Membantu para insinyur semikonduktor menaklukkan kompleksitas dengan analitik di area produksi
Panasonic Connect menggunakan AI untuk mempercepat pengembangan chip dan meningkatkan hasil

Dari meluasnya kepemilikan smartphone hingga munculnya AI, 5G, dan mobil tanpa pengemudi, semua tanda-tandanya jelas menunjukkan bahwa dunia sedang bergerak lebih dalam ke era yang terhubung secara digital. Dan semikonduktor adalah fondasi yang menjadi dasar dari semuanya.

Mengingat pertumbuhan infrastruktur digital yang cepat, tidak mengherankan jika perusahaan yang memproduksi semikonduktor — yang berada di tingkat dasar ekosistem digital — menghadapi serangkaian tantangan kompetitif yang terus berkembang. Beberapa di antaranya sudah tidak asing lagi, seperti tekanan tanpa henti untuk meningkatkan performa chip. Namun saat ini, pembuat chip juga perlu menghadapi pergeseran serangkaian persyaratan kompetitif yang sangat berkaitan dengan proses yang mereka ikuti, dimulai dari desain.

Dalam bidang manufaktur chip, pengemasan (bagaimana bagian-bagian semikonduktor disatukan untuk digunakan dalam perangkat) selalu menjadi hal yang fundamental. Namun demikian, saat ini, masalah pengemasan telah menjadi pembeda kompetitif utama yang memengaruhi daya, performa dan fungsionalitas chip, belum lagi biayanya.

Jadi apa artinya bagi proses? Dengan semakin kompleksnya struktur pengemasan, seluruh siklus (mulai pengembangan, pembuatan prototipe, hingga pengujian) menjadi lebih lama. Dalam proses pembuatan, mulai desain hingga produk jadi memerlukan serangkaian instruksi yang sangat rinci dengan lebih dari 100 parameter, dengan sedikit atau tanpa margin kesalahan.

Di bawah metode konvensional, pembuat chip dipaksa membuat serangkaian penyesuaian lain untuk mengidentifikasi "resep" yang optimal. Selain beban besar pada "koki" (dalam konteks ini insinyur pengembangan), produk sampingan dari pendekatan coba-coba ini adalah peningkatan limbah dan hasil produksi yang lebih rendah.

Pengurangan 30%


Mengurangi siklus pengembangan sebanyak 30% dengan meminimalkan uji coba dan kesalahan dalam perumusan resep

Pengurangan 50%


Mengurangi biaya pemeliharaan peralatan untuk pelanggan manufaktur semikonduktor hingga 50% melalui pengoptimalan berbasis data

Kami telah menunjukkan bahwa dengan menganalisis data status alat berat secara individual di bagian tepi, kami telah menciptakan dasar untuk peralatan manufaktur otonom, di mana alat berat beroperasi dalam kondisi optimal. Langkah selanjutnya dalam perkembangan ini adalah mengintegrasikan beberapa mesin di cloud untuk memungkinkan manufaktur otonom di tingkat pabrik. Mitsuru Hiroshima Director of Semiconductor Process Business Group, Process Automation Business Division Panasonic Connect

Perusahaan seperti Panasonic Connect, melalui Process Automation Business Division, hadir untuk membantu produsen semikonduktor dalam menghadapi tantangan proses ini, dan mengoptimalkan proses produksi serta menghasilkan produk berkualitas tinggi. Dengan rekam jejak selama 30 tahun dalam menyediakan peralatan produksi khusus bagi produsen chip, Panasonic menyadari bahwa posisinya tepat untuk membantu para produsen beradaptasi dengan tren pengemasan semikonduktor yang baru.

Yang menarik, catat Mitsuru Hiroshima, Director of the Semiconductor Process Business Group, adalah kesempatan untuk menanamkan analitik canggih ke dalam solusi peralatannya sehingga memungkinkan hasil terobosan yang sesungguhnya bagi pelanggan manufakturnya. "Inti dari visi kami adalah gagasan bahwa kombinasi pembelajaran mendalam dan otomatisasi dapat membawa operasi desain dan manufaktur ke tingkat pengoptimalan yang sama sekali baru," katanya.

Saat itu, tahun 2019, Hiroshima dan timnya tahu bahwa untuk mewujudkan visi ini, mengubahnya menjadi solusi konkret yang dapat dibawa ke pasar, akan mengharuskan perusahaan meningkatkan kompetensi peralatan intinya. "Kami ingin berkolaborasi dengan [vendor] yang dapat menghadirkan keahlian proses industri yang mendalam, sekaligus portofolio teknologi analitik canggih di berbagai bidang seperti AI dan deep learning," jelas Hiroshima. "IBM menonjol sebagai satu-satunya penyedia yang bisa menghadirkan kekuatan di kedua domain penting ini."

