多聪明的制造

智能制造业正在经历一些根本性的变化随着越来越多传感器集成在晶圆厂产生更多的可用数据,和AI /毫升系统部署到筛选数据和识别模式和异常更快。

智能制造的概念——也被称为工业4.0在欧洲,第四工业革命——出现在2016年的世界经济论坛会议作为一个高层提高生产效率的目标通过使用新技术和更好的沟通。自那以后,已远远超出最初的概念,将越来越多的半导体供应链和添加更多的一致性和见解制造业。

半导体行业一直在推动之前就在这个方向上有一个标签。在过去的几年中,设备制造商已经添加更多的传感器设备及各种生产流程。芯片制造商也开始添加反馈循环从传感器领域的生产过程能够查明问题在制造流程。

过去,这在很大程度上局限于制造业,少一个启用了EDA工具设计制造。但这些变化现在开始过滤掉到其他供应链的几个原因:

• 如果早些时候可以结构化和数据集成设计到制造流程,它可以用来驱动整个供应链质量改善。这是必不可少的安全性至关重要的应用,如汽车、机器人、航空航天,但它也有助于减少失败和回忆,这是昂贵的美元和品牌声誉。
• 多个传感器被添加到制造业的各个方面,机器学习和人工智能/系统正在开发筛选数据,发现问题或在制造周期的早期模式。可以帮助确定粒度级别的问题,理论上一直到每千的五次方。
• 芯片行业将随着越来越多的芯片制造商选择打包解决方案,而不是把一切都放在一个SoC,并随着越来越多的终端市场的需求定制的解决方案。需要更多的集成的数据来自世界各地,以确保质量。

“重大改变我们看到更多的集成系统的发展,”安东尼Dupret说Leti研究室主任,研究员。“这不仅仅是ICs本身。你必须看看衬底和SoC或SiP(system-in-package)设计。然后,当你把一个插入器,你有物理问题和处理问题。在一个包中,您需要让所有的芯片一起工作,所以你有热和电耦合问题。你需要确保正常插入器和包的设计,和芯片之间的通信是否正确。”

在multi-chip实现,这需要深入了解每个芯片的特点,所以每个人都需要理解将如何使用它。

“这不是简单的积木放在一起,“Dupret说。“我们正在研究一个项目为欧盟定义一个集成架构(场效应晶体管),你可以使用不同的设计工具在不同的大洲,但仍有一个共同的处理和通信的定义。这样你就可以把所有这一切放在一起,没有重新设计一切。”

DARPA提出了类似的方法,其芯片项目在美国,使用chiplet模型来降低成本、复杂性和所花费的时间开发multi-chip解决方案。但所有这些方法的挑战是确保一切工作如预期与第三方知识产权,需要描述的一致性,了解chiplets或其他知识产权的使用将是下一个,以及它如何将包装。此外,所有这些需要开发安全可靠性和使用相同的指标。

“今天,大量的晶圆厂是水平和垂直整合,“说Sujeet集,罗克韦尔自动化公司的高级副总裁兼首席技术官在半的全球智能制造会议。“有信息共享整个工厂,有垂直整合到物联网环境中。连接企业的下一步进展需要您的工厂是垂直和水平集成,并连接它与你的供应商,与工具制造商,供应链和其他第三方可以添加价值工厂内部发生着什么。所以我们谈论开放数据通道从工厂到达外为了工厂生产带来更多的价值。今天我们能做这个标准与技术,但我们不能这样做在过去。”

这里的共同点是无处不在的,标准化的连通性和端到端的数字化,可以模拟公司内部和整个供应链。

“模拟已经存在了很长一段时间,“集表示。“改变的是,今天我们可以基于物理模拟,过去将在超级计算机上运行,并将基于物理模拟到实时环境中使用降维模型和更多的可用的计算能力(操作技术)环境。所以我们可以创建数字双胞胎与复杂的模拟,我们可以混合数字线程提供价值使用我们生产的连通性。”

其中一些已经在使用芯片制造商。Coventor林研究公司一直在开发虚拟晶圆允许工程团队测试设备设置与变异超过他们能够在实际生产环境中。

“统计分析可以提供更大的信心的选择过程中设置,”大卫说油炸,计算产品的副总裁林。“缺陷和随机变量可以在一个虚拟的工厂建模的方式是不可能在一个真正的工厂,让开发人员测试设备结构不可预测的敏感性方面的处理”。

什么可行,什么不
的公司已经成功地实施这个计划,投资回报率显著。问题是这是一个庞大的工程,它需要一个清晰的愿景和实现蓝图从一个高水平的个体过程在一个公司。

“每个人都认识到智能制造业竞争力很重要,”本杰明说美元,主要在德勤咨询全球供应链实践,指出公司的一项调查显示,83%的人表示会在五年内改变产品的方式。“我们有很多技术在今天,但是我们不一定看到我们想看到的成绩。有价值的问题,这是绝大多数我们听到从我们的客户。公司在获取价值相同的速度随着技术的进展。”

