工业4.0的规划这么美好,为何难以落地应用到一线?

2019-08-16来源: eefocus关键字:晶圆  智能制造  工业4

在聊到工业4.0、智慧工厂、智能制造、IIoT的时候,除了研讨会、论坛以及文字资料,实际真正重要的是“落地”,唯有落地才能真正解决生产问题。我们在听到很多有关工业4.0的美好规划时,又有多少内容是已经能够真正实现,应用到生产一线的?

 

BISTel 中国区销售总监Stanley Shi在接受我们的采访时,举了一个具体的例子:在半导体制造CVD(化学气象沉积)流程中,根据HMP(Health Monitoring & Prediction)的追踪数据,发现某晶圆厂在生产的4月18日出现异常高的报警数,很多晶圆受到了影响。“TDS”设备某节气阀确定发生位置偏移。

 

 

而实际上,这个问题是有办法通过智能应用事先预知,或提前获取到异常信息的。BISTel HMP智能应用实际早在4月16日就侦测到了节气阀位置首次发生潜在漂移,这就给出了两天的提前量。

 

 

实际在监测的其他参数方面,更早就有征兆显现:前序压力由于节气阀的位置偏移,4月8日就发现了“第一个不规则现象”,漂移趋势当时就开始上行。

 

 

这个例子,即是HMP通过生产设备的监测,来提前发现参数偏移趋势,做到更早预知生产问题。对工厂而言,这种具体的应用是为了减少非计划性停机、提升资产利用率,并且降低维护成本,降低设备的downtime。类似HMP的这种已经落地的应用,简单说来就是对工厂内的设备设施,进行实时的监控、监测,并且进行预测性的分析;在工厂设备看板上,给出预警,算出资产设备寿命。这对生产的价值是不言自明的。

 

智能制造究竟长什么样?
工业4.0用比较抽象的话来概括,就是生产环节的“数字化”,改变工厂的运营方式,提高生产效率。通过“自动化”和“人工智能”实时地解决生产问题。实现这个目标的重要一环就是IIoT(Industrial Internet of Things),也就是工业生产设备都能够接入网络中,并且产生大量的数据。

 

Stanley说:“有了这样的新技术,就产生了海量的数据。人们才真正开始意识到数据是存在价值的。”在前不久Aspencore主办的“智”动化与工业4.0论坛苏州场的活动现场,Oracle就提到了智慧工厂的“数据范围”正在发生扩张,“现在的数据范围已经从传统的关节型数据,扩大到了设备端的万物互联,延伸到整个物联网,也就是大数据”。

 

所以将数据交给谁,还要在正确的时间和位置给出这些数据,最终让数据指导生产。都是实现智能制造的核心所在。实际上,云、大数据以及AI,都为解决这个问题而存在。尤其AI是用于海量数据分析的大趋势,将基于AI的实时监控与数据分析工具,连接到IIoT设备和平台。BISTel尝试解决的,主体上就是这个阶段的问题。

 

BISTel首席执行官W.K. Choi先前曾将工业4.0分成三部分,或者说三个阶段。前两者关乎IoT设备和工程系统(engineering system),这两者会与智能做融合,达到监测、分析、预测生产挑战的目的。而第三阶段,则是将智能融入到企业中去,构建完整互联的智能工厂生态系统,其中的IoT设备设施、工程与企业级系统都完整互联,实现大数据流、知识库的跨生态系统共享、管理和优化。

 

 

第三阶段可以认为是智能制造未来方向的某种共识。不过这么说似乎还是有些虚,在理论层面说得更具体些:如Stanley所说,目前智能制造着力的还在前两个阶段,以BISTel的维度来划分,即智能应用和智能系统。这里的智能应用,也就是应对不同制造场景、部署在工厂中的具体应用,例如前文提到的HMP健康监测与预测维护,再比如应用了AI的DFD动态故障检测、CM新型腔室匹配等。

 