Algoritme pembelajaran mesin dan resep optimal

Tim yang dibentuk IBM untuk proyek ini terdiri dari para ahli AI dan deep learning dari IBM Research serta para ahli proses dan konsultan industri dari IBM Consulting™. Pada bulan-bulan pertama kerja sama tim ini yang intensif, tim IBM dan Panasonic berkolaborasi untuk mengidentifikasi dan menyempurnakan peluang solusi. IBM menerapkan metodologi IBM Garage™ - menyatukan orang-orang TI dan operasi dalam kolaborasi yang berulang-ulang dan berdampak tinggi. Tujuannya untuk mengatur nada kolaborasi, menentukan tujuan keseluruhan, dan bersama-sama menciptakan solusi.

Berdasarkan tantangan dan penilaian waktu tercepat terhadap nilai, tim gabungan menggabungkan dua solusi kontrol proses yang muncul sebagai penawaran pabrik pintar pertama Panasonic. Solusi pertama melibatkan pembuatan plasma dicer canggih melalui pembuatan resep yang sepenuhnya diotomatisasi.

Pengemasan plasma agak mirip sulap. Bagi seorang insinyur yang mencoba menemukan resep plasma yang tepat, yang harus dihasilkan pada akhirnya adalah wafer dengan pola potongan yang tepat. Hal ini berarti membuat kombinasi keputusan yang tepat pada variabel-variabel seperti tekanan dan daya vakum, energi elektron, energi ion dan gas, dan masih banyak lagi.

Untuk mengembangkan solusi proof-of-concept, tim IBM Research mengembangkan algoritme pembelajaran mendalam melalui sejumlah besar perhitungan. Ini memungkinkan para insinyur untuk secara cepat mendapatkan campuran optimal dari titik-titik variabel. "Daripada mengandalkan intuisi atau coba-coba," jelas Hiroshima, "para insinyur memiliki antarmuka visual yang intuitif [yang dirancang oleh IBM Consulting] yang dapat mensimulasikan proses secara akurat dan hanya dalam hitungan detik."

Bukti konsep kedua yang dibuat bersama oleh tim ini membahas titik masalah yang berbeda: kebutuhan untuk mengoptimalkan kinerja mesin pembersih plasma melalui praktik pemeliharaan yang lebih cerdas dan berbasis data. "Alih-alih resep, aplikasi pembersihan plasma menggunakan komputasi canggih untuk mengidentifikasi waktu yang optimal untuk melakukan pembersihan dan pemeliharaan," kata Hiroshima. "Terlalu dini akan menimbulkan biaya yang tidak perlu, sementara terlalu terlambat akan menghadapi risiko kualitas buruk dan bahkan kerusakan alat berat."

Seperti solusi dicing, aplikasi status mesin didukung oleh algoritme yang dikembangkan oleh IBM Research. Dengan menggunakan data dari sensor yang dipasang di alat berat, aplikasi ini menghubungkan perubahan efisiensi pengoperasian alat berat dengan kondisi berbagai bagian alat berat. Output visual yang sangat intuitif, kata Hiroshima, seperti daftar keinginan bagi para teknisi yang terlalu banyak bekerja. "Misalnya, teknisi di area produksi pabrik melihat peringatan bahwa salah satu pembersih plasma dari sekian banyak pembersih plasma beroperasi dengan kurang optimal. Kemungkinan besar penyebabnya adalah kotoran pada elektroda," katanya. "Wawasan ini memungkinkan teknisi mengambil tindakan korektif sehingga kualitas tinggi terjaga dan meminimalkan gangguan produksi."

Dalam pengujian dan simulasi ketat yang kami jalankan, solusi pemotongan plasma mengurangi siklus pengembangan sebanyak 30%. Siklus yang dipersingkat ini mencerminkan bagaimana analisis berbasis AI memungkinkan para insinyur untuk melewati sebagian besar uji coba dan kesalahan dalam memformulasikan resep plasma yang optimal. Hiroshi Benno Manager of Product Marketing, Process Automation Business Division Panasonic Connect
Menuju produksi pabrik yang otonom

Bagi Hiroshi Benno, Manager of Product Marketing untuk Process Automation Business Division dan tokoh kunci dalam upaya pengembangan ini, kedua aplikasi tersebut menunjukkan betapa kuatnya analitik di area produksi pabrik yang berpotensi mengubah cara perancangan dan produksi chip."Dalam pengujian dan simulasi ketat yang kami lakukan, solusi pemotongan plasma mengurangi siklus pengembangan sebanyak 30%," kata Benno. "Siklus yang dipersingkat ini mencerminkan bagaimana analisis berbasis AI memungkinkan para insinyur untuk melewati banyak uji coba dan kesalahan dalam merumuskan resep plasma yang optimal." Selain itu, optimasi berbasis AI juga secara signifikan mengurangi limbah yang dihasilkan dari proses tersebut.

