利用智能技术改善半导体制造业

半导体制造设施不同于其他任何工厂。他们可以持有数亿美元的投资，投资于人类有史以来用于商业用途的一些最小的产品。小到一点灰尘都会对最终产品造成无法弥补的损害。几十年来，该行业开创了许多开创性的程序，其他工业制造商最终将在几十年后采用这些程序。随着越来越多的产品、设备和系统依赖计算能力和复杂的纳米结构来运行，对这些薄晶圆的需求预计只会增长。

但是，这种与工业制造业世界其他地区的区别，正不可避免地成为似乎永无止境的运营创新的压力点，以获得更高的投资回报。过去几十年中取得的许多改进都是非常有价值的，但它们的成功创造了一个收益递减的旅程。这些改进常常是以提高产量的名义进行的。毫无疑问，这是一个至关重要的指标，但专注于单一的优化因素可能会导致工程师将自己设计成一个角落。从这一立场来看，历来有两种选择：投资于更小的节点或更大的晶圆。这两者都是有利可图的，但需要数十亿美元的前期资本投资。

这使得除了最大的铸造厂和制造厂之外，几乎不可能与其他所有企业竞争。这就是智能制造的用武之地。在最简单的层面上，所有的生产设施都有三个调整旋钮可以转动：成本、时间和质量。智能制造所做的是改进对这三个旋钮的微调，从而使企业获得更大的控制权。还有其他好处，如基于规则的规划和流程优化，将智能制造定位为走出收益递减角落的一条受欢迎的道路。

集成电路发展的新时代

增长速度加快

物联网设备已成为半导体收入的最大驱动力，无线通信、汽车和人工智能产品紧随其后。这种广泛的设备种类将给该行业带来更多的变化，但为如此多样化的产品优化制造将成为一个更大的障碍。生产这些不同产品的最佳时间表是什么？生产是否会像一个黑匣子一样对待，而不知道实时发生了什么？如果需要对设计进行更改，调整过程需要多长时间？生产效率是否能与改革前相比？

跟踪和跟踪要求

许多半导体应用也在社会上扮演着更重要的安全关键角色，对人类的健康负责。为了应对原始设备制造商面临的新风险，许多企业希望或要求严格的跟踪和跟踪协议。如果新车的高级驾驶员辅助功能比预期的更早发生故障，详细的过程信息对于找到根本原因将是非常宝贵的。其他应用，如安全和生物识别，需要保证没有任何设计在制造过程中被修改或篡改。越来越多的消费电子市场对他们购买的产品的可持续性感兴趣。客户如何知道他们收到的是他们购买的东西？

产量优化越来越难

产量无疑是优化盈利能力的一个关键指标，但这一过程的大部分已经被自动化和优化，特别是在最大的晶圆厂和最先进的节点。智能制造不仅仅是优化的第二条路线，它是一个地图绘制者，它绘制了提高效率和盈利能力的所有其他可能路径，并在更换制造设施中的传感器之前测试其有效性。

批量优化

像许多其他学科一样，半导体制造可能成为传统的牺牲品。大多数生产小于300毫米晶圆的晶圆厂的批量约为25片晶圆，但在某些情况下，小批量晶圆可能更有效。但是批量优化与这些指标无关。相反，它关注的是从这些晶圆组装多芯片模块所需的模具数量。

模具级可追溯性

许多产品可能还需要可追溯性，以了解模具何时进行生产，当时的状况如何，或者该批次的故障率是否更高。但为了充分优化批量和调度，需要一种更精确的跟踪方法：模具级可追溯性。跟踪单个模具的生产过程，进入组装阶段，然后进入真实世界，消除了生产效率和利润的许多障碍。

调度优化

为了提高操作的清晰度，需要建立一些流程：

首先，需要一个有限的调度系统。一个能实时了解发生的一切的人。但这需要数字化转型。对生产车间中每个流程的数据进行随时访问可以让您更深入地了解整体效率，但如果没有从机器、工人到管理和控制流程的连续数字线程，几乎毫无用处。

第二，为了建立有限调度系统的数字线程，需要在整个制造设施中积极部署物联网传感器。幸运的是，对于许多工厂来说，他们的机器可能已经产生了大量的数据。这包括高度精确的温度和湿度读数，以确保半导体的稳定和最佳生产环境。它甚至可以包括伺服系统在机器内的速度或保持晶圆所需的力。

最后一个要求是整个工厂的地板需要精确模拟。理论过程时间与实际时间相比如何？过程中的各个步骤呢？换工具要多长时间？为了使这些答案趋于一致并实现优化，需要将来自物联网基础设施的真实世界数据反馈到仿真模型中。这就形成了一个闭环模型，使得最终支持机器学习等高级人工智能能力成为可能。

这三个步骤使生产更快、更高效。但还有一个更关键的因素：批量优化。如果这四个步骤在没有这一能力的情况下实施，那么存储率只会增加，因为生产将比以前更超出需求。