• データ分析は常時即実行• アクション&アラートは即、自動で発信迅速な分析を可能にするデータ収集とクレンジングの自動化時間実行されたアクションの価値“問題”の発生分析の実行(常時、ルール)アクションの実行(自動化)利益はすぐに達成され、より大きな価値を得られます23© Optimal 2017, Proprietary and Confidential

Page 24: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お客様による実証: Time-to-ActionOptimal 導入前30日以上Optimal 導入後6分24© Optimal 2017, Proprietary and Confidential

Page 25:実例:装置間歩留まり変動の分析装置関連の歩留まり問題が発生した場合、迅速な問題個所の絞り込みが可能分析のレベルフローは、工程装置テスト分布データ4つのいずれのレベルにおいても問題検出ができるように自動ルールを設定可能テスタ間の性能が一致することによる潜在的な歩留まり改善は1.2%自動ルールが歩留まりが低い工程を検出(アラームメールで通知)1 装置ごとの歩留まりデータ(シグナル)を確認2測定値レベルで現象を確認4不良ビンのパレート31.2%25© Optimal 2017, Proprietary and Confidential

Page 26:26実例:検査歩留まりモニタリング検査(または電気的テスト) の歩留りが以下の自動ルールによりモニタリング可能:• 全てのアセンブリプロセス装置• 全ての製品構成部品(Bill Of Material)下図は組み立て部品群のバッチ処理に対し検査歩留り表示(ペーストバッチ、メカ部品、消耗品等)Optimal 2017 Company Confidential

Page 27:Test Limitsアプリケーションは、O ビッグデータ・ソリューションを基にしてすべてのテスト(新製品開発、量産立ち上げ)のテストリミットを大量のサンプリングデータを使用して自動で評価歩留まり(厳しいリミット)、または品質(広いリミット)改善の可能性を検出実例:テストリミット値の評価 - 127© Optimal 2017, Proprietary and Confidential

Page 28:実例:テストリミット値の評価 - 228© Optimal 2017, Proprietary and Confidential• 適切なテストリミット値をパラメータ値の集団から統計的に算出• 以下:テストリミット値を適切に変更

Page 29:実例:分布変動29パラメトリック・トレンド・ルールは量産テスト中の特定テストによる歩留まり低下を検出しますOptimal の分析機能は、スペックリミット範囲内の“良品”の測定値変動から品質不具合傾向を早期段階で検出します“良品”デバイス“不良”デバイス?© Optimal 2017, Proprietary and Confidential

Page 30:30実例:テスト・ステーションの分布変動ある特定のパラメトリック・テストの傾向の検出これらは、歩留りと品質の両方が問題Station TS39 trend down(TS39のバラツキ傾向の変化)Statistical widget ofDCV_1V_Offset_VerifyResults_Error_ppmStation TS39 shifted down at mid2015, leading to increased FirstPass failures rateOptimal 2017 Company Confidential

Page 31:ステーションの物理的な位置を実レイアウトでマッピング電力、動作周波数、温度ごとに集計された性能データをステーション位置のX-Y座標で表示温度テストのパラメータが、実際のステーション位置によって大きく影響を受けていることが判ります実例:装置安定性の確認31温度動作周波数電圧テスト・パラメータのばらつき温度のばらつき© Optimal 2017, Proprietary and Confidential

Page 32:O の自動検出アルゴリズムにより検出1枚のボードのみ分布集団より15シグマ以上も外れています32はずれ値(アウトライヤー)の自動検出Outlier unitOptimal 2017 Company Confidential

Page 33:実例:車載ボード市場不良品の分析33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による潜在的市場不良の予測© 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 34:Optimal は、すべてのテスト工程、すべての関連するテストに対して、先進のアルゴリズムを組み合わせたルールシーケンスを使って、良品判定品からアウトライヤを検出します単変量および二変量アウトライヤは、統計アルゴリズムを使用して自動的に検出することができます実例:はずれ値(アウトライヤ)検出34単変量アウトライヤ二変量アウトライヤ検出ルール・シーケンス© Optimal 2017, Proprietary and Confidential

Page 35:不良エラーコードのパレートを装置ごとに表示TS25はほとんど DCI_1uA Gain と Resistance Adjust の項目で不良TS39では DCV_1V_Offset で不良35実例:不良エラーコードOptimal 2017 Company Confidential

Page 36:自動ルールが各テストステーション間でのテスト時間のバラツキを検出06のステーションが他のステーションよりテスト時間が5%ほど長い他のステーションとの実行レートを調整する事により全体の効率改善の可能性大36実例:ステーション間でのテスト時間バラツキOptimal 2017 Company Confidential

Page 37:再テストが3回以上施行されているボードを検出5.75%という高い率で再テストが行われている事が判りました37実例:過度な再テスト回数high excessive retest rate(再テスト回数多)Excessive retest rate average grouped by Operation, ProductA single Assembled unit’s data at Operation 2, whichflagged for excessive retesting.Optimal 2017 Company Confidential

Page 38:38実例:ステーションの工程間バラツキTS25 wide distribution(TS25はバラツキが大きい)TS25のステーションではバラツキが非常に大きく、初回テストの歩留りに影響このような問題を自動ルールにて検出Optimal 2017 Company Confidential

