¿Hay una mejor manera de optimizar un proceso físico o de fabricación?

No, esta no es la mejor manera. De hecho, es un milagro que todavía estés en el negocio. Así se hicieron los semiconductores en la década de 1960.

El control del proceso de semiconductores es un procedimiento estándar para cosas como los diodos. Si no está utilizando estos, este es el primer lugar para comenzar. Para un diodo, probablemente no necesite mucho más que el diodo del producto, aunque si es complejo (por ejemplo, heterounión o alguna función especializada), puede considerar insertar estructuras de prueba de proceso en sus obleas.

Las estructuras de prueba le permiten “diseccionar” el proceso de fabricación paso a paso al tener estructuras específicas que caracterizan cada capa o elemento del proceso (por ejemplo, estructuras de prueba de resistividad de difusión, estructuras de prueba de resistividad de implantes, estructuras de prueba de óxido, estructuras de prueba de resistividad metálica, estructuras de prueba de contacto , etc.)

El libro de texto “bíblico” para estos es Material de semiconductores y caracterización de dispositivos: Dieter K. Schroder. Es un problema lo suficientemente grande como para que haya una revista y conferencia IEEE completa (IEEE ICMTS) que existe desde la década de 1980.

Estas estructuras se miden utilizando la “prueba paramétrica de CC”, que está dominada principalmente por Keysight (y, por ejemplo, Agilent, y HP T&M) y Keithley. La prueba se realiza en la oblea. El sistema de prueba exacto dependerá de su volumen: cuanto más volumen, más rápido controlará su proceso. Esto podría comenzar con un analizador paramétrico como un analizador de parámetros de dispositivos semiconductores B1500A o un analizador de parámetros 4200-SCS, y pasar a un probador de alto volumen como una serie 4080 de sistemas de prueba paramétricos.

Ejecuta las estructuras de prueba de cada oblea a través de la prueba paramétrica, supervisa las variaciones de los parámetros (por ejemplo, los cambios de resistividad de la estructura de dopaje indican problemas de difusión o implante, las estructuras de alineación indican problemas de fotomask, etc.). Implementa gráficos de control de procesos para monitorear los cambios de parámetros a lo largo del tiempo. Puede vincular parámetros a obleas particulares, ubicaciones de troqueles, lotes y máscaras de diseño, operadores, turnos, etc. para ubicar la varianza correlacionada con factores conocidos comunes a menudo responsables. Es una ciencia bastante exacta.

Así es como el silicio se puso bajo control a fines de la década de 1970: toda la fabricación de circuitos integrados de silicio ha utilizado procesos (y otros tipos de) estructuras de prueba desde aproximadamente 1980. En la década de 1970, los rendimientos oscilaban entre el 10% y el 50%. Hoy en día, los procesos de silicio maduros con miles de millones de transistores pueden alcanzar niveles altos de 80-90% gracias al control de proceso basado en pruebas paramétricas. No hay pasos de proceso que simplemente “agiten” sin control.

He trabajado 25 años para una empresa japonesa en el sector automotriz. Los japoneses son conocidos por su búsqueda de la excelencia en casi todos los aspectos comerciales objetivos: calidad, eficiencia, racionalización, rendimiento, minimización de costos, rentabilidad … aunque generalmente son débiles en áreas que no pueden medirse de manera tan objetiva, como estrategias de ventas, marketing, excelencia de TI, etc.

Que yo sepa, no existe una forma directa de “una sola vez” para lograr la mejor optimización de una sola vez, aunque algunos enfoques pueden acelerar el camino para lograrlo. Solo los enfoques paso a paso pueden conducir gradualmente a la excelencia, porque a medida que cambia los procesos, la interpretación de los KPI (Indicadores clave de rendimiento) también puede cambiar.

Los métodos comunes en la cultura empresarial japonesa son TQM (Total Quality Management), PDCA (Plan, Do, Check, Action), el enfoque de ‘5 por qué’ y otros.

Estas técnicas se centran en generar datos de medición objetivos con respecto a cualquier elemento comercial. El análisis de los datos permite la búsqueda sistemática de mejoras.

Pero es un proceso interminable, lo que creemos que ahora es la ‘mejor solución’ es solo una aproximación, si continuamos analizándolo probablemente encontraremos soluciones aún más eficientes.

Algo que las otras respuestas no abordan es el problema de la escala de la operación. Dices que estás en “un laboratorio”, pero ¿es este un pequeño laboratorio experimental, que produce un puñado de muestras para fines de I + D, o un lugar más grande que produce números que podrían considerarse “series de producción”? Y si está creando prototipos, una vez que haya creado sus prototipos de diodos, ¿cuántos de los diseños exitosos se producirán? Todas estas cosas afectan la cantidad de esfuerzo / dinero / complejidad / software / capacitación que vale la pena invertir en el control de su proceso, en lugar de solo obtener y producir sus muestras. Si su objetivo final es producir productos electrónicos increíblemente resistentes a la radiación para subir a una sonda espacial, por ejemplo, y al final solo estará produciendo media docena de circuitos (muy caros) de un tipo determinado para una sola misión, entonces probablemente adoptará un enfoque muy diferente para una empresa que produce productos electrónicos domésticos en masa.

Gerard Bassols escribió una respuesta fantástica. Uno que escribí está debajo pero recomiendo leer el suyo.

Respuesta anterior:

Parece que estás haciendo la pregunta de los 64 mil dólares.

Si bien habrá una manada de gerentes consumados y experimentados que ofrecerán sugerencias, a menudo ofrecen herramientas para la toma de decisiones. (ver comentarios para una herramienta) Tarde o temprano todo se reduce a que alguien tome una decisión. No permita que ese hecho se empañe.

Hay muchas herramientas aplicadas correctamente que pueden ser útiles, pero no se convierta en un servidor de las herramientas.

Buena suerte.

No he usado esto, pero el modelado de superficie de rendimiento es una forma de hacer una optimización de respuesta múltiple. Requiere algún software como mini pestaña y tenemos una hoja de cálculo que alguien desarrolló para generar las entradas en el modelo de superficie de respuesta. Parece difícil de generar desde cero.