Compañías como Panasonic Connect, a través de su División de Negocios de Automatización de Procesos, existen para ayudar a los fabricantes de semiconductores a superar estos desafíos de procesos y optimizar los procesos de producción y ofrecer productos de alta calidad. Con una trayectoria de 30 años proporcionando a los fabricantes de chips equipos de producción especializados, Panasonic reconoció que estaba en una posición privilegiada para ayudarlos a adaptarse a las nuevas tendencias de empaquetado de semiconductores.

Mitsuru Hiroshima, Director del Grupo de Negocio de Procesos de Semiconductores, señala que fue de especial interés la oportunidad de infundir análisis avanzados en sus soluciones de equipamiento, para permitir resultados realmente revolucionarios para sus clientes fabricantes. "El núcleo de nuestra visión fue la idea de que la combinación de deep learning y automatización podía llevar las operaciones de diseño y fabricación a un nivel completamente nuevo de optimización", dice.

En ese momento, en 2019, Hiroshima y su equipo sabían que hacer realidad esta visión, convirtiéndola en una solución concreta que podría llevar al mercado, requeriría que la compañía aumentara sus competencias básicas de equipamiento. "Queríamos colaborar con un [proveedor] que pudiera aportar una amplia experiencia en procesos del sector, junto con una cartera de tecnologías analíticas avanzadas en áreas como la IA y el deep learning", explica Hiroshima. "IBM destacó como el único proveedor que podría aportar fuerza en ambos dominios cruciales".

El equipo que IBM reunió para el proyecto incluyó expertos en inteligencia artificial y deep learning de  IBM Research y expertos en procesos y consultores de la industria de IBM Consulting. En los primeros e intensos meses del encargo, los equipos de IBM y Panasonic colaboraron para identificar y perfeccionar las oportunidades de solución. IBM aplicó la metodología IBM Garage, que reúne al personal de TI y operaciones en una colaboración iterativa y de alto impacto, para establecer el tono de la colaboración, determinar el objetivo general y co-crear soluciones.

Basándose en los desafíos y una evaluación del tiempo de amortización más rápido, el equipo conjunto co-definió dos soluciones de control de procesos que surgieron como las primeras ofertas de fábrica inteligente de Panasonic. La primera solución consistió en crear un cortador de plasma avanzado mediante la automatización total de la generación de recetas.

El envasado en plasma es un poco como la magia. Para un ingeniero que intenta encontrar la receta de plasma adecuada, lo que necesita obtener al final es una oblea con patrones de corte precisos. Eso significa tomar la combinación correcta de decisiones sobre variables como la presión y la potencia del vacío, la energía de los electrones, las energías de los iones y los gases, por nombrar algunas.

Para desarrollar la solución de prueba de concepto, el equipo de IBM Research desarrolló algoritmos de deep learning que, mediante un enorme número de cálculos, permitieron a los ingenieros deducir rápidamente la combinación óptima de puntos variables. "En lugar de depender de intuición o prueba y error", explica Hiroshima, "los ingenieros disponen de una interfaz visual intuitiva [diseñada por IBM Consulting] que puede simular el proceso de forma precisa y en cuestión de segundos".

La segunda prueba de concepto, creada conjuntamente por el equipo, abordó un punto débil diferente: la necesidad de optimizar el rendimiento de las máquinas de limpieza de plasma a través de prácticas de mantenimiento más inteligentes y basadas en datos. "En lugar de recetas, la aplicación de limpieza de plasma utiliza cálculos avanzados para identificar el tiempo óptimo para realizar la limpieza y el mantenimiento", dice Hiroshima. "Un tiempo demasiado corto genera costos innecesarios, mientras que si es demasiado largo, se corre el riesgo de obtener una mala calidad e incluso de averías de las máquinas".

Al igual que la solución del corte en dados, la aplicación del estado de la máquina se apoya en algoritmos desarrollados por IBM Research. Utilizando datos de sensores montados en la máquina, la aplicación correlaciona los cambios en la eficiencia de funcionamiento de la máquina con las condiciones de varias piezas de la máquina. El resultado visual, altamente intuitivo, señala Hiroshima, es como una lista de deseos para los técnicos sobrecargados de trabajo. «Los técnicos de la fábrica reciben una alerta, por ejemplo, de que uno de los muchos limpiadores de plasma en particular funciona 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 una alta calidad y minimizar las interrupciones en la producción».

Para Hiroshi Benno, director de marketing de producto de la división de automatización de procesos y una figura clave en la tarea de desarrollo, ambas aplicaciones demuestran cómo la potente analítica en la planta de producción 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 por plasma redujo el ciclo de desarrollo hasta en un 30 %", afirma Benno. "El ciclo acortado refleja cómo la analítica basada en IA permite a los ingenieros obviar gran parte del ensayo y error a la hora de formular la receta de plasma óptima." Además, la optimización impulsada por la IA también redujo significativamente los residuos generados por el proceso.

Tal como fue diseñada, la aplicación de limpieza de plasma de Panasonic mostró cómo los conocimientos del aprendizaje automático pueden proporcionar la base para un enfoque completamente nuevo, basado en datos, para las decisiones de mantenimiento de equipos. Las pruebas de la aplicación demostraron que tiene el potencial, mediante una combinación de menos mantenimiento innecesario, pedidos proactivos de piezas y menos paradas de máquinas, de reducir los costes de mantenimiento de los clientes de fabricación en un 50 %.

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

Para Hiroshima, el trabajo de Panasonic con IBM hasta ahora también lo ha movido decisivamente por el camino hacia su visión a largo plazo. "Hemos demostrado que, al analizar los datos del estado de cada máquina en el límite, hemos creado la base para equipos de fabricación autónomos, en los que la máquina funciona en condiciones óptimas", explica. "El siguiente paso en esta progresión es integrar múltiples máquinas en la nube, para permitir la fabricación autónoma a nivel de fábrica. Este grupo de máquinas altamente autónomas, la fábrica autónoma, es la forma de asistencia definitiva a la que aspiramos. De este modo, una colaboración con IBM que trascienda los límites de una empresa puede dar un gran paso en esa dirección. Innovaremos más allá de las ideas y procesos existentes".

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