応用産業
半導体産業
Profet AIのプラットフォームで、内容領域専門家がデータを利用して予測モデルを完成させ、製造プロセスのパラメーター最適化、品質に影響を及ぼす問題の特定、生産ライン稼働前のパラメーターや成果物測定のシミュレーションを行うことができます
現状
半導体産業は21世紀における最も重要な産業の一つです。コンピュータ、スマートフォン、工業応用、車載情報通信システム、自動運転車、EV、AIoT、5Gなど生活のさまざまな場面で使われる製品や技術に広く応用されています。2023年の半導体産業は2022年からの需給逼迫が続き、ますます発展しています。世界半導体市場統計（WSTS）は、2024年の世界半導体産業の生産額は前年比13.1％成長すると予測しています。
挑戦
半導体産業は、製造工程の精度、コスト管理、納期など、非常に高い要求があります。良好な生産環境の制御、多くの設備制御パラメータや監視データも必要とされます。AIは、これらの課題解決に貢献できます。しかし、現在、半導体製造業は、生産量増加の需要に追いつかない人材不足という課題に直面しています。AI導入による内部の品質と効率向上は、重要な課題となります。
応用シーン
半導体材料の研究開発、IC設計回路の最適化、ウェハー製造プロセス改善、パッケージング＆テスティング ウェットクリーニング、CMP(化学的機械研磨)、光露光プロセス、薄膜化、拡散、薄膜、などのプロセス改善
仮想計測
品質、効率、コストは製造業が重視する重点です。製造効率と品質の両立を図るため、生産ラインではサンプリング検査が採用されています。 半導体産業にとって、AI仮想計測は、ウェハー製造とパッケージングテストなどのプロセスで、生産異常の把握度を大幅に向上させ、製品品質とプロセス効率を向上させ、顧客満足度を向上させることができます。これは、業界に大きな影響を与えるものです。
材料開発 - 重要な要因の検索
技術進歩に伴い、高効率・小型化されたチップへの需要がますます高まっています。高熱伝導基板などの新素材は、チップ製造の安定性と性能を向上させます。
研究開発者は、実験を繰り返し、新素材が顧客の要求を満たしていることを検証する必要があります。AIは、実験中の关键因を迅速に見つけ出し、新素材開発時間を短縮します。 これは、各社の研究開発者にとって重要な課題です。
設備異常予防
工場内の多くの設備は、高頻度で保守作業が行われて、固定の人件費と保守費用がかかります。過剰な保守や予備品在庫過剰による人件費とコストの浪費が問題となっています。近年、工場管理者は、AI機械学習技術で設備の異常や故障を引き起こす可能性のある重要な特徴量を見つけ、異常診断メカニズムによって重要な設備の予防的な異常診断を行うようになってきました。
パラメータ設定の最適化
半導体産業では、ウェハー製造とパッケージングテストのいずれにおいても、新製品の導入時に、エンジニアにとって最大の課題は、プロセスパラメータの調整に多くの時間を取られることです。
AIの助けを借りることで、少量のプロセスパラメータの履歴データから効率的にプロセスパラメータを迅速に調整し、新製品の量産を実現することができます。これは、新製品開発速度の向上につながり、各社の競争力を高める鍵となります。
IC設計（WATパラメータ設定の最適化）
ウェハー製造では、WATによって良品判定が行われます。しかし、WATパラメータはファウンドリとの共同作業で得られ、反復テストで最適化されています。 AI機械学習技術を用いることで、少量テストで迅速に最適なWATパラメータを見つけ、ウェハー良率を向上させ、コスト削減とIC設計製造ノウハウの保護を実現します。
封裝ワイヤボンディング機の參數最適化
半導体産業のパッケージングテスト段階では、AIを用いて過去の生産データを分析し、温度、圧力、時間などの最適なワイヤボンディングパラメータを予測することができます。これは、ワイヤボンディングの品質と一貫性を確保し、生産効率を向上させ、不良率を削減するのに役立ちます。 さらに、AIのリアルタイム調整機能により、さまざまな生産状況に迅速に対応することができ、ダウンタイムとメンテナンスコストを削減することができます。
関連記事
