L'intelligence artificielle et l'apprentissage automatique (IA/ML) peuvent avoir diversesapplications dans lafabrication intelligente pour les fabriques de semi-conducteurs, l'emballage avancé et la fabrication électronique, et impliquent généralement plusieurs éléments clés : détection, connectivité, prédiction et contrôle. Comme le reconnaissent de nombreuses organisations industrielles, la fabrication intelligente évolue sur plusieurs niveaux : réactif, préventif, prédictif et autonome (figure 1).
Le contrôle adaptatif est le "Saint Graal" de l'IA/ML pour la fabrication intelligente de semi-conducteurs. Il existe diverses plateformes IA/ML dans l'industrie qui peuvent être utilisées pour la gestion de la chaîne d'approvisionnement, l'introduction de nouveaux produits, la planification de la production, la traçabilité, jusqu'à la maintenance prédictive, l'amélioration de la productivité, le processus et l'amélioration du rendement, etc. La dernière plateforme AI/ML peut vous amener au plus haut niveau, avec la détection, la connectivité, la prédiction et le contrôle.tout-en-untout en fournissant une plateforme évolutive, ouverte et rentable qui intègre de manière transparente et progressive tous les éléments clés (figure 2).
La plateforme AI/ML peut utiliser des données provenantde capteurs existants au sein de la machine, souvent sans qu'il soit nécessaire d'ajouter des capteurs supplémentaires. La solution edge-first peut s'intégrer à d'autres services basés sur le cloud et la périphérie, permettant la connectivité des données des systèmes existants à presque tous les principaux composants des fournisseurs d'automatisation et fournissant des outils de gestion de données flexibles pour déplacer les données OT de manière sûre et fiable à travers des architectures complexes de réseau de périphérie à cloud de l'entreprise. Les modèles de ML offrent des capacités d'optimisation prédictive - pour la performance des machines et pour le processus de fabrication, et sa capacité d'intelligence de contrôle peut travailler directement avec la machine, une fois approuvée par le client, pour un contrôle adaptatif de la machine elle-même. Ainsi, la plateforme IA/ML offre non seulement des capacités d'observabilité et de surveillance, mais aussi de grandes capacités d'analyse prédictive, d'optimisation et de contrôle (figure 3).
Architecture basée sur la périphérie
À titre d'exemple, la solution logicielle combine l'IA/ML avancée avec une architecture distribuée, basée sur la périphérie (figure 4). La plateforme connecte et ingère de multiples flux de données périphériques (par exemple, des journaux de processus, des données de machines et des données d'instrumentation synchronisées dans le temps) en temps réel - avec un temps de cycle de l'ordre de la milliseconde. Elle peut également collecter des données complètes à partir des opérations de bout en bout du client et effectuer une synchronisation et une validation en temps réel des données critiques du système.
L'architecture flexible et conteneurisée peut prendre en charge une variété de protocoles à la périphérie (y compris les déploiements de protocoles propriétaires), ce qui permet à la plateforme de s'intégrer facilement à l'équipement industriel pour l'ingestion de données. L'architecture ouverte et évolutive conçue spécifiquement pour l'environnement distribué à la périphérie permet d'éviter les frais généraux liés au transfert de toutes les données vers le nuage ou vers un site de centralisation dès le départ. L'architecture ouverte et extensible permet à la plateforme de prendre en charge la topologie de déploiement de la périphérie au nuage hybride pour une intégration facile avec des technologies tierces.
Ainsi, les entreprises mondiales peuvent facilement intégrer leurs ingrédients technologiques de transformation numérique, tels que la virtualisation des données et l'apprentissage non supervisé à la périphérie, et transférer l'apprentissage entre les machines, les lignes de fabrication et les sites géographiquement distribués de manière évolutive, flexible et rentable. Cela permet au client d'être agnostique en matière de cloud et d'accélérer l'innovation pour obtenir des résultats commerciaux transformationnels tangibles.