而智能系统则强调将所有的应用串联起来,构成检测、分析、预测的闭环结构,在闭环形成过程中,借由BISTel本身在智能制造方面的数据经验积累,外加工厂本身产生的数据,去强化闭环的每个环节,并最终做到“自适应”,应用和系统能够“自主地发现、分析和解决问题”。

 

 

“所有的应用会共用一个知识库(knowledge base)。这个知识库里面会有所有的知识点、解决方案。当数据越来越多的时候,我们会去通过对接数据进行学习,然后自动去更新、优化。这就是我们所谓的AI自动建模,通过智能的积极学习去自动更新。”

 

其中这种“自适应”能力强调的是无需或较少人工干预的“自主控制&治愈”“IT与OT深度自动化整合”,自主地完成发现问题-学习问题-采取行动的过程,这属于前述第二阶段智能系统的进一步强化。实现这一步的关键,在BISTel看来自然就在人工智能了。而完整实现这个程度的自适应,还需要时间,也是BISTel乃至更多智能制造解决方案的方向。

 

根因分析、预测
除了智能应用和智能制造,“第三阶段就是我们后续的蓝图了。将我们的生态系统和工厂内部,所有的其他设备,其他的智能系统连接起来,通过设备乃至系统彼此间的沟通,真正实现自主解决问题。”Stanley说。在我们的理解中,也就是在整个工厂构成更大范围的不同系统、组织间的互通和智能。

 

Oracle实则也有着类似的蓝图。除了前文提到的“数据范围”的扩展,Oracle资深解决方案架构师Vicky Qiu在“智”动化与工业4.0论坛上还提到“企业现在都是互联的企业,不是孤立的,需要上下游生产商共同合作”。这个理念实际强调的,还将“互联”和“智能”的范围做了进一步的外延。

 

不过这些可能离我们还略显遥远。现阶段正在落实的,如HMP这样的应用讲究的是获取工厂和设备的追踪数据(tracedata),进行数据分析,并实现“根因分析”与“预测性分析”,实现决策支持。比如说工厂生产了“好的”晶圆,和良率不过关的晶圆,部署数十万传感器,针对数百道工艺步骤做数据追踪,借由AI针对这些数据做“追踪数据”分析,获得分级排序的根因结果,以及进行预测——对设备或生产做预测性维护、基于大数据分析即时优化工作参数、借由模型实现系统和供应商的优化等。

 

这么说还是太过抽象,Stanley在分享中举了几个例子。首先说一说这里的“根因分析”。

 

 

通常在发现晶圆生产不良率高的问题以后,工程师们通常要花很长时间去找问题的根源。如果能够对工厂中的不良品进行归类,追踪这些不良品的所有参数、数据,经过系统分析后得出影响不良品的参数,再按照关联度大小对这些参数进行排序,在短期内找出问题根源,工厂的效率就会提升很多。

 

在图示的这一例遭遇的晶圆edge patch问题中,出现了6个最优关联度的参数(左下位置)。第一和第二个参数关联性最强,第一个参数是在Etch(蚀刻)这个流程的最后一步,电流发生显著激增;第二个参数,则是氦气值的明显降低。此处,etch流程的最后一步实际上也就是氦气分离,电流激增很可能是分离过程中,托盘与晶圆的边缘接触,产生了小范围的火花,所以这里托盘可能放置不平衡,托盘某些氦气口堵塞造成氦气值降低。这就是追踪数据在半导体制造中一个很好的例子。

 

BISTel中国区销售总监汪锋补充说:“一般制造行业发生不同的fault时,数据表现都是不一样的,像制造中unbalance轴承的数据曲线会是某一种表现方式,mis-alignment的时候数据又是另外一种表现。通过历史数据的不同表现方式,跟实际的fault,结合起来进行实时分析,系统就能初步判断这可能是什么样的问题。”

 

除了这种根因分析,借由追踪数据还能实现预测,包括预测维护、工作参数优化、系统/供应链动态优化。比如HMP实现的就是“预测维护(predictive maintenance)”。预测维护的价值在于提高维护效率,减少成本。

 

