洞察数据价值 广立微DE-G 2.0打造更灵活快捷的通用分析软件

在数据驱动的时代，洞察数据的深层价值成为了各行各业的核心需求。广立微DataExp-General（简称DE-G）作为数据分析利器，以其简洁、快速、灵活的特性，通过丰富、便捷的数据可视化手段，灵活的数据交互功能，助力用户在繁杂的数据中，迅速发现真正价值。 9月，DE-G 2.0重要更新，解锁更多统计分析工具，打造应用领域更广泛的数据分析软件，深度挖掘数据价值，用数据可视化提升效能。 ## 不止半导体 数据探索无边界 DE-G 2.0新增了多项高级绘图功能，比如Interval Plot, Sankey Plot, Violin Plot, Gantt Plot, Graphic Table… 绘图组件的引入，大幅提升特殊场景下的数据分析与呈现能力，可广泛用于数据量大、过程复杂或者需要数据表现力的领域，比如芯片设计、半导体制造、面板、新能源、生物制药等领域。  ▲ 新增的绘图功能 ## 更完善的DOE功能 降低试错成本 DOE功能广泛应用于制造行业，对试错成本高的行业尤其有用，比如半导体、生物制药、化工等，可大大降低实验成本，并帮助快速提升良率实现量产。 **实验设计** 支持常见的设计，包括Full Factorial Design，Fractional Factorial Design, Plackett-Burman Design，Response Surface Design, Fully Customized Design。 支持多种辅助设计，各种区组设计、并允许添加中心点、轴点、Fold Over等。  DE-G提供完整的设计方案，并提供Alias Matrix和Correlation图帮助用户评估当前实验设计是否合理。 **评估优化** DE-G DOE 允许用户对实验设计进行评估与优化，提供模型结果和统计值帮助用户评价变量的重要程度，用户可以剔除一些变量重新进行模型，从而识别真正影响响应的变量，避免过拟合。  同时DOE还允许一键最大化意愿，给出最佳实践点。DOE模块提供曲面刻画器、等高线刻画器、空间刻画器等各种工具帮助用户识别最佳实践点，以及各个工作条件下的Process Window。 ## 助力质量管控 预测产品失效趋势 DE-G 2.0提供一系列工具帮助质量管理部门对生产和出口进行管控，包括SPC，AQL/RQL，Gage R&R, Product Failure Analysis等，这些统计工具极大地简化了质量管理人员的工作，并有助于预测产品失效趋势，提升应对能力，并可有效减少客退，降低产品市场风险。 **质量管控统计工具** DE-G提供OQC用户进行质量管控的统计工具，帮助用户评估在不同的质量要求下（AQL & RQL），如何经济地抽样检测，并提供多组结果供选择。  准确的测量对生产质量的把控至关重要，Gage R&R 方法（右图）可对总体测量误差、测量仪器重复性引起的误差及测量者引起的误差进行估计，它的主要作用在于确保测量的准确性和可靠性，从而为过程改进提供基础数据  DE-G Product Failure Analysis （左图）可以根据用户的历史失效数据、失效的分布和产能，对产品未来的失效进行预测，可以帮助客户评估产品的风险，并提前部署应对办法。 Time Dependency(右图）帮助用户检测参数趋势是否存在时间段依赖性。 ## 为芯片可靠性分析提供完整的解决方案 DE-G 2.0为半导体领域芯片的Reliability分析提供完整的解决方案。软件可以直接读取Semitronix Reliability测试机台以及Keysight 测试机台的测试结果，并提供业界常用模型对结果进行分析，估计模型参数和失效时间，本模块高度灵活，允许移除数据异常点，允许对不同组别固定斜率进行回归。Reliability支持对HCI, TDDB, BTI, EM, Vramp等失效机制进行建模和评估。  各种Stress 失效模型，可以根据用户设定的参数预测器件在正常工作条件下的寿命，支持用户设定或自动估计模型参数，在图上移除异常点等。 ## 统计功能大幅提升 DE-G 2.0还提供众多其它功能，尤其是统计功能得到了强化。 **假设检验** 增加了包括Paired t-test, Proportion test, Fisher’s Exact test, CMH test, Kappa test, Shapiro-Wilk test, Kruskal-Wallis test, Anderson-Darling test, Kolmogorov-Smirnov test等； **回归建模** 增加了Partial Least Square Regression (PLSR), Decision Tree, Random Forest, Curve Fitting, KNN等； **分类聚类** 增加了Decision Tree, Random Forest, KNN, Hierarchical Clustering等。 DE-G 2.0通过强大的统计分析功能、灵活的可视化手段和精准的实验设计评估，拓宽了数据处理的边界，为企业的发展和创新提供了无限可能。 无论是半导体的精密制造，还是生物制药的复杂研究，或是新能源的创新探索，DE-G 2.0都将提供坚实的支持，让数据的力量在各个领域得到充分的释放和应用。