他说成功实现的主要障碍是理解整个解决方案,让员工购买计划。“你需要开始以战略眼光,“美元说。“这是伟大的,但它必须是实现本地——植物、设施,在工厂细胞。”

施耐德电气开始走上这条道路的几年前,根据Stephane反坦克炮,该公司的全球供应链和战略的高级副总裁。它专注于六个数字加速器——来源、制造、交付、计划、保健、- 5供应链模型协同创新,精益生产,敏捷,项目驱动,充分灵活。

“技术不是免费的,”反坦克炮说。“我们确保任何时候我们实现的技术在任何网站获得投资回报。”

自2017年以来,它增加智能制造蓝图包括超过100智能工厂和配送中心,并已扩展到包括供应商和客户。反坦克炮说典型的回报是1.5 - 2年,施耐德电气已经节省30%的能源,减少资本支出30%,运营成本降低28%,增加22%设备可用性。它也有质量问题减少了15%,减少了20%的公司₂足迹。

并不是所有的结果都是积极的。然而,能够实现这些结果增长随着处理能力的数量的增加,以及更多的数据是可用的。

“使用云计算,你可以提供这个数据跨企业的协作,更大的可见性,对于更复杂的模拟,“集表示。“你可以一起编织数字线程,不管是在供应方面还是在设计方面。它带来了整体水平的新晶圆厂的能力。当我们建立这些联系企业,没有一家公司可以做到。我们需要利用一个生态系统,这将带来一个阶跃变化如何在未来制造业带来的价值。”

可跟踪性和沟通问题
提高可靠性的一个关键组成部分包括可跟踪性和更好的沟通,这将会变得非常复杂。

“你从晶圆芯片厂,然后构建层之上,把微芯片,”米歇尔说两面神,制造业数字化博世研究员。“晶圆时,识别哪些芯片我们谈论,在数据库或流程步骤中,它只是足以知道你谈论这晶片和芯片的坐标。但是一旦晶片(丁)和运送到组装,你必须保持晶片上的知识,每个芯片,芯片搭配在一起成一个包。然后,当他们从组装到后端,在那里他们被最终的质量检验和测试功能,然后发货给客户,这可能是一个电子控制单元,我们要确保我们可以确定一个芯片上。当客户来我们面临一个问题,我们知道回到原来的晶片,晶片我们谈论的一部分。”

从那里芯片制造商可以下钻过程是否问题,是什么导致了这个问题,并使用这些数据来提高产量。

但交流,其他的公司,或供应链,并不是一个解决问题。这是更好的比,但它仍然是不完美的。

“每个人都想生产数据,但它仍然倾向于通信协议的大杂烩,”汤姆说鲑鱼、协作技术平台的副总裁半。“这不仅仅是机器对机器通信。这也是传感器通信协议。有越来越多的传感器,每个人都希望传感器融合,但传感器的通信协议需要收敛。半是看如何在这些工作。”

魔鬼在细节中
有新的问题出现,周围的传感器。在芯片制造,成为至关重要的因素在每一个新的节点和地址过去被认为是次要的。这可以包括从纳米级粒子腐蚀或清理遗留轻微增加湿度室或晶片。添加更多的传感器和智能检测任何波动和正确地描述他们是产量的关键。然而,这是说起来容易做起来难。

”光阻在面具商店可以吸收水分很容易由于他们的吸湿特性,“产品经理维迪雅Vijay说CyberOptics。“他们可以吸收任何接触。在晶圆面积,纺纱喷雾在晶圆表面,导致蒸汽凝结在整个晶片。在光刻,水可以吸收光阻。这会造成问题,因为你想要的模式在晶圆不能坚持下去。和有水在真空设备,如低温泵,它可以成为非常缓慢。”

任何液体可以改变特征,特别是从时间的形成霾十字线。“整个过程会变得更随机的和难以预测的,”维贾伊说。“如果你有水蒸气在晶片,会导致许多失败ICs。同样,当晶片储存在聚合物的情况下,湿度会导致烟雾效果。会引起光散射,从而增加。这是常见的十字线。”

图1:湿度高级节点的影响。来源:CyberOptics

这是一个问题一段时间,但随着越来越多的流程步骤,问题的复杂性增加。例如,可以有盲点的工具,因为某些地区无法访问。本土修复存在的地方,有时他们是不完整的,比如在FOUP监测湿度,从而创造更高的湿度在一个晶片比另一个的一部分。

湿度是一个因素。Vijay说这也是必要的测量振动三轴,以及跨两个轴倾斜。

结论
公司掌握了智能制造的好处是可衡量的和令人印象深刻的。但仍有许多问题要解决,包括继续不信任谁可以查看数据和形式,以及这些数据需要保护甚至在值得信赖的合作伙伴。

“我们见过的大流行的一件事是人们愿意分享数据远程诊断、监控、和培训,“说半的鲑鱼。“但共享其他数据时,他们更加谨慎。”