汪锋打了个比方:“比如你有一辆车,通常每5000英里需要保养一次,这是基于时间的维护(time-based maintenance),而预测维护则是condition-based,比如我可能会把发动机的转速或者温度数据等等,都结合起来,预测我下一次可能会出现什么问题。这种分析是实时的,可能会告诉你说现在汽车运转良好,一个月以后需要进行一次维护。”

 

Stanley表示:“固定一个时间,每隔一段时间做维护,可能会造成几个问题,第一是过度维护(over-maintenance),第二是可能我们想到要做维护的时候,问题就可能已经发生了。所以我们需要数据驱动的预测分析(data-driven preditive analysis),实时对关键参数做监测和分析,做到更准确的维护。”

 

 

文首提到的案例就是典型的“预测性分析”,这里还是来看两个具体的例子。首先是RUL分析(Remaing Usage Life,剩余使用寿命),上图左侧是生产设备各种参数的实时监控,包括了压力、温度、振动等。根据所有的参数,分析漂移趋势,通过算法就能够了解到当前机器的健康值,并且预测设备寿命。

 


除了设备健康分析,这类应用实则针对产品也是有分析预测价值的。根据这批晶圆的历史追踪数据,比如质量数据,实时分析在生产过程中每片晶圆所有流程的追踪数据。上图是一个质量看板,浅绿色表示正常且后续健康状况良好;深绿色表示现在是好的,但后续会有风险;黄色表示现在有风险,但短期内不会加剧…依此类推;甚至进行实时的质量分析,给产品健康状况预测打分。这些都是BISTel HMP的典型应用。

[1] [2]

关键字:晶圆  智能制造  工业4

编辑:什么鱼 引用地址:http://news.eeworld.com.cn/qrs/ic471375.html
本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

上一篇:投入大亏损达陷入困境,格芯公司再次卖厂
下一篇:机器人投资消耗如此巨大,如何避免陷入误区?

关注eeworld公众号 快捷获取更多信息
关注eeworld公众号
快捷获取更多信息
关注eeworld服务号 享受更多官方福利
关注eeworld服务号
享受更多官方福利

推荐阅读

车用电子需求大幅上升,强茂欲涉足8英寸晶圆市场

为抢攻汽车及工业等高端应用市场,掌握8英寸功率组件未来的庞大商机,以往专注在4、6英寸晶圆领域的强茂,决定斥资6,700万美元涉足8英寸市场,其用途会专注在新团队的晶圆设计里背面制程的应用,以此掌握如5G、物联网、车用电子等所带动的8英寸功率组件的庞大商机。进入2019年后,强茂邀请全球前10大国际IDM大厂晶圆研发人才组成新事业体,在美国硅谷及新竹设立研发中心,专注在功率离散组件不同的晶体管晶圆设计。其中最为重要的,包括专注在中压最先进技术 Shielded Gate MOSFETs,高压 Super Junction MOSFETs、Field Stop IGBT及SiC(碳化硅)其它的晶体管晶圆设计。业内人士指出,目前电动车
发表于 2019-08-16

车用电子需求大幅提升,强茂将涉足8英寸晶圆市场

为抢攻汽车及工业等高端应用市场,掌握8英寸功率组件未来的庞大商机,以往专注在4、6英寸晶圆领域的强茂,决定斥资6,700万美元涉足8英寸市场,其用途会专注在新团队的晶圆设计里背面制程的应用,以此掌握如5G、物联网、车用电子等所带动的8英寸功率组件的庞大商机。进入2019年后,强茂邀请全球前10大国际IDM大厂晶圆研发人才组成新事业体,在美国硅谷及新竹设立研发中心,专注在功率离散组件不同的晶体管晶圆设计。其中最为重要的,包括专注在中压最先进技术 Shielded Gate MOSFETs,高压 Super Junction MOSFETs、Field Stop IGBT及SiC(碳化硅)其它的晶体管晶圆设计。业内人士指出,目前电动车
发表于 2019-08-15

