Урожайность - это теперь работа каждого, поскольку производство чипов становится командным видом спорта

Во времена полупроводникового производства поставщики оборудования просто поставляли инструмент на фабрику, и на этом их ответственность заканчивалась. Однако в связи с быстро растущей сложностью микросхем и этапов производственного процесса все должны быть вовлечены в то, что фактически является командной игрой, от литейных заводов и поставщиков оборудования до проектных компаний без фабрик, которые должны сотрудничать в режиме реального времени на производственном участке, чтобы обеспечить оптимизацию и максимизацию выхода продукции.

Об этом говорит Джон Кибариан, президент, генеральный директор и соучредитель PDF Solutions, который выступил перед EE Times в начале этого месяца на пользовательской конференции компании, состоявшейся в начале декабря в Санта-Кларе, Калифорния. Он также подчеркнул, что с учетом цели отрасли достичь 1 трлн долларов к 2030 году, совместная работа на основе искусственного интеллекта и более разумных решений может принести еще 140 млрд долларов от инструментов, которые в настоящее время работают, вероятно, лишь на 60-80 % эффективности.

Смотрите полную версию видеоинтервью ниже:

Выступая на открытии конференции пользователей PDF Solutions, Майкл Кэмпбелл, директор по цепочке поставок и старший вице-президент по инженерным вопросам Qualcomm, заявил, что полупроводниковая промышленность находится на перепутье и ей необходимо выйти за рамки концепции конструкторско-технологической кооперации (DTCO), которая в значительной степени ориентирована только на кремний, и начать больше думать о системно-технологической кооперации (STCO), которая включает в себя множество других дисциплин.

Майкл Кэмпбелл (Michael Campbell) из Qualcomm считает, что полупроводниковой индустрии необходимо выйти за рамки концепции конструкторско-технологической кооперации (DTCO) и начать больше думать о системно-технологической кооперации (STCO), которая объединяет множество других дисциплин. (Источник: Qualcomm)

Для этого, по словам Кэмпбелла, отрасли необходимо более эффективно использовать данные и агентов ИИ. "Агентный ИИ - это то, что нам как отрасли нужно, но мы еще не достигли этого. Эти агенты должны уметь просматривать множество баз данных, чтобы создавать ценность", - сказал он.

Он добавил, что сейчас проблема отрасли заключается в том, как мы внедряем ИИ. Он рассказал о важности максимального использования данных на всех этапах жизненного цикла - от предкремниевого этапа до производства, после кремния и по всей цепочке поставок. Он говорил об объединении данных, создании системы управления и безопасности, оптимизации точек доступа к решениям, чтобы избежать паралича анализа, и упрощении создания агентов ИИ. ИИ должен быть встроен в основные рабочие процессы для создания обратной связи, а не просто устанавливаться в программное обеспечение по принципу "подключи и работай". В соответствии с темой конференции он сказал, что основное внимание должно уделяться совместному интеллекту, переходя от индивидуального к командному взаимодействию.

Кэмпбелл также рассказал о реальных примерах использования, один из которых иллюстрирует, как с помощью алгоритмов ИИ можно вернуть работоспособность отказавшим устройствам с определенными отпечатками пальцев (см. изображение ниже).

Реальный пример использования градации посткремниевых дефектов с помощью ИИ. (Источник: Qualcomm)

В то же время Азиз Сафа, корпоративный вице-президент и генеральный менеджер подразделения Intel Foundry Automation, в своем выступлении на конференции рассказал о том, как Intel Foundry использует программный комплекс PDF Solutions для создания единой платформы анализа данных, позволяющей обрабатывать огромные объемы высококачественных данных.

Я вынес из его выступления то, что любое решение должно хорошо интегрироваться в существующий рабочий процесс корпоративной системы компании, и именно так PDF Solutions вписывается в их платформу.

