Desde a disseminação do uso de smartphones até o surgimento da IA, do 5G e dos carros autônomos, os sinais estão claros de que o mundo está se movendo rapidamente na era de conexão digital. E os semicondutores são base de tudo.

Dado o rápido crescimento da infraestrutura digital, não é uma surpresa que os fabricantes de semicondutores, aqueles que estão na base do ecossistema digital, enfrentem desafios competitivos cada vez maiores. Alguns são conhecidos, como a pressão implacável para melhorar o desempenho do chip. Porém, atualmente, os fabricantes de chips também precisam atender a diversos requisitos competitivos associados aos seus processos, começando pelo design.

No mercado da produção de chips, as embalagens, como as partes de um semicondutor são reunidas para uso em um dispositivo, sempre foram fundamentais. A questão das embalagens se tornou um grande diferencial competitivo que afeta a potência, o desempenho e a funcionalidade dos chips, além de seu custo.

Então, como isso afeta os processos? Com as estruturas de embalagem cada vez mais complexas, o ciclo inteiro, desde o desenvolvimento, os protótipos e os testes, tornou-se consideravelmente mais longo. No processo de fabricação, partir do design para o produto finalizado requer o conjunto certo de instruções altamente detalhadas associadas a mais de 100 parâmetros, com pouca para nenhuma margem para erro.

De acordo com os métodos convencionais, os fabricantes de chips são forçados a fazer uma série de ajustes adicionais para identificar a "receita" ideal. Além da enorme carga sobre os criadores nesta equação, os engenheiros de desenvolvimento, o subproduto desta abordagem de tentativa e erro é o aumento do desperdício e menor rendimento da fabricação.

Reduz o ciclo de desenvolvimento em

30%

reduzindo a tentativa e erro na formulação da receita

Reduz os custos de manutenção de equipamentos para clientes de fabricação de semicondutores em

50%

por meio da otimização orientada por dados

Empresas como a Panasonic Connect, em sua Divisão de Negócios de Automação de Processos, existem para ajudar os fabricantes de semicondutores a superar esses desafios e otimizar os processos de produção para oferecer produtos de alta qualidade. Com um histórico de 30 anos no fornecimento de equipamentos de produção especializados aos fabricantes de chips, a Panasonic reconheceu que possuía conhecimento o suficiente para ajudá-los a se adaptar às novas tendências de embalagens de semicondutores.

O principal objetivo, afirma Mitsuru Hiroshima, Director of the Semiconductor Process Business Group, era ter a oportunidade de aplicar a análise avançada em suas soluções de equipamentos para gerar resultados inovadores para seus clientes de manufatura. "O elemento central da nossa visão era a ideia de que a combinação de deep learning e automação poderia otimizar as operações de design e manufatura".

Na época, em 2019, Hiroshima e sua equipe sabiam que a realização dessa visão, transformando-a em uma solução concreta que pudesse ser lançada no mercado, exigiria que a empresa ampliasse suas principais competências relacionadas aos equipamentos. "Estávamos procurando colaborar com um [fornecedor] que pudesse oferecer conhecimento profundo da indústria sobre esses processos, junto a um portfólio de tecnologias analíticas avançadas em áreas como IA e deep learning", explica Hiroshima. "A IBM se destacou como a única provedora que se destacou nesses domínios críticos".

Técnico da Panasonic trabalhando em um computador

Algoritmos de machine learning e a receita ideal

A equipe IBM formada para o projeto incluiu especialistas em deep learning e IA do IBM Research® e em processos, além de consultores da indústria da IBM Consulting™. Nos primeiros meses de trabalho intensivo das equipes de engajamento, as equipes da IBM e da Panasonic colaboraram para identificar e refinar oportunidades de aplicação da solução. A IBM aplicou a metodologia IBM Garage™, reunindo as equipes de TI e de operações em colaboração iterativa e de alto impacto para definir a abordagem da colaboração, determinar o objetivo geral e cocriar soluções.

Com base nos desafios e uma avaliação de time to value mais rápido, a equipe combinada definiu em conjunto duas soluções de controle de processos que surgiram como as primeiras soluções de fábrica inteligente da Panasonic. A primeira solução envolveu a criação de um divisor de plasma avançado por meio da automação completa da geração de receitas.

Máquina de wafer de silício da Panasonic em produção

Embalagem de plasma parece um pouco com mágica. Para um engenheiro que tenta encontrar a receita de plasma certa, o produto final deve ser um wafer com padrões de corte precisos. Isso significa fazer a combinação de decisões certa em relação às variáveis como pressão de vácuo e potência, energia de elétrons, energias de íon e gases, para citar alguns.

Para desenvolver a solução de prova de conceito, a equipe do IBM Research desenvolveu algoritmos de deep learning que, por meio de um grande número de cálculos, permitiram que os engenheiros derivassem rapidamente a combinação ideal de pontos variáveis. "Em vez de confiar na intuição ou tentativa e erro", explica Hiroshima, "os engenheiros têm uma interface visual intuitiva [projetada pela IBM Consulting] que pode simular o processo com precisão e em apenas alguns segundos".

