Vom weit verbreiteten Besitz von Smartphones bis hin zum Aufkommen von künstlicher Intelligenz, 5G und selbstfahrenden Autos – die Anzeichen sind eindeutig, dass die Welt immer mehr in das digital vernetzte Zeitalter eintritt. Halbleiter sind das Fundament, auf dem alles aufbaut.

Angesichts des rasanten Wachstums der digitalen Infrastruktur ist es nicht überraschend, dass die Unternehmen, die Halbleiter herstellen – also die Basis des digitalen Ökosystems – mit immer neuen Herausforderungen im Wettbewerb konfrontiert sind. Einige sind bekannt, wie der unerbittliche Druck zur Verbesserung der Chipleistung. Aber heute müssen sich die Chiphersteller auch mit einer Reihe sich verändernder Wettbewerbsanforderungen auseinandersetzen, die viel mit den Prozessen zu tun haben, die sie anwenden, angefangen beim Design.

Im Bereich der Chipherstellung war das Packaging – die Art und Weise, wie die Teile eines Halbleiters für die Verwendung in einem Gerät zusammengefügt werden – schon immer von grundlegender Bedeutung. Heute ist das Packaging jedoch zu einem wichtigen Unterscheidungsmerkmal geworden, das sich auf die Leistung und Funktionalität der Chips auswirkt, ganz zu schweigen von ihren Kosten.

Was bedeutet das nun für Prozesse? Da die Gehäuse immer komplexer werden, hat sich der gesamte Zyklus – von der Entwicklung über das Prototyping bis zur Prüfung – erheblich verlängert. Um vom Entwurf zum fertigen Produkt zu gelangen, bedarf es der richtigen, sehr detaillierten Anweisungen für mehr als 100 Parameter, die wenig bis keinen Spielraum für Fehler lassen.

Bei herkömmlichen Methoden sind Chiphersteller gezwungen, eine Reihe von schrittweisen Anpassungen vorzunehmen, um das optimale „Rezept“ zu finden. Abgesehen von der enormen Belastung für die „Chefs“ in dieser Gleichung – die Entwicklungsingenieure – ist das Nebenprodukt dieses Trial-and-Error-Ansatzes ein erhöhter Ausschuss und eine geringere Produktionsausbeute.

Verkürzt den Entwicklungszyklus um bis zu

30 %

durch Minimierung von Versuch und Irrtum bei der Rezeptformulierung

Senkung der Wartungskosten für Kunden aus der Halbleiterindustrie um

50 %

durch datengesteuerte Optimierung

Unternehmen wie Panasonic Connect – mit seiner Process Automation Business Division – helfen Halbleiterherstellern, diese Herausforderungen zu meistern, Produktionsprozesse zu optimieren und qualitativ hochwertige Produkte zu liefern. Mit einer 30-jährigen Erfolgsgeschichte bei der Ausstattung von Chipherstellern mit spezialisierten Produktionsanlagen war Panasonic in einer hervorragenden Position, um sie bei der Anpassung an neue Trends im Halbleitergehäuse zu unterstützen.

Von besonderem Interesse, so Mitsuru Hiroshima, Direktor der Semiconductor Process Business Group, war die Möglichkeit, fortschrittliche Analytik in seine Ausrüstungslösungen einzubringen, um wirklich bahnbrechende Ergebnisse für seine Fertigungskunden zu ermöglichen. „Der Kern unserer Vision war die Idee, dass die Kombination von Deep Learning und Automatisierung Design- und Fertigungsprozesse auf eine ganz neue Ebene der Optimierung bringen könnte“, sagt er.

Damals, im Jahr 2019, wussten Hiroshima und sein Team, dass die Umsetzung dieser Vision – die Umsetzung in eine konkrete Lösung, die auf den Markt gebracht werden konnte – eine Erweiterung der Kernkompetenzen des Unternehmens im Bereich Ausrüstung erfordern würde. „Wir wollten mit einem [Anbieter] zusammenarbeiten, der über ein umfassendes Fachwissen in Bezug auf Industrieprozesse und ein Portfolio an fortschrittlichen Analysetechnologien in Bereichen wie KI und Deep Learning verfügt“, erklärt Hiroshima. „IBM hat sich als einziger Anbieter herausgestellt, der in diesen beiden kritischen Bereichen Stärke zeigen konnte.“

