智能制造发力芯片产业

作者：semi时间：2023-06-19来源：半导体产业纵横收藏

智能制造在整个半导体行业中越来越流行，提高了生产力，提高了质量，降低了成本和对环境的影响。

本文引用地址：http://www.amcfsurvey.com/article/202306/447819.htm

这些好处是多年来对机器通信、数据分析和机器人等技术进行战略投资的结果，以实现更高水平的自主性。

半导体工厂长期以来一直依赖运营自动化来保持按时生产并满足产量和质量目标，但自从引入工业 4.0（又名智能制造）以来，主要半导体生产商增加了对 IT 基础设施、数据分析、物联网传感器、数字化和机器人技术的投资。

通过限制人为干预，智能工厂（也称为全自动工厂）可以更平稳地运行并以无中断的方式响应问题。目标是最大限度地延长工具正常运行时间、避免计划外停机维护以及实时批次调度。多年来，晶圆厂和封装厂一直在不断改进其运营，但随着新技术（例如物联网传感器、云计算）的出现，他们可以实现更高水平的自动化，并为他们的努力获得更大的回报。

「在我看来，这是一段旅程，」PDF Solutions 的 Cimetrix Connectivity Group 总经理兼副总裁 Bob Reback 说。「在 20 世纪 80 年代，我们使用机器人进行自动化物料搬运，并使用计算机连接和控制设备。我们远程启动和停止设备、收集数据并进行非常基本的过程控制。我们把人排除在外，用软件代替人来经营工厂，这就是智能制造。但如果你看看系统的成本和可靠性，它会变得越来越好。今天，每个人都在做某种程度的智能制造。问题是，「您如何实现更智能的制造？」答案是，『持续改进』。」

智能制造的定义也发生了变化。「过去的工厂自动化将所有重复的制造过程自动化，包括物料运输和设备自动化。今天，晶圆厂的智能制造指的是物联网、数据驱动和人工智能驱动技术的协同作用，以优化运营绩效，」联华电子智能制造副总监 James Lin 说。「晶圆厂面临着越来越困难和复杂的制造挑战。通过引入智能制造项目，他们可以实现流程优化、柔性生产、缩短交货时间、人力质量和提高效率的目标。」

智能制造项目将越来越多地实施，工厂工人的职责将随着这些实施而转移。

「全自动化工厂的好处包括提高效率、生产力和准确性，以及降低错误率。然而，实施智能工厂需要对自动化技术进行大量投资，并且可能并非对所有制造过程都可行，」Amkor Technology 智能工厂工程副总裁 Won Lee 说。「此外，需要注意的是，完全自动化的工厂并不一定意味着没有人工参与制造过程。虽然生产车间可能没有工人，但可能仍有人工操作员监督控制系统和设备维护，以及执行其他功能，如质量控制和库存管理。」

事实上，工业 5.0 强调以人为本的实施。

「『智能工厂』传统上意味着人类活动最少的工厂，它可以在黑暗中运作。然而，这不是一个现实的目标，『全自动工厂』的更可实现的定义是一种可以在一段时间内无需干预地运行的设施，」SEMI 智能制造计划高级总监 Mark da Silva 说。「越来越多的人认为有必要让一个人参与其中。超越工业 4.0 的工业 5.0 将工人视为可持续发展、以人为本的行业生产过程的中心。」

自动化战略和技术

正如几位行业专家指出的那样，完全自主的工厂运营需要投资以支持 IT 基础设施、数据分析和自动化。它还需要一个框架来评估目标和需求，例如 SEMI 的工业 4.0 准备评估模型。

Amkor 的 Lee 将其公司的战略总结为三个步骤：

数据采集：实现跨业务、供应链和世界的不同有用数据集的管理和采集。物联网允许连接的机器将数据收集到系统中。
数据分析：使用高级分析和现代数据管理解决方案来理解机器学习和智能业务系统收集的所有不同数据。
智能工厂自动化：一旦数据采集和分析发生，工作流就建立起来，指令被发送到系统内的机器和设备。

随着这些技术的实施以支持智能制造计划，可以根据自动化的成就水平来衡量进展。

「目前，联华电子专注于数字化转型中的制造模型优化和再造。2022 年，SEMI GEC（全球执行委员会）智能制造倡议提出了自主智能工厂的金字塔模型，」林指出。「基于这个模型，我们现在处于智能 2.0 阶段，我们正在利用跨多点系统和数字孪生的各种数据，并利用 AI/ML 自动生成洞察力，例如质量改进、资产利用率、人力效率、节能，整合供应链。」

图 1：SEMI 的智能制造愿景金字塔最初由 Inficon 创建并由智能制造 GEC 改编。来源：SEMI

晶圆厂自动化需要将机器连接到数据和控制系统，这长期以来推动了供应商支持的半导体设备通信标准。这些由 SEMI 管理的标准继续为智能制造提供基础，包括以下内容：

SECS/GEM 定义了设备和工厂网络之间的通信。
GEM300 可实现更高程度的自动化。
设备数据采集改进了工厂数据收集软件应用程序与工厂设备之间的通信。

装配和测试设施还需要标准化设备软件和自动化系统之间的集成。但从历史上看，OSAT 并未使用这些标准。由于设施中的设备、产品和附属品多种多样，业务运营稍微复杂一些。最近，一些 OSAT 已经齐心协力将系统转换并将设备数据与 SECS 标准连接起来，以提供实施工业 4.0 方法的技术框架。