A segunda prova de conceito cocriada pela equipe abordou um ponto de dor diferente: a necessidade de otimizar o desempenho da máquina de limpeza por plasma através de práticas de manutenção mais inteligentes e orientadas por dados. "Ao invés de receitas, o aplicativo de limpeza por plasma usa computação avançada para identificar o tempo ideal para realizar a limpeza e manutenção", diz Hiroshima. "Muito cedo gera custos desnecessários, enquanto que tarde demais gera riscos de má qualidade e até mesmo quebra de máquinas".

Assim como a solução de divisão, o aplicativo de status da máquina é baseado em algoritmos desenvolvidos pela IBM Research. Usando dados de sensores montados por máquina, o aplicativo correlaciona mudanças na eficiência operacional da máquina com as condições de várias peças da máquina. O resultado visual altamente intuitivo, observa Hiroshima, é como uma lista de desejos para técnicos sobrecarregados. "Os técnicos do chão de fábrica recebem um alerta, por exemplo, de que um determinado limpador por plasma entre muitos está com desempenho abaixo do ideal e que a sujeira no eletrodo é a razão mais provável", diz. "Esse insight possibilita que o técnico tome ações corretivas que mantém alta qualidade e minimiza as interrupções na produção".

No caminho para a produção autônoma de fábrica

Para Hiroshi Benno, Manager of Product Marketing da Divisão de Negócios de Automação de Processos e um agente fundamental no esforço de desenvolvimento, ambos os aplicativos demonstram a importância da análise de dados no chão de fábrica e seu potencial de transformar a forma como os chips são projetados e fabricados. "Nos testes e simulações rigorosos que realizamos, a solução de corte de plasma reduziu o ciclo de desenvolvimento em até 30%", afirma Benno. "O ciclo mais enxuto reflete como a análise baseada em IA possibilita que os engenheiros ignorem grande parte da tentativa e erro na formulação da receita ideal do plasma". Além disso, a otimização baseada em IA também reduziu significativamente os resíduos gerados nesse processo.

O aplicativo de limpeza por plasma da Panasonic mostrou como os insights de machine learning podem proporcionar a base para uma abordagem inteiramente nova, orientada por dados, para a tomada decisões de manutenção de equipamentos. O teste do aplicativo demonstrou que ele tem o potencial, por meio de uma combinação de menos manutenção desnecessária, classificação de peças proativa e menos interrupções de máquina, de reduzir os custos de manutenção para os clientes de fabricação em até 50%.

Como a Panasonic se prepara para trazer essas novas soluções para o mercado, essas métricas possuem uma mensagem importante: que a IA no chão de fábrica de semicondutores está pronta para entregar otimização de design e de produção agora mesmo. E que, ao adotar essas práticas, os fabricantes de chips podem atender melhor as crescentes demandas do mercado global hipercompetitivo de hoje.

Para Hiroshima, o trabalho da Panasonic com a IBM até agora também a moveu em direção a sua visão de longo prazo. "Mostramos que, analisando os dados de status de máquinas individuais na borda, criamos a base para equipamentos de fabricação autônoma, nos quais a máquina opera em condições ideais", explica ele. "O próximo passo nessa progressão é integrar várias máquinas na cloud para possibilitar a fabricação autônoma em toda a fábrica. Esse grupo de máquinas altamente autônomas, a fábrica autônoma, é a forma ideal de assistência que buscamos. Assim, a colaboração com a IBM que transcende os limites de uma empresa pode dar um grande passo nessa direção. Vamos inovar além das ideias e processos existentes".

Logotipo da Panasonic Connect

Sobre a Panasonic Connect

Com sede em Osaka, Japão, a Panasonic Connect (link externo a ibm.com) é uma unidade de negócios da Panasonic Holdings Corporation focada em transformação digital. A Divisão de Negócios de Automação de Processos da empresa fornece equipamentos, software e serviços para clientes fabricantes em todo o mundo.

Componentes da solução

IBM Consulting™
IBM Research®

© Copyright IBM Corporation 2022. IBM Corporation, New Orchard Road, Armonk, NY 10504

Produzido nos Estados Unidos da América, outubro de 2022.

IBM, o logotipo da IBM, o ibm.com, IBM Consulting e a IBM Research são marcas comerciais da International Business Machines Corp., registradas em muitas jurisdições no mundo todo. Outros nomes de produtos e de serviços podem ser marcas registradas da IBM ou de outras empresas. Uma lista atual de marcas comerciais da IBM está disponível na web em www.ibm.com/legal/copytrade.

Este documento foi atualizado a partir da data inicial da publicação e pode ser modificado pela IBM a qualquer momento.Nem todas as ofertas estão disponíveis em todos os países nos quais a IBM opera.

Os dados de desempenho e exemplos do cliente citados são apresentados somente para fins ilustrativos. Os resultados de desempenho podem variar dependendo de condições de operação e configurações específicas. AS INFORMAÇÕES PRESENTES NESSE DOCUMENTO SÃO FORNECIDAS “NO ESTADO EM QUE SE ENCONTRAM”, SEM GARANTIAS DE QUALQUER TIPO, EXPRESSAS OU IMPLÍCITAS, INCLUSO SEM GARANTIAS DE COMERCIALIZAÇÃO, ADEQUAÇÃO A UM DETERMINADO FIM E QUALQUER GARANTIA OU CONDIÇÃO DE NÃO VIOLAÇÃO.Os produtos IBM possuem garantias de acordo com os termos e condições dos contratos aos quais estão sujeitos.