泛林集團觀點

機器學習的未來：

泛林集團執行副總裁兼 首席技術官 Richard A. Gottscho 博士與 tec. News 編輯團隊坐下來討論他對人工智能 (AI) 和機器學習 (ML) 價值的看法。

半導體行業提供創新晶片製造設備和服務的全球領先供應商。他們的技術和生產力解決方案有助於以更低的成本提高積體電路的性能。1980 年代初，一個晶片上只有130,000個電晶體，而發展到今天，一個晶片上集成的電晶體數量已超過10億。

與許多公司一樣，泛林集團在產品層利用人工智慧 (AI) 和機器學習(ML)，使其客戶能夠降低總成本和能耗並提高收益。泛林集團還在自身的運營中廣泛運用 AI 和 ML，例如提高晶片廠設備性能，從而在全部設備機群中實現更高質量和更穩定的晶片生產。

只有通過高效利用資料才能實現這些目標。如今，資料收集是由半導體製造商從各種工具中提取原始資料來完成的。泛林集團希望通過提供可隨時使用的經過清理的資料（包括篩選和時間排序）來改變這種狀況，使客戶能夠對整座晶片廠中的機群進行最佳管理。

在各種工具中，有帶嵌入式控制裝置的製造室，可提供更精確和可重複的結果，執行故障檢測，並提供自我調整回饋，不論進料如何變化，都可以實現超精確的可重複性。通過在各台晶圓廠機器之外提供這些資料，AI和ML演算法可以分析大量資料，獲取洞察力，從而有助於實現更好的性能、改進設備功能、識別異常，並避免設備故障和計畫外的停機。

人工智慧和機器學習在半導體製造中的使用案例

晶片廠設備的差異可能由許多因素引起，例如腔室表面的溫度控制、射頻匹配網路調諧的速度以及晶片的溫度控制。通過仔細檢查工具本身的資料，可以確定造成腔室之間參數差異的原因。

檢測缺陷是另一個主要用例。在製造納米級器件時，對缺陷的容忍度基本上為零——利用 AI 和 ML，可以幫助及早檢測到導致缺陷的條件，從而提高良品率。

正確的架構至關重要

實施人工智慧和機器學習需要兩個不同的專業領域協同工作：資料科學家和現有領域專家。對於泛林集團來說，這意味著要聘請一個內部資料科學家團隊，他們與工程師緊密合作開發工具。憑藉這些內部知識，泛林集團可以為客戶提供無縫體驗，否則他們將需要手動將機器連接在一起。他們還聘用外部顧問，帶來新穎的想法和技術方法。

科學家與外部顧問相結合，確保了泛林集團始終處於人工智慧和機器學習領域的最前沿。

人工智慧和機器學習是工業4.0 的基石

Gottscho 負責監督泛林集團的工業4.0轉型。他指出，如今幾乎每家公司都在實施數位化轉型戰略，尋求提高生產力、縮短交付時間，並提高生產過程各個方面的透明度。對於Gottscho來說，最大的挑戰是在一家成熟的公司實施大規模檢修，但他認為這是所有工程師都面臨的一個眾所周知的問題：“我們不得不在發動機運行時進行重新設計。”

另一個關鍵挑戰是擁有足夠的主題專家和資料科學家的短缺，他認為這是影響全球整體進步的關鍵因素。

“問題不在於錢，而在於人，因為你不可能在一夜之間培養出這些人才。它迫使你在處理事情的輕重緩急時要非常認真對待，畢竟，產業轉型不是一朝一夕的事情。”

泛林集團與浩亭的合作

泛林集團和浩亭正在合作研究改進半導體生產的新方法。 Gottscho 認為，浩亭通過嵌入連接器的感測器即時測量設備消耗的電壓、電流、相位和總功率的這一設想具有巨大潛力，可以解決即時監測晶片廠設備大量信號的難題，並支援先進的人工智慧和機器學習應用。

與其他傳感方法相比，這種方法相對容易應用並且具有很高的成本效益。與目前使用電子顯微照片的解決方案相比，即時資訊處理具有顯著優勢，前者需要幾個小時來處理，並且成本高達數千美元。

Gottscho認為，連接器嵌入傳感器可以即時提供資訊，為關鍵決策提供依據，它們對於半導體設備的重要性和它們對於自動駕駛汽車一樣重要。這條發展道路還將助力泛林集團在今年早些時候宣佈的到2050年實現淨零碳排放的承諾。在設計高能效設備時，第一步是要瞭解每個元件的能耗，而最好的方法是使用嵌入式感測器來捕獲關鍵的運行資料和洞察力，從而實現產業轉型。