随着高度自动化的半导体晶圆生产设施的出现，存在着一种紧迫的趋势，可以扩大标准自动化的范围，以将改进的决策能力与组合优化，机器智能和系统分析结合在一起。本文讨论了半导体制造，相关挑战和前景的自动化趋势，以及该特定领域的最新研究。
图片来源：Phonlamai Photo/Shutterstock.com
“工业4.0”表示第四次工业革命，这将通过工业自动化的最低限度互动来推动。为了实施行业4.0的数字化技术，半导体生产设备使用了高级工具和功能，例如物联网，数据科学，AI，增强现实（AR）等。app亚博体育亚博老虎机网登录
3D打印和半导体制造
设计人员在采用传统的半导体制造技术时受到限制，尤其是在连接布局，极化性和底物形式方面。相比之下，3D打印电路板为半导体行业节省了相当多的努力，时间和成本，同时还可以使设计人员更自主地开发具有精制布局和量身定制的设计概念的半导体芯片。
半导体制造中的时间敏感网络（TSN）
为了帮助公司交付产品和增长，半导体工业自动化设备的提供商应提供最先进的创新，以利用时间敏感的网络（TSN）。app亚博体育作为需要确保数据可靠性，一致性和卓越效率的行业的关键推动者，TSN对于协助半导体公司未来的工作流程，绩效目标，盈利能力，效率和可靠性至关重要。
工厂，半导体制造厂以及其他特定部门的装配工厂，具有良好的记录，试图推动自动化和智能制造的性能界限。他们越来越接近开发每种技术进步的高度定制，独立和自适应网络。
需要有影响力的轨道和痕量框架来管理整个生产线以及完整供应链的资源运动和商品。为了实现这一目标，建立一个可以支持更高的企业级系统的网络至关重要，除了可预测的性能和功能外，在整个组装线甚至更远的地方都可以在整个组装线上进行强大的可追溯性。这是TSN被证明对于半导体制造的未来至关重要的地方。
半导体制造中的自动视觉故障检查
根据有关的最新研究智能制造杂志，通过利用计算机和AI视觉系统的功能，自动视觉检查尝试增强了半导体生产故障的识别和识别，从而使生产者从更大的收益率和较低的生产成本中获利。自动视觉缺陷检查程序需要建立和合并用于记录和分析生产成果的技术。
该团队提出了分层深神经网络的独特混合多阶段方法，该方法可以使用传统的计算机视觉工作流和更深的神经网络来分类，从而使像素大小中最小的组件在像素大小中定位。建议的系统将重点从其架构转移到了更多与任务相关的感兴趣领域。
根据开发的测试环境的发现，多阶段方法的表现优于当前基于学习的计算机视觉检查的方式。该方法的性能（F1得分）高达99.5％，这对应于系统故障检测中的8.6倍。
在后端半导体制造中使用AI
研究人员在2022 IEEE国际分布式计算和电路和电子会议（ICDCECE）提出了一种AI解决方案，涉及使用ERP，MES和Testscape框架中合并的年代数据输入以形成集成数据采集，计划和高级分析系统。这将采用知识来培训机器学习模型，例如深度学习神经网络，以预测处理时间，资源利用率和性能目标。
建议方法的另一个目标是使用AI克服因现有测试和身体状况监测能力和程序中差距而引起的产品质量问题。
图片来源：Phonlamai Photo/Shutterstock.com
通过这种补救措施，运营商不再需要决定是替换设备替换产品还是根据其判断力继续使用它，而可以将这种困难选择委派给AI系统，该系统从以前的历史信息中学习并可以做出可靠的基于可靠的判断在实际数据而不是假设上。
半导体自动化的挑战
半导体部门以使用尖端制造方法而闻名。2021年的全球半导体芯片短缺展示了该行业的预期技能如何无法实现数字化和有效自动化的全部希望。
半导体设施面临的最重要的问题之一是它们依赖传统的手动流程，例如过时的，通常是无证件的MES程序。这些被称为mu子，代表成熟的无证件执行系统。当涉及到与公司和物联网应用程序互动的能力时，mu子特别棘手。他们还臭名昭著，需要进行数小时的编程才能对工作流等操作进行微小的更改。因此，从长远来看，此类应用程序是站不住脚的。
将自动化视为商店或运营地板级策略的传统心态是半导体数字化的主要障碍。必须通过对制造工艺进行彻底分析远远超出材料处理的初始步骤，并结合了半导体制造的所有变量，包括被执行的过程，相关人员和正在制造的产品，都必须启动一个高度自动化的过程。亚博网站下载
半导体自动制造的前景
纳米电子生产控制的未来是征服障碍。由于300毫米技术已经成熟，因此出现了最新的软件平台和特征。这些技术将改善数据的收集，保存，传输和运输。最近的问题包括增加系统噪声而不是平均值的变化。
在基于型号的炉子调节中，智能恒温器上下升级的旋转时间会减少周期时间，而专注于启动和关闭特性可能会使设备受益。app亚博体育将来，模型预测的控制器将取代实时控制算法，例如PID并使用更多的传感器输出。
总而言之，为了满足工业需求，必须继续增长半导体生产的自动化和融合。
来自Azom的更多信息：趋势塑造半导体晶圆制造
参考和进一步阅读
超图书馆员，2022年。2022年半导体行业增长的驱动因素。[在线的]
可用网址：https://www.ultralibranibrin.com/2022/05/18/driving-factors-fortor-fortor-spoomendonductor-industry-growth-in-in-2022-ulc
Cheng，F。T.等。al。（2022）。自动化分析的特刊超越行业4.0：从混合战略到零缺陷制造。IEEE自动化科学与工程交易亚博老虎机网登录，，，，19（3），1472-1476。
乔纳森·卡摩（Jonathan Karmaou），2021年。完全自动化对半导体制造意味着什么？[在线的]
可用网址：https://www.criticationmanufacturing.com/blog/what-does-full-automation-mean-for-spemedonductor-manufacturing/
泰姬陵，医学博士Nasim Afroj。（2022）。“半导体制造过程中自动化的前景。”
Schlosser，Tobias等。（2022）。“使用深层神经网络的混合多阶段系统改善半导体制造的自动视觉故障检查。”智能制造杂志。33（4）。1099-1123。
Pheng，M。S. K.和David，L。G.（2022年4月）。后端半导体制造中的人工智能：案例研究。在2022 IEEE国际分布式计算和电路和电子会议（ICDCECE）（第1-4页）。IEEE。
免责声明：此处表达的观点是以其私人身份表达的作者的观点，不一定代表AZOM.com的观点有限的T/A Azonetwork本网站的所有者和运营商。此免责声明构成了条款和条件使用此网站。