Seperti rancangannya, aplikasi pembersih plasma Panasonic menunjukkan bagaimana wawasan machine learning dapat memberikan dasar untuk pendekatan berbasis data yang sepenuhnya baru dalam keputusan pemeliharaan peralatan. Pengujian aplikasi menunjukkan bahwa aplikasi memiliki potensi (melalui kombinasi perawatan yang kurang perlu, pemesanan suku cadang proaktif dan lebih sedikit pemadaman alat berat) untuk mengurangi biaya pemeliharaan bagi pelanggan manufaktur hingga 50%.

Saat Panasonic bersiap menghadirkan solusi baru ini ke pasar, metrik ini memiliki pesan yang kuat: bahwa AI di area produksi semikonduktor siap mengoptimalkan desain dan produksi sekarang. Dan dengan mengadopsi praktik-praktik ini, pembuat chip dapat lebih memenuhi peningkatan permintaan dari pasar global yang sangat kompetitif saat ini.

Bagi Hiroshima, kerja sama Panasonic dengan IBM sejauh ini juga telah menggerakkannya secara pasti ke arah visi jangka panjangnya. "Kami telah menunjukkan bahwa dengan menganalisis data status alat berat secara individual di bagian tepi, kami telah menciptakan dasar bagi peralatan manufaktur otonom, ketika alat berat beroperasi dalam kondisi optimal," jelasnya. “Langkah selanjutnya dalam perkembangan ini adalah mengintegrasikan beberapa mesin di cloud untuk memungkinkan manufaktur otonom di tingkat pabrik. Kelompok mesin yang sangat otonom ini - pabrik otonom - adalah bentuk bantuan utama yang kami perjuangkan. Dengan cara ini, kolaborasi dengan IBM yang melampaui batas-batas perusahaan dapat memulai langkah besar ke arah tersebut. Kami akan berinovasi melampaui ide dan proses yang ada.”

Logo Panasonic Connect
Tentang Panasonic Connect

Berbasis di Osaka, Jepang, Panasonic Connect (tautan berada di luar ibm.com) adalah unit Panasonic Holdings Corporation yang berfokus pada transformasi digital. Process Automation Business Division perusahaan menyediakan peralatan, perangkat lunak, dan layanan bagi pelanggan manufaktur di seluruh dunia.

Selanjutnya:
Lihat lebih banyak studi kasus Kyocera Corporation

Menggandakan produktivitas menggunakan teknologi otonom

 

Baca studi kasus
Hukum

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

Diproduksi di Amerika Serikat, Oktober 2022.

IBM, logo IBM, ibm.com, IBM Consulting dan IBM Research adalah merek dagang dari International Business Machines Corp, yang terdaftar di banyak yurisdiksi di seluruh dunia. Nama produk dan layanan lain mungkin merupakan merek dagang dari IBM atau perusahaan lain. Daftar merek dagang IBM saat ini tersedia di web di www.ibm.com/id-id/legal/copytrade.

Dokumen ini adalah yang terbaru pada tanggal awal publikasi dan dapat diubah oleh IBM kapan saja. Tidak semua penawaran tersedia di setiap negara tempat IBM beroperasi.

Data kinerja dan contoh klien yang dikutip disajikan hanya untuk tujuan ilustrasi. Hasil kinerja aktual dapat bervariasi, tergantung pada konfigurasi dan kondisi pengoperasian tertentu. INFORMASI DALAM DOKUMEN INI DISEDIAKAN "SEBAGAIMANA ADANYA" TANPA JAMINAN APA PUN, BAIK TERSURAT MAUPUN TERSIRAT, TERMASUK TANPA JAMINAN UNTUK DAPAT DIPERJUALBELIKAN, KESESUAIAN UNTUK TUJUAN TERTENTU, DAN JAMINAN ATAU KETENTUAN APA PUN YANG TIDAK MELANGGAR. Produk IBM dijamin sesuai dengan syarat dan ketentuan perjanjian yang mengatur penyediaan produk tersebut.