Related MCP server: ML Research MCP
バイナリマップ | プロパティマップ | Pチャート |
|
|
|
ツール | 説明 |
| 一括解析: サマリー + バイナリマップ + 全PINマップ + Pチャート |
| 基本的なウェハーサマリー (歩留まり、合格/不合格数、PIN列) |
| 合格/不合格のバイナリウェハーマップ (BIN=0 → ティール色、それ以外 → 黒) |
| 単一PIN列の連続値ヒートマップ (青 → 赤) |
| PIN列ごとのウェハー正規確率プロット |
以下の列を持つCSVまたはZIP (CSVを1つのみ含む):
BIN, X, Y, WAFER_ID, PIN_1, PIN_2, ..., PIN_NBIN = 0 → 合格、それ以外は不合格
X, Y → ウェハーグリッド上のダイ座標
PIN_* → 連続測定値
プロパティマップとPチャートの境界線は、微妙な変化を可視化するためにIQRベースの境界を使用します:
sigma = (P75 - P25) / 1.35
IQR_L = P50 - 6 × sigma
IQR_H = P50 + 6 × sigmadocker build -t wafer-mcp .
docker run -p 8001:8001 wafer-mcpサーバーは http://localhost:8001/mcp で利用可能になります。
独自のデータファイルを解析するには、ボリュームをマウントします:
docker run -p 8001:8001 -v /absolute/path/to/data:/data wafer-mcp
# then pass file_path="/data/your_wafer.zip" when calling tools要件: Python 3.10以上
pip install -r requirements.txt
python server.pyサンプルデータセットがプロジェクトの sample_data/sample_1.zip に同梱されています。
場所 | パス |
ローカル |
|
Docker |
|
クイック動作確認 (Docker):
# inside the container the sample lives at /app/sample_data/sample_1.zip
# call any tool with this file_path to verify everything worksサーバーはストリーミング可能なHTTPトランスポートを使用するため、claude_desktop_config.json で url 形式を使用します:
{
"mcpServers": {
"wafer-map": {
"url": "http://localhost:8001/mcp"
}
}
}手順:
MCPサーバーを起動 (ローカルまたはDocker)
上記の設定をClaude Desktopに追加
Claude Desktopを再起動
Claudeにウェハーデータファイルの解析を依頼 — 自動的に適切なツールが選択されます
run_wafer_analysisパラメータ | 型 | デフォルト | 説明 | |
| str | 必須 | .csvまたは.zipファイルへのパス | |
| list[str] | None | None | プロットするPIN列のサブセット; None = すべて |
| int | 300 | 出力画像のピクセルサイズ |
get_wafer_infoパラメータ | 型 | デフォルト | 説明 |
| str | 必須 | .csvまたは.zipファイルへのパス |
plot_wafer_binパラメータ | 型 | デフォルト | 説明 |
| str | 必須 | .csvまたは.zipファイルへのパス |
| int | 300 | 出力画像のピクセルサイズ |
plot_wafer_propertyパラメータ | 型 | デフォルト | 説明 | |
| str | 必須 | .csvまたは.zipファイルへのパス | |
| str |
| 可視化するPIN列 | |
| int | 450 | 出力画像のピクセルサイズ | |
| float | None | None | カラースケールの下限を上書き |
| float | None | None | カラースケールの上限を上書き |
plot_pchartパラメータ | 型 | デフォルト | 説明 |
| str | 必須 | .csvまたは.zipファイルへのパス |
| str |
| プロットするPIN列 |
| int | 300 | 出力画像のピクセルサイズ |
.
├── server.py # MCP server entry point
├── requirements.txt # Python dependencies
├── Dockerfile # Container definition
├── sample_data/
│ └── sample_1.zip # Bundled sample wafer dataset
├── tools/
│ ├── workflow/
│ │ └── analyze_wafer.py # Orchestrates full analysis
│ ├── information_read/
│ │ └── read_wafer_info.py # Parse CSV/ZIP and compute yield
│ ├── wafer_map/
│ │ ├── wafer_bin_binary_plot.py # Binary map renderer (PySide6)
│ │ └── wafer_item_property_plot.py # Property heatmap renderer (PySide6)
│ └── statistic_plot/
│ └── pchart_plot.py # P-chart renderer (matplotlib)
└── pchart/
└── PchartReportWidget.py # Legacy Qt widget (reference only)MCP: FastMCP — ストリーミング可能なHTTPトランスポート
ウェハーマップレンダリング: PySide6 オフスクリーン QPainter
Pチャートレンダリング: matplotlib + scipy + statsmodels
MIT
This server cannot be deployed
List datasets, schemas, run APL queries, and use prompts for exploration, anomalies, and monitoring.
Renders interactive Chart.js charts and dashboards inline in AI conversations.
Renders interactive Chart.js charts and dashboards inline in AI conversations. Supports bar, line, area, pie, doughnut, scatter, and radar charts with multi-chart dashboard grids.
SEO & marketing toolkit for AI agents: GA4, Search Console, AdSense, GTM, PageSpeed, Trends.