Page 39:39ルール化の例 (再テストの最適化)Email received:Pattern Test retest recovery rate is low,Testing time can be improvedif retest is abandoned for this test.Wifi Test retest recovery rate is high,Yield can be improvedif retest is applied on all fails.Step#1: データソースの選択Step#2: データソースをフィルタリングし、再テストでの回復率が極端に高い(低い)製品を検出Step#3:アラートメール発信Optimal 2017 Company Confidential

Page 40:40AITがもたらす価値 – まとめ -# 利益 方法 必要なアクション1光学検査、テスト歩留まり、品質、製造/テスト効率- アセンブリの機器性能と、光学検査とテストとの相関- アセンブリ・プロセス性能のマッチング- テスト、再テスト/リワークの分析- 廃棄品&在庫品の分析- すべてのアセンブリ機器の能力を合わせる- テスト/再テストのスキームを改善- サイクルタイムと在庫の低減- 自動ルールを通して性能を継続監視2アセンブリ検査、テスト歩留まり、品質系図(Bill of Materials)による影響分析- サプライヤ情報へのフィードバック- 自動ルールを通して性能を継続監視- 製造での新しいバッチ導入前にルックアヘッド・メソッドを実施3光学検査、テスト歩留まり、品質、製造効率アセンブリ・プロセス / 製品設計感度のイシュー分析将来の改善のためのプロセスおよび設計感度に関する設計へのフィードバック4 品質 ‘良品’ボードのスクリーニングすべてのテストおよびテスト工程を通ったすべての良品ボードに対してアウトライヤ検出および不良品流出防止ルールを適用5 テスト効率 テスト時間の短縮テスト時間を短縮するためのアドホック解析とデータ・フィードフォワード機能(ワンタイムまたは動的なテスト時間短縮)© Optimal 2017, Proprietary and Confidential

Page 41:SmartPairing

Page 42:42実例:デバイス間のペアリングボードの性能によりグループ化された異なる2つのコンポーネントのテスト相関中央のグラフはボード性能別にグループ化、右のグラフはボード・パフォーマンステスト値ごとに表示© Optimal 2017, Proprietary and Confidential

Page 43:43例)MCPのコンポーネントのペアリングMCP(Multi Chip Package)製品向けにスマート・ペアリング分析を実行できます。目的はテストデータ(ビン分類、テスト、ロットなど)を利用したIC コンポーネントのスマートな選択に基づいてMCPデバイスの歩留まり(またはその他の性能パラメータ)を最大化できるダイの組み合わせ方法を見つけることですこの分析は、製品エキスパートによって製品性能に影響すると特定されたすべての利用可能なテストを通して実行されますペアリングには単純なアルゴリズムを選択します: 各ダイは、各テストのペアを2つのグループに分けて、テストのそれぞれについて中央値よりハイかローで分類。そのようなグループの対角線ペアの歩留まりが平均FT歩留まりを上回る場合、ペアリングは有益であり得ます。(この方法では、すべての良品IC ユニットを使用しています)このような方法は、より多くの数のグループを使用して改善することができますモデルの検証は、最初にトレーニングセットを使用し、次に検証セットを使用して行なうことができますダイBテストYダイAテストXA low /B lowA high /B lowA high /B highA low /B high© Optimal 2017, Proprietary and Confidential

Page 44:トライアルと導入のプロセス

Page 45:45成果判断による評価プロセス評価プロセスは構造化された段階的なステップ各段階でお客様にとって有効な価値を実証しますチェックポイントではROIレビューの結果に基づいて次の段階に進むかどうかをお客様にご判断していただきますNDA KickoffMeetingOfflineDataanalysisROIReviewSoW Install&IntegrationPilotRunROIReviewSoW Install&integrationRolloutPhase 1オフラインデータ分析Phase 2パイロットROI: Return On Investment (投資収益率)Phase 3導入(Deployment)© Optimal 2017, Proprietary and Confidential約2か月 約2か月

Page 46:エグゼクティブ ROI レポートの例46工程 手法ユニット総数ベース歩留まり潜在的な歩留まり改善コメントAB009 テストにパスした不良判定品55,36499.17% 0.78% Repeated retesting of Passing unitsAll 合計 (製品に関する歩留まり) 97.97% 0.77%工程 手法良品総数潜在不良流出潜在的なDPPM改善コメントAll 次工程へ移動した不良判定品54,2416 111 Escape prevention on Fail unitsAll 非標準テストの防止 12 221 Excessive RetestAB001 パラメトリック・アウトライヤの検出 13 240 Outlier DetectionAll 装置依存パラメトリック変動の検出 多数 多数 Parametric Shift (RF-DECT example)All 合計 (製品全体としての品質) 31 572工程 手法ユニット総数実行レート(UPH)潜在的な稼働率改善コメントAll 装置スループットの不一致55,364 59.81.7% Test Time variabilityAB001AB009歩留まり変動の制御 & 削除 0.66% Station Yield variabilityAll 非標準テストフローの防止 1.9% Repeating testing of passing unitsAll 合計 (製品全体としての効率) 4.26%ROI: Return On Investment (投資収益率)© Optimal 2017, Proprietary and Confidential

Page 47:47Thank 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 48:補足資料

Page 49: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 49MES (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 50: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 50BIツールとの違い

Page 51:51O 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 52: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 52

Page 53:53ビッグデータ、言語 & 統合© Optimal 2017, Proprietary and Confidential

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