机器学习 + 数十年的经验
PDF Solutions通过整合大数据基础设施与机器学习应用，结合数十年的制造和测试经验，为客户提供量身定制的解决方案，助力企业实现特定目标，从而充分把握工业4.0带来的机遇。
经大规模生产验证
我们的先进制造洞察系统（AIM）是一款可配置的知识型系统，能够从持续计算和用户输入中学习，在高产量生产环境中快速做出智能决策。过去十年间，我们开发了一系列经过生产验证的AIM解决方案，这些方案依托我们的大数据和机器学习能力，在制造、测试操作以及装配与封装领域为客户创造显著投资回报。
AIM解决方案概述：
自适应签名诊断（ASD）
ASD是一款用于晶圆良率异常特征检测、分类及根本原因分析的自动化系统。该系统通过分析新入库晶圆的空间特征，将其分类为不同类别，并基于用户输入采用机器学习技术进行实时优化——我们称之为协同学习。系统会对每个独特的晶圆类别自动执行深入分析，生成报告以确认已知根本原因的复现，或揭示晶圆良率损失的新潜在来源。
投资回报率：晶圆良率损失的根本原因识别与控制速度较传统分析技术提升5倍，专家知识被整合至机器学习模型中以实现持续改进。
数据来源：晶圆分选/箱分选、PCM、LEH/WEH、计量、缺陷、设备FDC
产能与效率提升（CEI）
CEI通过Exensio分析平台内的设备性能追踪（EPT）功能，采用循序渐进的方法论，通过匹配设备与腔室操作来优化设备综合效率（OEE）、晶圆厂产能及晶圆吞吐量。从每个配方微步骤收集的数据可捕捉设备间的性能偏差，随后通过对设备FDC数据的详细分析消除这些偏差。
投资回报率：瓶颈设备产能提升10%，效率/吞吐量提升>20%，快速识别配方与设备硬件问题对生产吞吐量模型的偏差影响。
数据来源：工具 传感器FDC数据
耗材成本削减
CCR解决方案利用过程控制模块（Exensio分析平台的核心模块）收集的电子物料清单（eBOM）数据集，该数据集涵盖ERP、MES、EAM和FAC数据，以及耗材、维护零件与材料、化学品及材料成分报告，从而系统性地降低物料消耗、优化使用效率并捕捉材料成分偏差。 通过结构化分析工作流，系统能识别性能欠佳的工具、零件及供应商，引导用户完成优化流程。
投资回报率：降低材料消耗成本，减少产量与可靠性偏差，优化零件与材料使用效率。
数据来源：消耗品批次 ID、事件数据、配方ID、FDC数据、PM信息、材料成分报告、MES数据
早期故障检测（ELF）
ELF解决方案在现场良率与可靠性失效之间优化了质量成本权衡。 传统异常值算法（如"部件平均测试"PAT）常用于识别和筛选存在早期失效风险的部件。Exensio的ELF超越PAT技术，依托Exensio分析平台的端到端数据库与基础设施，提供全面的芯片质量分级与风险分类解决方案。 该方案通过多变量机器学习方法，对来自多数据源的高级指标进行分析，并能根据新信息（如8D报告、故障分析中发现的根本原因、新增的返厂维修申请等）动态调整模型。
投资回报率：通过在晶圆分选阶段检测高风险晶粒，防止质量与可靠性问题发生
数据来源：晶圆分选 、最终测试、相变存储器、老化测试、退货、缺陷、计量、LEH/WEH、FDC
设备故障保护（ETP）
ETP是面向晶圆厂和封装车间的新一代FDC解决方案。该系统突破了传统FDC数据采集、特征选择及SPC报警限值的局限，通过将FDC数据与设备事件关联，运用人工智能和机器学习技术，将异常设备传感器轨迹精准分类为"正常/异常/未知"三类。该分类系统可随用户对新信号的判定及根源分析动态调整，实现故障的快速检测与控制。
投资回报率：+1% 每日晶圆产量+5% 晶圆厂产量+2% 生产线良率+2% 设备可用率工程人员全职等效岗位节省
数据来源：工具 传感器FDC数据及工具事件
智能物料处置（IMD）
“材料审查委员会”（MRB）是提升出货产品质量的常用方法。IMD解决方案显著减少了MRB流程中的人工操作量及人为变异频率。通过实施自动化工作流，系统能精准捕捉每位客户业务及产品线的特定质量标准，在数分钟内完成批次与晶圆质量分级，而非耗时数小时或数日。 全面的分析与全自动化确保结果一致性，实现高质量决策。
投资回报率：将批次处置的工程工作量减少50%以上。防止失控情况，提升晶圆处置的一致性与决策质量。
数据来源：PCM/WAT 、晶圆分选/晶粒分选、最终测试
智能测试
制造复杂性、先进封装技术和高密度芯片设计共同推高了晶圆分选和最终测试的成本。Exensio的智能测试解决方案运用机器学习技术，从每个产品芯片相关的海量数据集中挖掘细微信号，并通过人工智能调节测试流程，以更低成本实现更高产品质量。 该AI/ML方案通过识别最高质量芯片作为候选对象，可跳过老化测试等高成本环节，在满足DPPM要求的同時优化测试成本。PDF可提供机器学习算法，亦支持用户自定义算法。系统专为生产环境设计，部署于OSAT测试车间"边缘"位置，确保高效低延迟运行、高可用性及最小数据损耗。
投资回报率：将烧机测试需求降低30-60%，根据测试量和成本，每年可节省高达数百万美元。
数据来源：PCM/WAT 、晶圆分选、最终测试（以及可用的计量、缺陷、MES和FDC数据）
收益感知型FDC
YA-FDC是技术与服务的结合体，依托Exensio的"大数据"平台，通过专有分析与建模技术识别关键参数，从而改善工艺波动、判定影响功能与参数良率的设备状态及变异源，并设定合理的SPC控制限。分析流程实现自动化，配合报告与仪表盘功能，推动良率、波动及偏差的快速改善。 人工智能/机器学习提供预测模型，实现精细反馈与前馈控制；通过预测性维护优化设备可用性；虚拟计量技术支持自适应在线采样。
投资回报率：+8% 产量提升，+40% 偏差减少，+7% 新产品导入学习速度提升
数据来源：工具传感器FDC 数据、计量、缺陷、PCM/WAT、晶圆分选、测试、封装
