De la vulgarisation des smartphones à l'essor de l'IA, de la 5G et des voitures autonomes, tout montre que le monde est toujours plus engagé dans l'ère de la connectivité numérique. Et tout repose sur les semi-conducteurs.

Compte tenu de la croissance rapide de l'infrastructure numérique, il n'est pas surprenant que les entreprises qui fabriquent des semi-conducteurs — celles qui sont à la base de l'écosystème numérique — soient confrontées à un ensemble de défis concurrentiels en constante évolution. Certains sont bien connus, comme la pression constante pour améliorer la performance des puces. Mais aujourd'hui, les fabricants de puces doivent également naviguer dans un ensemble changeant d'exigences concurrentielles qui ont beaucoup à voir avec les processus qu'ils suivent, à commencer par la conception.

Dans le domaine de la fabrication des puces, l'encapsulation (la façon dont les parties d'un semi-conducteur sont assemblées pour être utilisées dans un appareil) a toujours été fondamentale. Aujourd'hui, cependant, le problème de l'encapsulation est devenu un différenciateur concurrentiel majeur qui affecte la puissance, les performances et les fonctionnalités des puces, sans parler de leur coût.

Qu'est-ce que cela signifie pour les processus ? Les structures de l'encapsulation devenant plus complexes, le cycle complet, du développement aux essais en passant par le prototypage, s'est considérablement allongé. Dans le processus de fabrication, passer de la conception au produit fini nécessite le bon ensemble d'instructions très détaillées concernant plus de 100 paramètres, avec peu ou pas de marge d'erreur.

Selon les méthodes conventionnelles, les fabricants de puces sont contraints d’effectuer des ajustements progressifs pour déterminer la « recette » optimale. Outre l'énorme fardeau qui pèse sur les « cuisiniers » (les ingénieurs en développement) de cette équation, le produit dérivé de cette approche s'accompagne d'une augmentation des déchets et d'une baisse des rendements de fabrication.

Réduit le cycle de développement de

30 %

en diminuant les essais et les erreurs dans la formulation des recettes

Réduit les coûts de maintenance des équipements des clients fabricants de semi-conducteurs de

50 %

par le biais de l'optimisation basée sur les données

Des entreprises comme Panasonic Connect, par le biais de sa division Process Automation Business, existent pour aider les fabricants de semi-conducteurs à relever ces défis, à optimiser les processus de production et à fournir des produits de haute qualité. Forte de ses 30 ans d'expérience dans la fourniture aux fabricants de puces d'équipements de production spécialisés, la société Panasonic a reconnu qu'elle occupait une position privilégiée pour les aider à s'adapter aux nouvelles tendances dans l'encapsulation des semi-conducteurs.

Ce qui était particulièrement intéressant, note Mitsuru Hiroshima, directeur de Semiconductor Process Business Group, c'était la possibilité d'infuser des analyses avancées dans ses solutions d'équipement afin d'obtenir de véritables avancées pour ses clients fabricants. « Le cœur de notre vision était l'idée que la combinaison de l'apprentissage en profondeur et de l'automatisation pouvait amener les opérations de conception et de fabrication à un tout nouveau niveau d'optimisation », déclare-t-il.

À l'époque, en 2019, Hiroshima et son équipe savaient que la réalisation de cette vision, la transformer en une solution concrète et commercialisable, impliquerait pour l'entreprise de développer ses compétences en équipement de base. « Nous cherchions à collaborer avec un [fournisseur] qui pourrait apporter une expertise approfondie des processus industriels, ainsi qu'un portefeuille de technologies d'analyse avancées dans des domaines tels que l'IA et l'apprentissage en profondeur », explique Mitsuru Hiroshima. « IBM s'est démarqué comme étant le seul fournisseur capable d'apporter de la force dans ces deux domaines critiques. »

Technicien Panasonic travaillant sur un ordinateur

Algorithmes d'apprentissage automatique et recette optimale

L'équipe IBM réunie pour le projet comprenait des experts en IA et en apprentissage en profondeur d'IBM Research®, ainsi que des experts en processus et des consultants du secteur d'IBM Consulting™. Au cours des premiers mois intensifs de l'engagement, les équipes d'IBM et de Panasonic ont collaboré pour identifier et affiner les opportunités de solution. IBM a appliqué la méthodologie IBM Garage™, qui consiste à réunir les personnes chargées de l'informatique et des opérations dans une collaboration itérative à fort impact, pour donner le ton de la collaboration, déterminer l'objectif global et co-créer des solutions.

Sur la base des défis et d'une évaluation du délai de rentabilité le plus court, l'équipe conjointe a co-défini deux solutions de contrôle de processus qui sont apparues comme les premières offres d'usine intelligente de Panasonic. La première solution consistait à créer une découpeuse plasma avancée en automatisant entièrement la génération de recettes.

Machine à plaquettes de silicium Panasonic en production

L'encapsulation plasma, ça tient un peu de la magie. Pour un ingénieur qui tente de trouver la bonne recette plasma, ce qui doit sortir au bout du compte, c'est une plaquette avec une découpe précise. Cela signifie qu'il faut prendre les bonnes décisions sur des variables telles que la pression négative et la dépression, l'énergie des électrons, l'énergie des ions et les gaz, pour n'en citer que quelques-unes.