还需要在工具级别进行更改。「有几个系统需要转换。生产和检验流程应标准化，以促进自动化实施。设备应该更加智能，并且能够通过内置的人工智能功能自行识别有关生产材料的信息，」Amkor Technology IT 部门副总裁 Joon Ahn 指出。「ERP/MES/CIM 等遗留系统应该能够与新的现场系统实时通信并处理更多数据。此外，模拟或预测系统应该结合机器学习算法来更具体地反映现实。」

例如，为了解决设备连接性不足的问题，ASE Group 要求所有新生产设备都符合 SECS 标准。对于现有设备，他们的自动化团队开发了实现自动连接以及将数据输出转换为兼容的 SECS 格式的功能。经过多年的发展，日月光的生产设备现已达到 SECS 标准。

工程团队依赖的另一项技术是数据分析。自动化和数据分析有助于从被动预测行动转变为可预测行动，工程团队可以选择响应中的自动化级别。此外，对所有可用数据的多变量分析使人们更加关注设备故障问题的可能根本原因。

「对于想要摆脱被动分析的客户，我们提供了两条途径，」Tignis 营销副总裁 David Park 说。「我们提供预测性和规范性分析解决方案，它们可以独立完成，也可以一起完成。在反应模式下，客户主要试图确定发生了什么以及为什么会发生。然后，根据他们的数据生成时间，他们可能会在事件发生后数小时、数天甚至数周内执行此操作。预测分析的主要目标是确定是否很快会发生不好的事情，使晶圆厂能够采取主动行动。所以在最简单的层面上，这提供了一个完全自动化的预警系统。不需要人工，客户可以决定在出现警告时他们想做什么。」

这可以通过规范分析更进一步。「仅仅因为你可以监控制造过程的所有输入和环境变量以寻找强烈代表某些事情失控的信号，并不意味着同一个系统可以告诉你警告的根本原因，」Park 说「预测分析提供了单变量、双变量和三变量根本原因的最小列表。这使客户能够更快地大海捞针，因为它可以立即向他们显示最可能的警报原因。同样，循环中没有人，也不需要人，因为这提供了可操作的信息。」

实施成功与挑战

随着半导体公司、晶圆厂和 OSAT 实施工业 4.0，工程团队获得了效率和成本效益，衡量标准是处理错误的减少、从反应性行动到预测性行动的转变、改进的可追溯性、产量和质量，并加速识别生产问题。

「我们的项目包括工业人工智能（IAI）项目、IT 基础设施、智能供应链、物理和信息安全保护，以及半导体上下游相关产业的整合，共同打造智能制造生态系统——实现最高效地利用人力、设备、材料和方法，」UMC 的 Lin 说。展望未来，他指出，「我们已经围绕三大方向——全公司 AIoT 解决方案、智能大数据分析和多种人工智能技术的融合——实施了『以人为本』的智能制造平台和系统。实现自主智能工厂不仅可以让联电在质量和效率方面更具竞争力，还可以让我们减少浪费和生产活动对环境的影响。」

图 2：支持「以人为本」的智能制造解决方案的技术。来源：联电

自实施工业 4.0 计划以来，Amkor 观察到工艺工程师的工作效率提高了 60%，这归功于使用更多的数据分析和实施故障检测和分类 (FDC)。这些技术可实现实时质量控制，从而支持实现汽车产品的零缺陷。

转换为全自动设施需要规划和承诺。一旦启动，它很快就会变成多个设施的转换。

2015 年，ASE Group 开始投资技术以转换为智能操作。为了确定所需的技术和员工培训，它成立了一个委员会，由其信息管理中心和每个业务部门（例如，引线框架、球栅阵列、倒装芯片等）的自动化团队组成。到 2021 年，公司拥有 25 家智能工厂，培训自动化工程师 600 余人。

挑战

然而，通往成功的道路并非一帆风顺。数据使用和完整性、实现数字线程、通信兼容性以及一些工厂操作的独特性都被引用了。

「最大的挑战是干净、准确和一致的数据，」Tignis 的 Park 说。「没有它，你就会遇到垃圾进/垃圾出的情况。客户需要拥有可靠的数据基础架构才能充分利用 AI/ML。」

此外，访问数据的机器通信协议与传感器数据测量中的噪声之间的兼容性也存在挑战。

「由于机器之间使用各种通信协议，确保兼容性并不容易，」Amkor 的 Lee 说。此外，物联网数据通常需要努力收集和分析为大数据，并且传感器数据中存在大量噪声需要有效过滤。为了克服这些挑战，我们正在创建标准通信协议或创建不同模型之间的接口程序，引入云数据库以确保平滑的可扩展性，并使用人工智能技术自动过滤掉噪声数据。

为了让工程团队有效地继续增加智能制造方法，他们需要有目的地设计他们的系统。

「智能制造专注于使用数据、网络、机器学习和数字系统提高生产力，这远远超出了『简单的』自动化流程或使用在线制造数据进行流程控制的范围，」服务产品总经理 Russell Dover 说。「它需要一个整体的数字愿景来在整个运营过程中创建一个「数字主线」。数字主线是从产品的设计到制造、销售、支持，甚至生命周期结束都使用一致的数字方法的构造。」

由于使用的生产辅助材料的多样性，组装过程提出了挑战。「在组装过程中，包含材料的载体形式会随着过程的进行而不断变化，」Amkor 的 Lee 说。「因此，需要考虑更多的变量和定制自动化，而不是晶圆厂所必需的。」