Ключ к оптимизации платформ анализа данных, подобных PDF Solutions, заключается в том, чтобы обеспечить их интеграцию в существующий рабочий процесс корпоративной системы, как показано здесь на примере операций Intel Foundry. (Источник: Intel Foundry)

Именно в этом PDF Solutions нашла ключ к своему успеху: в сотрудничестве со своими клиентами для интеграции в их рабочие процессы, как на производстве, так и в цепочке поставок. В ходе беседы с несколькими клиентами компании на конференции стало очевидно, что PDF Solutions уже несколько лет является основной частью их платформ для анализа производительности. На одном из слайдов он показал, что в 2025 году около 8000 единиц оборудования для производства полупроводников будут оснащены программным обеспечением PDF Solutions

"Промышленности нужна единая платформа для анализа данных", - сказал Кибариан из PDF Solutions. "И мы видим, что наши клиенты живут как бы в двух мирах: те, кто использует искусственный интеллект, демонстрируют больший рост, чем те, кто его не использует. ИИ позволяет отрасли получать гораздо больше информации из того же объема данных, что и раньше".

Пакет программных продуктов PDF Solutions обеспечивает аналитику всей цепочки поставок. (Источник: PDF Solutions).

Кибарян подчеркнул, что ключ к обеспечению сотрудничества и оркестровки цепочки поставок - это сочетание человеческого управления с исполнением ИИ. Это означает, что люди устанавливают правила сотрудничества, а ИИ выполняет их в масштабе.

Подробнее о Джоне Кибариане можно узнать из видеоинтервью EE Times, в котором он рассказывает о преобразующей роли ИИ в производстве полупроводников и о том, как отрасль может восстановить огромные упущенные выгоды, в частности:

• Возможность создания стоимости в размере $140 млрд: Кибариан подчеркивает, что нынешнее оборудование для производства полупроводников работает всего на 60-80 % эффективнее. Учитывая, что к 2030 году объем производства достигнет $1,1 трлн, сокращение отходов и повышение производительности может принести $140 млрд.
• Платформа "AI-native": PDF Solutions перешла на платформу, ориентированную на AI, Python-native, которая интегрирует данные непосредственно из инструментов оборудования. Их программное обеспечение уже встроено примерно в 8 000 обрабатывающих инструментов от 200 различных производителей, что позволяет собирать высококачественные данные в режиме реального времени.
• Сила данных и связь: Одной из основных проблем в отрасли является наличие не связанных между собой силосов данных. Кибариан подчеркивает необходимость создания единого аналитического слоя, объединяющего поставщиков оборудования, литейные и бесфабричные компании.
• Управление ИИ/человек в контуре: В отличие от потребительского ИИ (например, ChatGPT), производство не терпит "галлюцинаций". Кибариан объясняет, что они используют оркестрации и рабочие процессы в качестве ограждений, чтобы обеспечить работу ИИ в рамках определенных человеком параметров.
• Устойчивость и наследие: Кибариан объясняет долговечность компании тем, что она сосредоточилась на этапах "наращивания производительности" и стремится обеспечить совместимость новых рабочих процессов ИИ с производственными обязательствами 20-летней давности, например, в автомобильном секторе.

Эта статья была первоначально опубликована на сайте EE Times.

Нитин Дахад - главный редактор EE Times. Выпускник Сити-университета по специальности "электронная техника", он был инженером, журналистом и предпринимателем. Он был членом команды стартапа ARC International и вывел компанию на биржу, а в начале 2000-х годов стал одним из основателей издания под названием The Chilli. Нитин также работал в компаниях National Semiconductor, GEC Plessey Semiconductors, Dialog Semiconductor, Marconi Instruments, Coresonic, Center for Integrated Photonics, IDENT Technology и Jennic. Нитин также работал в правительстве, продвигая британские технологии на мировом рынке в США, Бразилии, на Ближнем Востоке и в Африке, а также в Индии.Следите за Нитином на LinkedIn