Panasonic-Techniker bei der Arbeit an einem Computer

Algorithmen für maschinelles Lernen und das optimale Rezept

Zu dem von IBM für das Projekt zusammengestellten Team gehörten KI- und Deep-Learning-Experten von IBM® Research sowie Prozessexperten und Branchenberater von IBM® Consulting. In den ersten Monaten der Zusammenarbeit arbeiteten die Teams von IBM und Panasonic zusammen, um Lösungsmöglichkeiten zu identifizieren und zu verfeinern. IBM wandte die IBM® Garage-Methode an, bei der IT- und Betriebsmitarbeiter iterativ und effektiv zusammenarbeiten, um den Ton für die Umsetzung anzugeben, das Gesamtziel festzulegen und gemeinsam Lösungen zu entwickeln.

Auf der Grundlage der Herausforderungen und einer Bewertung der schnellstmöglichen Wertschöpfung definierte das gemeinsame Team zwei Prozesssteuerungslösungen, die sich als erste Smart-Factory-Angebote von Panasonic durchsetzten. Die erste Lösung umfasste die Entwicklung eines fortschrittlichen Plasma-Dicers durch die vollständige Automatisierung der Rezepterstellung.

Panasonic Silizium-Wafer-Maschine in Produktion

Plasma-Packaging ist ein bisschen wie Magie. Für einen Ingenieur, der versucht, das richtige Plasmarezept zu finden, muss am Ende ein Wafer mit präzisen Schnittmustern herauskommen. Das bedeutet, dass man die richtige Kombination von Variablen wie Vakuumdruck und -leistung, Elektronenenergie, Ionenenergie und Gase, um nur einige zu nennen, wählen muss.

Um die Proof-of-Concept-Lösung zu entwickeln, entwickelte das IBM Forschungsteam Deep-Learning-Algorithmen, die es den Ingenieuren durch eine große Anzahl von Berechnungen ermöglichten, schnell die optimale Mischung von variablen Punkten abzuleiten. „Anstatt sich auf Intuition oder Versuch und Irrtum zu verlassen“, erklärt Hiroshima, „haben die Ingenieure eine intuitive, visuelle Schnittstelle [die von IBM Consulting entwickelt wurde], die den Prozess genau und in wenigen Sekunden simulieren kann.“

Der zweite Machbarkeitsnachweis, den das Team gemeinsam erstellte, befasste sich mit einem anderen Problem: der Notwendigkeit, die Leistung von Plasmareinigungsanlagen durch intelligentere, datengesteuerte Wartungspraktiken zu optimieren. „Anstelle von Rezepten verwendet die Plasmareinigungsanwendung fortschrittliche Berechnungen, um den optimalen Zeitpunkt für die Reinigung und Wartung zu ermitteln“, sagt Hiroshima. „Ein zu früher Zeitpunkt verursacht unnötige Kosten, während ein zu später Zeitpunkt schlechte Qualität und sogar Maschinenausfälle riskiert.“

Wie die Dicing-Lösung wird auch die Maschinenstatus-Anwendung von Algorithmen unterstützt, die von IBM Research entwickelt wurden. Anhand der Daten von an der Maschine angebrachten Sensoren korreliert die Anwendung Änderungen der Maschineneffizienz mit dem Zustand der verschiedenen Maschinenteile. Die äußerst intuitive, visuelle Ausgabe, so Hiroshima, ist wie eine Wunschliste für überlastete Techniker. „Die Techniker in der Fabrik erhalten beispielsweise eine Warnung, dass einer von vielen Plasmareinigern suboptimal arbeitet und dass Schmutz auf der Elektrode der wahrscheinlichste Grund dafür ist“, sagt er. „Diese Erkenntnis ermöglicht es dem Techniker, Korrekturmaßnahmen zu ergreifen, die eine hohe Qualität gewährleisten und Produktionsunterbrechungen minimieren.“

Auf dem Weg zur autonomen Fabrikproduktion

Für Hiroshi Benno, Leiter des Produktmarketings für den Geschäftsbereich Prozessautomatisierung und eine Schlüsselfigur bei der Entwicklung, zeigen beide Anwendungen, wie leistungsstarke Analysen in der Fertigung die Art und Weise, wie Chips entworfen und hergestellt werden, verändern können. „In den strengen Tests und Simulationen, die wir durchgeführt haben, hat die Plasmaschneidlösung den Entwicklungszyklus um bis zu 30 % verkürzt“, sagt Benno. „Der verkürzte Zyklus spiegelt wider, wie KI-basierte Analysen es den Ingenieuren ermöglichen, einen Großteil der Versuche und Fehler bei der Formulierung der optimalen Plasmarezeptur zu umgehen.“ Darüber hinaus wurde durch die KI-gestützte Optimierung auch die Abfallmenge des Prozesses erheblich reduziert.