台积电最新先进制程技术总结

表示,从其10nm节点吸取教训,7nm节点的缺陷密度曲线下降趋势是有史以来最快的(见下图)。随着公司进军高性能计算(HPC)领域,他们分别开始为移动客户和HPC客户报告晶圆尺寸为250平方毫米及以上的缺陷密度。  过去半年,台积电对7nm节点的需求环比下降约1%。收入绝大部分仍来自于他们非常成熟的16nm节点。不过,虽然台积电第二季度晶圆出货量符合预期的增长,但是与长期趋势相比,这实际上是三年来第二季度的最低销量。尽管如此,他们相信7nm将在全年实现25%的收入。  按收入份额划分的技术节点 台积电晶圆出货量 7nm 2代(N7P)台积电已经开始推出7nm制程的优化版本,称为7nm性能增强版
发表于 2019-08-13
台积电最新先进制程技术总结

又下一城,Cree宣布与安森美签署长期SiC晶圆供应协议

日前,Cree宣布与安森美签署一项多年长期SiC晶元供货协议,Cree将向安森美半导体生产和供应其Wolfspeed碳化硅晶圆,该协议价值超过8500万美元,用于向安森美半导体供应Cree先进的150mm碳化硅(SiC)裸晶圆和外延晶圆,用于高增长市场,如电动汽车和工业应用。2019年1月,Cree与ST签署一项为期多年的2.5亿美元规模的生产供应协议,Wolfspeed将会向ST供应150㎜SiC晶圆。2018年10月,Cree又宣布了一项价值8,500万美元的长期协议,将为一家未公布名称的“领先电力设备公司”生产和供应SiC晶圆。2018年2月,Cree与英飞凌签订了1亿美元的长期供应协议,为其光伏逆变器、机器人、充电基础设施
发表于 2019-08-07
又下一城,Cree宣布与安森美签署长期SiC晶圆供应协议

中国晶圆制造产能过剩?在产品和市场趋势中找答案

近年来随着国家集成电路规划的持续推进,各地纷纷上马晶圆制造项目,在大量项目不断落地的同时,对“中国晶圆制造产能过剩”的担忧言论也开始出现,中国的晶圆制造产能是否会出现产能过剩?或者在进行国产替代的大背景下该如何扩充晶圆制造产能?从产业和市场的趋势去看,或许可以得到一些答案。1.晶圆代工满足设计需求比长期不足四成中国集成电路产业长期存在晶圆制造与设计不匹配的“两头在外”的现象,据集邦咨询测算,2016-2022年中国集成电路设计业代工需求本土满足比一直低于40%,并在2018年达到30%的最低点,后期随着大量先进制程产线的产能释放,比例将有小幅的提升。 图 中国晶圆代工产值及需求规模对比与此同时,中国集成电路设计业迅速增长
发表于 2019-07-31
中国晶圆制造产能过剩?在产品和市场趋势中找答案

海克斯康十二时辰 · 轮毂智能制造解决方案

轮毂,是整车行驶的主要承载件,具有极高的质检要求。 十二时辰,依据于太阳规律与先民劳作起居创制的时间纪法。 海克斯康轮毂智能制造方案,以旗下的专业的质量控制硬软件为平台,辅配针对轮毂定制化开发的送料、定位、识别和检测、质量分析等,从设计工程、生产制造、质量检测到数据分析,提供一体化的自动化解决方案。  当轮毂智造与十二时辰相遇,时间的美妙一触即发,强大人机协作,让人们惬意享受日出而作、日入而息,制造从未如此优美浪漫,欢快顺畅。 子时 夜半子时,万物俱寂。 通明车间,伴随零点的是新一轮的严密检测。 无论昼夜,机器人如常运转,在检测单元自动搬运、调度、分拣
发表于 2019-08-20
海克斯康十二时辰 · 轮毂智能制造解决方案

小广播

何立民专栏

单片机及嵌入式宝典

北京航空航天大学教授,20余年来致力于单片机与嵌入式系统推广工作。

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2019 EEWORLD.com.cn, Inc. All rights reserved