Pour développer la solution de preuve de concept, l'équipe d'IBM Research a mis au point des algorithmes d'apprentissage en profondeur qui, grâce à un nombre considérable de calculs, ont permis aux ingénieurs de déduire rapidement la combinaison optimale de points variables. Mitsuru Hiroshima explique : « Plutôt que de se fier à l'intuition ou aux tâtonnements, les ingénieurs disposent d'une interface intuitive et visuelle [conçue par IBM Consulting] qui peut simuler le processus avec précision et en quelques secondes seulement. »

La deuxième preuve de concept co-créée par l'équipe portait sur un autre problème : la nécessité d'optimiser les performances des machines de nettoyage au plasma grâce à des pratiques de maintenance plus intelligentes et axées sur les données. « Plutôt que des recettes, l'application de nettoyage au plasma utilise un calcul avancé pour identifier le moment optimal pour effectuer le nettoyage et la maintenance », souligne Mitsuru Hiroshima. « Un nettoyage trop précoce engendre des coûts inutiles, tandis qu'un nettoyage trop tardif risque d'entraîner des problèmes de qualité, voire des pannes de machine. »

Comme la solution de découpe, l'application de statut de machine repose sur des algorithmes développés par IBM Research. Grâce aux données provenant de capteurs montés sur la machine, l'application établit une corrélation entre les changements au niveau de l'efficacité du fonctionnement de la machine et l'état de diverses parties de la machine. Le résultat visuel, très intuitif, note Mitsuru Hiroshima, est comme une liste de souhaits pour techniciens stressés. « Les techniciens de l'usine sont notifiés, par exemple, qu'un des nettoyeurs plasma ne fonctionne pas de manière optimale et que l'encrassement de l'électrode en est la raison la plus probable », explique-t-il. « Cette information permet au technicien de prendre des mesures correctives qui maintiennent une qualité élevée et réduisent les perturbations de production. »

Sur la voie de la production d'usine autonome

Pour Hiroshi Benno, responsable de Manager of Product Marketing for the Process Automation Business Division et figure clé de l'effort de développement, les deux applications montrent comment des analyses puissantes dans l'atelier sont capables de transformer la façon dont les puces sont conçues et fabriquées. « Dans les tests et simulations rigoureux que nous avons effectués, la solution de découpe au plasma a réduit le cycle de développement de 30 % », se réjouit Hiroshi Benno. « Le raccourcissement du cycle reflète la façon dont l'analyse basée sur l'IA permet aux ingénieurs d'éliminer une grande partie des essais et des erreurs dans la formulation de la recette optimale du plasma. » En outre, l'optimisation basée sur l'IA a également réduit de manière significative les déchets générés par le processus.

Comme prévu, l'application de nettoyage au plasma de Panasonic a montré comment les informations d'apprentissage automatique peuvent servir de base à une approche entièrement nouvelle, axée sur les données, concernant les décisions de maintenance des équipements. Les tests de l'application ont montré qu'elle pouvait réduire de 50 % — grâce à la réduction de la maintenance inutile, la commande proactive de pièces et un nombre moindre d'arrêts de machine — les coûts de maintenance pour les clients du secteur de la fabrication.

Alors que Panasonic se prépare à commercialiser ces nouvelles solutions, ces mesures contiennent un message puissant : d'une part, l'IA dans l'atelier de semi-conducteurs est prête à optimiser la conception et la production dès maintenant et d'autre part, en adoptant ces pratiques, les fabricants de puces peuvent répondre plus efficacement aux besoins croissants du marché mondial actuel hyper-concurrentiel.

Pour Mitsuru Hiroshima, jusqu'à présent le travail de Panasonic avec IBM l'a également fait avancer de manière décisive sur la voie de sa vision à long terme. « Nous avons montré qu'en analysant les données de statut des machines individuelles à la périphérie, nous avons créé la base d'un équipement de fabrication autonome dans lequel la machine fonctionne dans les conditions optimales », souligne-t-il. « La prochaine étape de cette progression consiste à intégrer plusieurs machines dans le cloud pour mettre en place la fabrication autonome à l'échelle de l'usine. Ce groupe de machines hautement autonomes (l'usine autonome) est la forme ultime d'assistance que nous recherchons. De cette façon, la collaboration avec IBM qui transcende les frontières d'une entreprise peut faire un grand pas dans cette direction. Nous allons innover au-delà des idées et des processus existants. »

Logo de Panasonic Connect

À propos de Panasonic Connect

Basé à Osaka, au Japon, Panasonic Connect (lien externe à ibm.com) est une filiale de Panasonic Holdings Corporation axée sur la transformation numérique. La Process Automation Business Division de la société fournit de l'équipement, des logiciels et des services aux clients fabricants dans le monde entier.

Composants de la solution

IBM Consulting™
IBM Research®

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

Produit aux États-Unis, octobre 2022.

IBM, le logo IBM, ibm.com, IBM Consulting et IBM Research sont des marques d'International Business Machines Corp. dans de nombreux pays. Les autres noms de produits et de services peuvent être des marques d'IBM ou d'autres sociétés. La liste actualisée de toutes les marques d'IBM est disponible sur le Web à l'adresse www.ibm.com/legal/copytrade.

Le présent document contient des informations qui étaient en vigueur et valides à la date de la première publication, et qu'IBM peut mettre à jour à tout moment. Toutes les offres mentionnées ne sont pas distribuées dans tous les pays où IBM exerce son activité.

Les données de performances et les exemples de clients ne sont présentés qu'à des fins d'illustration. Les performances réelles peuvent varier en fonction des configurations et des conditions d'exploitation spécifiques. LES INFORMATIONS CONTENUES DANS LE PRÉSENT DOCUMENT SONT FOURNIES « EN L'ÉTAT », SANS AUCUNE GARANTIE EXPLICITE OU IMPLICITE. IBM DÉCLINE NOTAMMENT TOUTE RESPONSABILITÉ RELATIVE À CES INFORMATIONS EN CAS DE CONTREFAÇON AINSI QU'EN CAS DE DÉFAUT D'APTITUDE À L'EXÉCUTION D'UN TRAVAIL DONNÉ. Les produits IBM sont garantis conformément aux dispositions des contrats au titre desquels ils sont fournis.