Les modèles d'inférence capturent, stockent et analysent les données en temps réel à la périphérie, fournissant en quelques millisecondes des informations prédictives pour les environnements de production. L'architecture à déclenchement temporel peut prédire, au niveau de la milliseconde, si les lectures de données surveillées se situent dans une fourchette autorisée, par exemple. Si les données sortent de cette plage, plusieurs réactions différentes peuvent être déclenchées. Le client reprend ainsi le contrôle de ses systèmes de production sans devoir recourir à une intégration coûteuse des systèmes et à des mises en œuvre informatiques fastidieuses. Une fois que les modèles de ML sont parvenus à maturité, avec l'approbation du client, la plateforme peut travailler directement avec la machine elle-même pour un contrôle et une optimisation adaptatifs.
Applications de fabrication intelligente
La plateforme AI/ML peut être déployée rapidement - dans la plupart des cas, elle fournit un accès le jour même aux données critiques au niveau du système qui, en travaillant avec les modèles ML à développer sur une période de plusieurs semaines, permet au client de prédire la dégradation de l'équipement, de prévenir les pannes, de réduire les temps d'arrêt non planifiés et d'améliorer la santé et l'utilisation de l'actif. La plateforme permet aux clients de l'industrie des semi-conducteurs de passer de stratégies de maintenance réactives à une surveillance et un contrôle prédictifs de leurs opérations de bout en bout, souvent avec des machines et des systèmes de plus en plus complexes. La solution sans code/à faible code peut être déployée rapidement et facilement, et évoluer au fur et à mesure que les besoins augmentent. En outre, la plateforme ne se contente pas d'effectuer des analyses prédictives sur les équipements de production, elle est également capable de les tester et de les contrôler à distance, si nécessaire.
L'observabilité, la visualisation et la traçabilité peuvent être réalisées depuis le niveau du site ou de la ligne jusqu'au niveau du capteur de la machine, avec des granularités inimaginables auparavant, offrant des perspectives et une intelligence sans précédent pour l'optimisation et l'amélioration continue. Les modèles ML, grâce à un raffinement continu en temps réel, sont utilisés pour la maintenance prédictive (par la détection d'anomalies) et, plus important encore, pour le contrôle adaptatif de la machine et du processus directement.
Ces capacités ont été exploitées par plusieurs grandes entreprises mondiales pour la fabrication de semi-conducteurs, l'emballage avancé, les fibres optiques pour les émetteurs-récepteurs, le placement de précision pour le SMT et d'autres processus difficiles, avec des améliorations significatives du rendement du processus, tout en réduisant le temps de cycle et les temps d'arrêt de la machine. Cela est particulièrement utile en cas de pénurie de capacité dans l'industrie des semi-conducteurs. Par exemple, une grande société multinationale de semi-conducteurs a déployé la plateforme AI/ML pour gérer sa chaîne de production d'assemblage de microdispositifs. Tous les mouvements de l'axe du moteur de l'équipement, les mouvements gestuels des composants et les positions des sous-systèmes sont suivis toutes les 25 millisecondes afin de minimiser les temps d'arrêt imprévus. La plateforme logicielle fonctionne localement sur le site du client afin de préserver la sécurité des données des risques externes et de garantir des temps d'exécution de programme à très faible latence.
Comme la plateforme est indépendante des machines, elle peut être déployée sur différentes machines de la chaîne dans l'ensemble de l'usine. Ceci est particulièrement puissant car les machines en amont et en aval peuvent maintenant "collaborer" pour une optimisation globale et synchrone. Des modèles complexes impliquant des relations multivariées entre les sources de données, fonctionnant in situ - à la "vitesse du processus" - peuvent être fournis.
Il existe de nombreuses applications potentielles de l'IA/ML pour l'automatisation des bords intelligents dans la fabrication intelligente de semi-conducteurs, l'emballage avancé, l'assemblage et le test. Il s'agit d'un outil essentiel pour favoriser les innovations dans l'industrie, car les technologies de pointe exigent des processus de fabrication de plus en plus complexes. Pour de plus amples informations, veuillez consulterle site [email protected].
