Desde el uso generalizado de los teléfonos inteligentes hasta el aumento de la IA, el 5G y los coches de conducción autónoma, las señales son claras: el mundo está avanzando firme hacia la era conectada digitalmente. Y los semiconductores son la base de todo ello.

Dado el rápido crecimiento de la infraestructura digital, no es de extrañar que las empresas que fabrican semiconductores, las que están en el nivel base del ecosistema digital, se enfrenten a un conjunto de desafíos competitivos en constante evolución. Algunos son conocidos, como la presión implacable por mejorar el rendimiento de los chips. Pero hoy en día, los fabricantes de chips también tienen que abordar un conjunto de requisitos competitivos que tienen mucho que ver con los procesos que siguen, empezando por el diseño.

En el ámbito de la fabricación de chips, el encapsulado, esto es cómo se integran las partes de un semiconductor para su uso en un dispositivo, siempre ha sido fundamental. Hoy, sin embargo, la cuestión del encapsulado se ha convertido en un importante diferenciador competitivo que afecta a la potencia, el rendimiento y la funcionalidad de los chips, por no hablar de su coste.

Entonces, ¿qué significa para los procesos? Con las estructuras de encapsulado cada vez más complejas, todo el ciclo, desde el desarrollo hasta la creación de prototipos y las pruebas, se ha alargado considerablemente. En el proceso de fabricación, pasar del diseño al producto terminado requiere el conjunto adecuado de instrucciones detalladas en torno a más de 100 parámetros, con poco o ningún margen de error.

Bajo los métodos convencionales, los fabricantes de chips se ven obligados a realizar una serie de ajustes incrementales para identificar la «receta» óptima. Además de la enorme carga de trabajo de los «cocineros» en esta ecuación —los ingenieros de desarrollo— el enfoque de ensayo y error por producto conlleva un aumento de los residuos y un rendimiento de fabricación inferior.

Reduce el ciclo de desarrollo hasta un

30 %

minimizando la prueba y error en la formulación de la receta

Reduce los costes de mantenimiento de equipos para los clientes de fabricación de semiconductores en un

50 %

a través de la optimización basada en datos

Empresas como Panasonic Connect, a través de su división de negocio de automatización de procesos, existen para ayudar a los fabricantes de semiconductores a superar estos retos de proceso, y optimizar los procesos de producción y ofrecer productos de alta calidad. Con una trayectoria de 30 años suministrando equipos de producción especializados a los fabricantes de chips, Panasonic reconoció su posición privilegiada para ayudarles a adaptarse a las nuevas tendencias de encapsulado de semiconductores.

De particular interés, señala Mitsuru Hiroshima, director de Semiconductor Process Business Group, fue la oportunidad de aplicar analítica avanzada en sus soluciones de equipo para generar resultados realmente importantes para sus clientes de fabricación. «El núcleo de nuestra visión era la idea de que la combinación de deep learning y automatización podría llevar a las operaciones de diseño y fabricación a un nuevo nivel de optimización», explica.

En ese momento, en 2019, Hiroshima y su equipo sabían que plasmar esta visión —convirtiéndola en una solución concreta comercializable— requeriría que la compañía aumentara sus competencias de equipamiento. «Queríamos colaborar con un proveedor que aportara una extensa experiencia en el proceso de la industria, junto con un catálogo de tecnologías de analítica avanzada en áreas como la IA y deep learning», explica Hiroshima. «IBM destacó como el único proveedor con potencial en ambos dominios clave».

Técnico de Panasonic trabajando en un ordenador

Algoritmos de machine learning y la receta óptima

El equipo que IBM reunió para el proyecto incluyó a expertos en IA y deep learning de IBM® Research y expertos en procesos y consultores del sector de IBM™ Consulting. En los primeros meses intensivos de trabajo conjunto, los equipos de IBM y Panasonic se centraron en identificar y definir las oportunidades de la solución. IBM aplicó la metodología IBM™ Garage, reuniendo a las personas de TI y operaciones en un entorno de colaboración iterativa y de alto impacto, para establecer el tono de la colaboración, determinar el objetivo general y crear soluciones de forma conjunta.

El equipo conjunto definió dos soluciones de control de procesos que surgieron como las primeras ofertas de fábrica inteligente de Panasonic, con base en los retos y una evaluación de la generación de valor más rápida. La primera solución implicaba la creación de una cortadora de plasma avanzada a través de la automatización completa de la generación de recetas.

Máquina de obleas de silicio de Panasonic en producción

El encapsulado de plasma es un proceso mágico, en cierto modo. Para un ingeniero que trata de encontrar la receta de plasma adecuada, el resultado final es una oblea con patrones de corte precisos. Eso significa lograr la combinación de decisiones adecuada sobre variables como presión de vacío y energía, energía de electrones, energías de iones y gases, por nombrar algunos.

Para desarrollar la solución de prueba de concepto, el equipo de IBM Research desarrolló algoritmos de deep learning que, a través de un gran número de cálculos, permitió a los ingenieros obtener rápidamente la combinación óptima de puntos variables. «En lugar de depender de la intuición o de la prueba y error —explica Hiroshima—, los ingenieros cuentan con una interfaz visual intuitiva [diseñada por IBM Consulting] que puede simular el proceso con precisión y en pocos segundos».

