跳至内容

自适应控制:半导体智能制造领域的“圣杯”

人工智能和机器学习(AI/ML)在半导体晶圆厂、先进封装及电子制造领域的智能制造中具有多种应用 ,通常涉及以下几个关键要素:感知、互联、预测和控制。正如许多行业组织所认可的那样,智能制造的发展经历几个阶段:反应型、预防型、预测型和自主型(图1)。

自适应控制是半导体智能制造领域人工智能/机器学习(AI/ML)的“圣杯”。业内有各种人工智能/机器学习平台,可用于供应链管理、新产品导入(NPI)、生产计划、可追溯性,乃至预测性维护、生产率提升、工艺优化和良率提升等。最新的AI/ML平台可助您直接达到最高水平,实现感知、互联、预测和控制一体化,同时提供一个可扩展、开放且经济高效的平台,能够无缝且渐进地整合所有关键要素(图2)。

该 AI/ML 平台可利用机器内部现有传感器采集的数据,通常无需额外安装传感器。这种“边缘优先”的解决方案可与其他基于云和边缘的服务集成,不仅能实现与几乎所有主要自动化供应商(元器件 )的遗留系统数据互联,还提供灵活的数据管理工具,可在复杂的企业边缘到云网络架构中安全、可靠地传输 OT 数据。 机器学习模型具备预测性优化能力——既可优化机器性能,也可优化制造流程;其控制智能能力在获得客户批准后,可直接与机器协同工作,对机器本身进行自适应控制。因此,该AI/ML平台不仅具备可观测性和监控能力,还进一步提供了强大的预测分析、优化和控制能力(图3)。

基于边缘的架构

例如,该软件解决方案将先进的人工智能/机器学习技术与基于边缘计算的分布式架构相结合(图4)。 该平台能够以时间同步的方式,在毫秒级周期内实时连接并采集多个边缘数据流(例如:流程日志、机器数据和仪表数据)。它还能从客户的端到端运营中收集全栈数据,并对关键系统数据进行实时同步和验证。

这种灵活且基于容器化的架构可在边缘端支持多种协议(包括专有的既有系统协议部署),从而使该平台能够轻松与工业设备集成以采集数据。专为分布式边缘环境打造的开放且可扩展的架构,有助于避免从一开始就将所有数据迁移到云端或集中式位置所产生的开销。 开放且可扩展的架构使该平台能够支持从边缘到混合云的部署拓扑,从而轻松与第三方技术集成。

因此,全球企业可以轻松地将数据虚拟化和边缘端的无监督学习等数字化转型技术要素进行整合,并在机器、生产线以及地理上分散的站点之间以可扩展、灵活且经济高效的方式进行迁移学习。这使客户能够实现云平台无关性,并加速创新,从而取得切实的业务转型成果。

推理模型在边缘端捕获、存储并分析实时数据,能在几毫秒内为生产环境提供预测性数据智能。例如,基于时间触发的架构能够以毫秒级精度预测所监测的数据读数是否在允许范围内。 如果数据超出范围,系统可触发多种不同的响应措施。这使客户能够重新掌控其生产系统,而无需进行昂贵的系统集成和耗时的 IT 实施。一旦机器学习模型成熟,并在获得客户批准后,该平台即可直接与机器本身协作,实现自适应控制和优化。

智能制造应用

该人工智能/机器学习平台可快速部署——在大多数情况下,客户当天即可访问关键的系统级数据;这些数据与将在数周内开发的机器学习模型相结合,使客户能够预测设备性能退化、预防故障、减少计划外停机时间,并改善资产健康状况和利用率。 该平台使半导体行业的客户能够从依赖被动维护策略,转向对其端到端运营(通常涉及日益复杂的机械和系统)进行预测性监控和控制。这种无代码/低代码解决方案可快速、轻松地部署,并能随着需求增长而扩展。此外,该平台不仅能对制造设备进行预测性分析,还能在需要时对其进行远程测试和控制。

可观测性、可视化和可追溯性均可从现场或生产线层面一直细化到机器传感器层面,其粒度之精细在以往是难以想象的,为优化和持续改进提供了前所未有的洞察力和智能支持。机器学习模型通过实时持续的优化,不仅可用于预测性维护(通过异常检测)更多 ,更重要的是,还能直接用于机器和工艺的自适应控制。

多家全球大型企业已将这些能力应用于半导体晶圆厂、先进封装、收发器用光纤、表面贴装技术 的精密贴装以及其他具有挑战性的工艺,不仅显著提高了工艺良率,还缩短了周期时间并减少了设备停机时间。这在半导体行业产能紧张时尤为有益。例如,一家大型跨国半导体公司就部署了该AI/ML平台来管理其微器件组装生产线。 系统每25毫秒对所有设备电机轴的运动、组件的位移以及子系统的位置进行追踪,以最大限度地减少任何计划外停机时间。该软件平台在客户工厂内本地运行,既可防范外部风险以保障数据安全,又能确保程序执行时间保持超低延迟。

由于该平台不依赖特定设备,因此可部署在工厂生产线上的各类设备上。这一特性尤为强大,因为上下游设备现在能够“协同工作”,从而实现整体同步优化。该平台能够处理涉及数据源之间多变量关系的复杂模型,并在现场以“工艺速度”运行。

在半导体晶圆厂、先进封装、组装和测试等领域的智能制造中,人工智能/机器学习(AI/ML)应用 为智能边缘自动化提供了众多潜在应用。随着先进技术对制造工艺提出日益复杂的要求,这已成为推动该行业创新的关键工具。如需了解更多信息,请访问[email protected]。