Die Plasmareinigungsanwendung von Panasonic hat gezeigt, wie die Erkenntnisse des maschinellen Lernens die Grundlage für einen völlig neuen, datengesteuerten Ansatz bei Entscheidungen zur Anlagenwartung bilden können. Die Tests der Anwendung haben gezeigt, dass sie das Potenzial hat, durch eine Kombination aus weniger unnötiger Wartung, proaktiver Ersatzteilbestellung und weniger Maschinenausfällen die Wartungskosten für die Fertigungskunden um 50 % zu senken.

Im Zuge der Vorbereitungen von Panasonic für die Markteinführung dieser neuen Lösungen sind diese Messwerte eine wichtige Botschaft: dass KI in der Halbleiterfertigung bereit ist, Design und Produktion jetzt zu optimieren. Und dass die Chiphersteller durch die Einführung dieser Verfahren die steigenden Anforderungen des heutigen wettbewerbsintensiven globalen Marktes besser erfüllen können.

Für Hiroshima hat die bisherige Zusammenarbeit mit IBM Panasonic auch auf dem Weg zu seiner langfristigen Vision entscheidend vorangebracht. „Wir haben gezeigt, dass wir durch die Analyse individueller Maschinenzustandsdaten die Grundlage für autonome Fertigungsanlagen geschaffen haben, bei denen die Maschine unter optimalen Bedingungen arbeitet“, erklärt er. „Der nächste Schritt in dieser Entwicklung besteht darin, mehrere Maschinen in die Cloud zu integrieren, um eine autonome Fertigung auf der Ebene der gesamten Fabrik zu ermöglichen. Diese Gruppe von hoch autonomen Maschinen – die autonome Fabrik – ist die ultimative Form der Unterstützung, die wir anstreben. Auf diese Weise kann die Zusammenarbeit mit IBM, die über die Grenzen eines Unternehmens hinausgeht, einen großen Schritt in diese Richtung machen. Wir werden über bestehende Ideen und Prozesse hinaus innovativ sein.“

Panasonic Connect-Logo

Über Panasonic Connect

Panasonic Connect mit Sitz in Osaka, Japan, (Link außerhalb von ibm.com) ist eine Einheit der Panasonic Holdings Corporation, die sich auf die digitale Transformation konzentriert. Die Process Automation Business Division des Unternehmens bietet Ausrüstung, Software und Dienstleistungen für Fertigungskunden auf der ganzen Welt.

Lösungskomponenten

IBM® Consulting
IBM® Research

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

Produziert in den Vereinigten Staaten von Amerika, Oktober 2022.

IBM, das IBM Logo, ibm.com, IBM Consulting und IBM Research sind Marken der International Business Machines Corp. und in vielen Ländern weltweit eingetragen. Weitere Produkt- und Servicenamen können Marken von IBM oder anderen Unternehmen sein. Eine aktuelle Liste der IBM Marken finden Sie im Web unter www.ibm.com/legal/copytrade.

Die in diesem Dokument enthaltenen Informationen sind zum Datum der Erstveröffentlichung des Dokuments aktuell und können von IBM jederzeit geändert werden. Nicht alle Angebote sind in jedem Land verfügbar, in dem IBM tätig ist.

Leistungsdaten und Kundenbeispiele dienen nur zur Veranschaulichung. Die tatsächlichen Ergebnisse beim Leistungsverhalten sind abhängig von der jeweiligen Konfiguration und den Betriebsbedingungen. Die Angaben in diesem Dokument stellen keine zugesicherten Eigenschaften dar. IBM ist berechtigt, die Eigenschaften jederzeit zu ändern. Angaben zur Verfügbarkeit, Vertragsbedingungen und Preise erhalten Sie bei den IBM Geschäftsstellen und/oder den IBM Business Partnern. Für IBM Produkte gelten die Gewährleistungen, die in den Vereinbarungen vorgesehen sind, unter denen sie erworben werden.