La segunda prueba de concepto creada de forma conjunta por el equipo abordó otro punto conflictivo: la necesidad de optimizar el rendimiento de las máquinas limpiadoras de plasma mediante prácticas de mantenimiento más inteligentes y basadas en datos. «En lugar de recetas, la aplicación de limpieza de plasma utiliza el cálculo avanzado para identificar el momento óptimo para realizar la limpieza y el mantenimiento», explica Hiroshima. «Demasiado temprano genera costes innecesarios, mientras que demasiado tarde puede provocar una mala calidad e incluso averías de la máquina».

Al igual que la solución para cortar, la aplicación de estado de la máquina se basa en algoritmos desarrollados por IBM Research. Utilizando los datos de los sensores montados en la máquina, la aplicación correlaciona los cambios en la eficiencia operativa de la máquina con las condiciones de varias partes de la máquina. «La salida visual altamente intuitiva —señala Hiroshima—, es como un sueño hecho realidad para los técnicos sobrecargados. Los técnicos en fábrica reciben una alerta, por ejemplo, de que un limpiador de plasma particular está funcionando a un nivel subóptimo, y que la suciedad en el electrodo es la razón más probable», afirma. «Esta información permite al técnico tomar medidas correctivas para mantener la alta calidad y minimizar las interrupciones de la producción».

Hacia la producción de fábrica autónoma

Para Hiroshi Benno, director de marketing de producto para la división de negocio de automatización de procesos y figura clave en la iniciativa de desarrollo, ambas aplicaciones demuestran cómo una analítica potente en tienda tiene el potencial de transformar la forma en que se diseñan y fabrican los chips. «En las rigurosas pruebas y simulaciones que realizamos, la solución de corte de plasma redujo el ciclo de desarrollo hasta un 30 %», dice Benno. «El ciclo más corto refleja cómo la analítica basada en IA permite a los ingenieros eludir gran parte del ensayo y error gracias a la formulación de la receta de plasma óptima». Además de eso, la optimización basada en IA también redujo significativamente el desperdicio generado en el proceso.

Según su diseño, la aplicación limpiadora de plasma de Panasonic mostró cómo la información de machine learning puede proporcionar la base para un enfoque totalmente nuevo, basado en datos, a las decisiones de mantenimiento de equipos. La prueba de la aplicación demostró que tiene el potencial, a través de una combinación de menos mantenimiento innecesario, pedidos de piezas proactivos y menos interrupciones de la máquina, para reducir los costes de mantenimiento para los clientes de fabricación en un 50 %.

Mientras Panasonic se prepara para llevar estas nuevas soluciones al mercado, estas métricas encierran un potente mensaje: que la IA en semiconductores ya está lista para ofrecer la optimización de diseño y producción. Y que al adoptar estas prácticas, los fabricantes de chips pueden satisfacer mejor las crecientes demandas del hipercompetitivo mercado global actual.

Para Hiroshima, el trabajo de Panasonic con IBM hasta ahora también le ha permitido avanzar hacia su visión a largo plazo. «Hemos demostrado que al analizar los datos de estado de las máquinas a nivel individual en edge computing, hemos creado la base para el equipo de fabricación autónomo, en el que la máquina funciona en condiciones óptimas», explica. «El siguiente paso en esta progresión es integrar varias máquinas en cloud para habilitar la fabricación autónoma a nivel de fábrica. Este grupo de máquinas altamente autónomas, la fábrica autónoma, es nuestra forma definitiva de asistencia. De este modo, la colaboración con IBM que trasciende los límites de una empresa puede dar un gran paso hacia esa dirección. Innovaremos más allá de las ideas y procesos existentes».

Logotipo de Panasonic Connect

Acerca de Panasonic Connect

Con sede en Osaka, Japón, Panasonic Connect (enlace externo a ibm.com) es una unidad de Panasonic Holdings Corporation centrada en la transformación digital. La división de negocio de automatización de procesos de la compañía proporciona equipo, software y servicios para clientes de fabricación en todo el mundo.

Componentes de la solución

IBM™ Consulting
IBM® Research

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

Producido en los Estados Unidos de América, octubre de 2022.

IBM, el logotipo de IBM, ibm.com, IBM Consulting e IBM Research son marcas registradas de International Business Machines Corp., registradas en muchas jurisdicciones de todo el mundo. Otros nombres de productos y servicios pueden ser marcas registradas de IBM o de otras empresas. Encontrará una lista actualizada de las marcas registradas de IBM en la web en www.ibm.com/legal/copytrade.

Este documento está vigente en la fecha inicial de publicación y puede ser modificado por IBM en cualquier momento. No todas las ofertas están disponibles en todos los países en los que IBM opera.

Los datos de rendimiento y ejemplos de clientes citados en el presente documento son únicamente a título ilustrativo. Los resultados reales de rendimiento pueden variar en función de configuraciones específicas y condiciones de funcionamiento. LA INFORMACIÓN DE ESTE DOCUMENTO SE PROPORCIONA «TAL CUAL» SIN GARANTÍA DE NINGÚN TIPO, NI EXPLÍCITA NI IMPLÍCITA, INCLUIDAS, A TÍTULO ENUNCIATIVO Y NO LIMITATIVO, LAS DE COMERCIALIZACIÓN, ADECUACIÓN A UN PROPÓSITO DETERMINADO Y LAS GARANTÍAS O CONDICIONES DE NO INFRACCIÓN. Los productos de IBM están garantizados de acuerdo con los términos y condiciones de los acuerdos bajo los que se proporcionan.