Lam Research перспективы

Искусственный интеллект и машинное обучение

Д-р Richard A. Gottscho, исполнительный вицепрезидент и технический директор Lam Research, встретился с командой tec.news, чтобы поделиться своими мыслями о ценности искусственного интеллекта (AI) и машинного обучения (ML).

Компания Lam Research, основанная в 1980 году, является одним из крупнейших поставщиков инновационного оборудования для производства полупроводниковых плат и услуг для полупроводниковой отрасли. Технологии и эффективные решения компании позволили увеличить производительность интегральных микросхем при минимальных затратах. Если в 1980-м году количество транзисторов на плате составляло 130000, то в настоящее время оно превышает 1 миллиард.

Как и множество других компаний, Lam реализует технологии искусственного интеллекта (AI) и машинного обучения (ML) в своей продукции, предоставляя своим заказчикам такие преимущества, как снижение совокупной стоимости владения, сокращение энергопотребления и повышение производительности. Компания Lam также использует технологии AI и ML для решения широкого спектра задач на собственных предприятиях с целью увеличения эффективности производственного оборудования для повышения качества и согласованности процессов промышленного комплекса для производства полупроводниковых плат.

Достижение поставленных целей возможно только при эффективном применении данных. Сегодня сбор данных обеспечивается производителем полупроводниковых компонентов, при этом данные извлекаются из отдельных узлов оборудования. Lam планирует изменить эти процессы для получения более четкой и готовой к использованию информации. Для этого могут применяться функции фильтрации и временной последовательности. Указанные методы гарантируют пользователям оптимальное управление промышленным оборудованием.

В отдельных станках производственные камеры оснащаются встроенными средствами управления, которые предназначены для предоставления более точных и достоверных результатов, отслеживания нарушений и получения адаптивной обратной связи для максимальной повторяемости, вне зависимости от характеристик сырьевых материалов. Когда данные станут доступны за пределами отдельного производственного оборудования, алгоритмы AI и ML могут применяться для анализа больших массивов с целью формирования уникальных данных, позволяющих повысить производительность, расширить функциональность оборудования, выявить нарушения, а также предотвратить поломки и незапланированные простои оборудования.

СЦЕНАРИИ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ AI И ML ДЛЯ ПРОИЗВОДСТВА ПОЛУПРОВОДНИКОВЫХ КОМПОНЕНТОВ

Например, они могут использоваться для сравнения состояния производственных камер промышленного комплекса с целью определения различий и дальнейшего выявления основной причины. Различное состояние производственных узлов может быть обусловлено множеством причин, например, контролируемой температурой поверхностей камеры, скоростью синхронизации частоты и контролируемой температурой полупроводниковой платы. Причину расхождения параметров в разных камерах можно определить в процессе детализированного анализа полученных от оборудования данных.

Другим примером практического применения является регистрация дефектов. При производстве наноразмерных устройств величина допуска для дефектов стремится к нулю. Поэтому технологии AI и ML помогают на раннем этапе определить условия, которые приводят к появлению дефектов, способствуя увеличению объемов производства качественной продукции.

ПРАВИЛЬНАЯ СТРУКТУРА – ОСНОВНОЕ ТРЕБОВАНИЕ

Для внедрения инноваций в области искусственного интеллекта и машинного обучения необходима совместная работа специалистов двух направлений: специалистов по обработке и анализу данных и экспертов в конкретной предметной области. Поэтому в штате компании Lam работают эксперты-аналитики, тесно взаимодействующие с инженерами при разработке собственных методов. Собственные эксперты Lam имеют возможность делиться опытом с заказчиками компании, которые в противном случае должны были бы самостоятельно вручную интегрировать свое оборудование. Кроме того, компания привлекает консультантов из сторонних организаций, которые делятся своими свежими идеями и методами.

Собственные специалисты по обработке и анализу данных и консультанты из сторонних организаций позволяют компании Lam всегда быть на самых передовых позициях в сфере искусственного интеллекта и машинного обучения.

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И МАШИННОЕ ОБУЧЕНИЕ – СТРУКТУРНЫЕ ЭЛЕМЕНТЫ ИНДУСТРИИ 4.0

В компании Lam Д-р Gottscho отвечает за стратегическое планирование для реализации концепций Индустрии 4.0. Он подчеркивает, что сегодня почти каждая компания реализует стратегию цифровой трансформации в поисках решений для увеличения эффективности, сокращения сроков разработки и для большей прозрачности всех аспектов производственного процесса. Основную проблему Gottscho видит в проведении капитального ремонта на действующем предприятии, но считает, что эта проблема не является новой, и все инженеры рано или поздно оказываются в такой ситуации: "Нам необходимо провести модернизацию двигателя, когда он запущен и работает."

Другая важная проблема состоит в нехватке узких специалистов и специалистов по анализу данных, и он думает, что эта проблема является сдерживающим фактором глобального технического прогресса.

"Дело не в деньгах, а в людях. Ведь невозможно за один день подготовить ценных специалистов. Поэтому приходится делать сложный выбор, расставляя приоритеты. Промышленная трансформация – процесс небыстрый."

СОТРУДНИЧЕСТВО LAM RESEARCH и HARTING

Компании Lam и HARTING разрабатывают новые методы для повышения эффективности производства полупроводниковых компонентов. Gottscho верит, что концепция HARTING, предусматривающая измерение напряжения, тока, фазы и суммарной потребляемой оборудованием мощности в режиме реального времени с помощью датчиков, встроенных в соединители, очень перспективна для реализации оперативного отслеживания множества сигналов производственного оборудования и для поддержки инновационных решений на базе искусственного интеллекта и машинного обучения. Предложенный подход достаточно просто применять, кроме того, он дешевле других методов мониторинга.

Обработка информации в режиме реального времени открывает серьезные преимущества в сравнении с существующим решением для отслеживания тока с помощью электронной микрофотографии, где процесс измерения занимает несколько часов, а стоимость составляет несколько тысяч долларов. Gottscho считает, что технология интеграции датчиков в соединители имеет такое же важное значение для полупроводниковой отрасли, как и для беспилотного транспорта, поскольку информация, доступная в режиме реального времени, может применяться для принятия взвешенных решений.

Данный подход также будет полезен Lam для решения другой поставленной задачи, о которой недавно сообщила компания: к 2050 году достичь углеродной нейтральности и нулевых выбросов углекислого газа. Для проектирования энергоэффективного оборудования сначала необходимо знать, сколько энергии потребляется каждым элементом. Для этого лучшим образом подходят встроенные датчики, которые собирают критические рабочие показатели и уникальные данные для цифровой трансформации.