Aziende come Panasonic Connect, con la sua divisione aziendale Process Automation, esistono per aiutare i produttori di semiconduttori ad affrontare queste sfide di processo, a ottimizzare i processi di produzione e a fornire prodotti di alta qualità. Con 30 anni di esperienza nella fornitura di apparecchiature di produzione specializzate ai produttori di chip, Panasonic si è resa conto di essere in una posizione privilegiata per aiutarli ad adattarsi alle nuove tendenze di package dei semiconduttori.

Di particolare interesse, osserva Mitsuru Hiroshima, Direttore del Semiconductor Process Business Group, è stata l'opportunità di integrare analisi avanzate nelle soluzioni di apparecchiature per portare risultati davvero rivoluzionari ai clienti manifatturieri. "Il fulcro della nostra visione era l'idea che combinare deep learning e automazione potesse portare le operazioni di progettazione e produzione a un livello di ottimizzazione completamente nuovo", afferma.

All’epoca, nel 2019, Hiroshima e il suo team sapevano che realizzare questa visione, trasformandola in una soluzione concreta da portare sul mercato, avrebbe richiesto all’azienda di aumentare le proprie competenze principali in materia di attrezzature. "Stavamo cercando di collaborare con un fornitore in grado di apportare una profonda esperienza nei processi industriali, oltre a un portfolio di tecnologie di analisi avanzate in aree come l'AI e il deep learning", spiega Hiroshima. "IBM è stato l’unico fornitore capace di apportare forza in entrambi questi ambiti critici."

Il team che IBM ha riunito per il progetto comprendeva esperti di intelligenza artificiale e deep learning di IBM Research , oltre a esperti di processo e consulenti di settore di IBM Consulting™. Nei primi, intensi mesi di impegno, i team IBM e Panasonic hanno collaborato per identificare e perfezionare le opportunità di soluzione. IBM ha applicato la metodologia IBM Garage™, che riunisce il personale IT e operativo in una collaborazione iterativa ad alto impatto, per dare il tono alla collaborazione, determinare l'obiettivo generale e creare soluzioni in modo congiunto.

Sulla base delle sfide e di una valutazione del time-to-value più rapido, il team congiunto ha co-definito due soluzioni di controllo dei processi che sono emerse come le prime offerte di Panasonic per le smart factory. La prima soluzione prevedeva la creazione di una macchina per dicing al plasma avanzata automatizzando completamente la generazione della ricetta.

Il package al plasma è una specie di magia. Per un ingegnere che cerca di trovare la giusta ricetta di plasma, il risultato finale deve essere un wafer con pattern di taglio precisi. Ciò significa prendere la giusta combinazione di decisioni su variabili come pressione e potenza del vuoto, energia degli elettroni, energie ioniche e gas, tanto per citarne alcuni.

Per sviluppare la soluzione proof-of-concept, il team di IBM Research ha sviluppato algoritmi di deep learning che, attraverso un numero elevato di calcoli, hanno permesso agli ingegneri di ricavare rapidamente il mix ottimale di punti variabili. "Invece di affidarci all’intuizione o a prove ed errori, gli ingegneri dispongono di un’interfaccia visiva intuitiva [progettata da IBM Consulting] in grado di simulare il processo in modo accurato e in pochi secondi", afferma Hiroshima.

Il secondo proof of concept co-creato dal team ha affrontato un altro punto dolente: la necessità di ottimizzare le prestazioni della macchina per la pulizia al plasma attraverso pratiche di manutenzione più intelligenti e basate sui dati. "Invece delle ricette, l'applicazione per la pulizia del plasma utilizza il calcolo avanzato per identificare il momento ottimale in cui eseguire la pulizia e la manutenzione", spiega Hiroshima. "Eseguirle troppo presto crea costi inutili, mentre facendole troppo tardi si rischia di ottenere una scarsa qualità o addirittura guasti al macchinario."

Come la soluzione di dicing, l'applicazione dello stato della macchina è supportata da algoritmi sviluppati da IBM Research. Utilizzando i dati provenienti da sensori montati sul macchinario, l'applicazione correla i cambiamenti nell'efficienza operativa con le condizioni delle sue varie parti. Come spiega Hiroshima, il risultato visivo altamente intuitivo è una specie di lista dei desideri per i già oberati tecnici. "I tecnici in fabbrica ricevono un avviso, ad esempio, che un particolare pulitore al plasma tra tanti funziona a livello non ottimale e che i residui sull'elettrodo sono la ragione più probabile di questo malfunzionamento", afferma. "Questa comprensione permette al tecnico di intraprendere azioni correttive che mantengano un'elevata qualità e riducano al minimo le interruzioni della produzione."

Per Hiroshi Benno, Manager di Product Marketing per la Process Automation Business Division e figura chiave nello sforzo di sviluppo, entrambe le applicazioni dimostrano come la potente analytics nella linea di produzione abbia il potenziale per trasformare il modo in cui vengono progettati e prodotti i chip. "Nei rigorosi test e simulazioni che abbiamo eseguito, la soluzione di taglio al plasma ha ridotto il ciclo di sviluppo fino al 30%", afferma Benno. "Il ciclo ridotto riflette il modo in cui l'analytics basata sull'AI consente agli ingegneri di aggirare gran parte dei tentativi ed errori nella formulazione della ricetta al plasma ottimale." Inoltre, l'ottimizzazione basata sull'AI ha anche ridotto significativamente gli sprechi generati dal processo.

Proprio come da progettazione, l'applicazione per la pulizia del plasma di Panasonic ha mostrato come le informazioni di machine learning possano fornire le basi per un approccio completamente nuovo e basato sui dati alle decisioni di manutenzione delle apparecchiature. I test dell'applicazione hanno dimostrato che, attraverso una combinazione di manutenzioni meno necessarie, ordinazione proattiva dei componenti e minori fermi dei macchinari, ha il potenziale di ridurre del 50% i costi di manutenzione per i clienti del settore manifatturiero.

Mentre Panasonic si prepara a portare queste nuove soluzioni sul mercato, queste metriche contengono un messaggio potente: negli stabilimenti di produzione dei semiconduttori, l'IA è già pronta a fornire ottimizzazione per la progettazione e la produzione. E che, adottando queste pratiche, i produttori di chip possono soddisfare meglio le crescenti richieste dell'ipercompetitivo mercato globale di oggi.

Secondo Hiroshima, il lavoro svolto finora da Panasonic con IBM ha permesso di fare grandi passi avanti verso la sua visione a lungo termine. "Abbiamo dimostrato che analizzando i dati sullo stato delle singole macchine all'edge, abbiamo creato la base per apparecchiature di produzione autonome, in cui la macchina opera in condizioni ottimali", spiega."Il passaggio successivo di questa progressione è l'integrazione di più macchine nel cloud per consentire la produzione autonoma a livello di fabbrica. Questo gruppo di macchine altamente autonome che chiamiamo fabbrica autonoma è la forma di assistenza alla quale aspiriamo. In questo modo, collaborare con IBM, che trascende i confini di un’azienda, ci permette di fare un grande passo verso quella direzione. Innoveremo superando le idee e i processi esistenti."

Con sede a Osaka, in Giappone, Panasonic Connect (link esterno a ibm.com) è un'unità di Panasonic Holdings Corporation incentrata sulla trasformazione digitale. La Process Automation Business Division dell'azienda fornisce apparecchiature, software e servizi a clienti produttori di tutto il mondo.