内存大厂美光(Micron Technology)的一位高层表示，芯片制造商正在利用人工智能(AI)提升晶圆厂运作效率，而相关的努力已经开始取得回报。
美光副总裁Buddy Nicoson
负责晶圆厂营运的美光副总裁Buddy Nicoson在上周于台北举行的Semicon Taiwan年度国际半导体展发表专题演说时表示，晶圆厂管理者需要在因应流动电话的客户需求同时，于全球各地的多个制造据点同步布署持续变化的工艺技术；而所有这些努力，都是芯片制造商为了尽快达到企业等级的良率与质量目标。
Nicoson在半导体产业界有超过30年经验，在2014年加入美光之前，曾协助三星(Samsung)、AMD与Cypress Semiconductor管理晶圆厂；而在美光则是协助该公司初试身手，将AI技术导入晶圆厂运作。他在演说中表示：“与未导入该类应用程序之前相较，AI让我们达成需求良率目标的速度快了25%；而达成需求缺陷率(DPM)目标之速度也快了35%。”
美光在美国、日本、台湾与新加坡都有晶圆厂，各自的团队会相互学习；Nicoson解释，例如台湾团队从大数据学习到的经验：“我们会希望能透过内部网络快速传播。”利用AI，美光正将晶圆厂管理从晶圆厂转移到远程的控制中心；“你不再需要像以前那样派人到现场，”他指出：“透过设置远程运作中心的仪表板，你可以取得非常广泛的视野。”
Nicoson透露，美光每天会收集到5TB (terabytes)的资料；该公司有3,000台数据捕获设备，任务分配给不同的工作站小组与团队。“如果你的组织里有1万3,000人，3,000台装置并不很多；”他指出：“我们正在尝试将一些非常复杂的东西，转译给我们正努力有所改变的工作人员。我们必须要开发出有形的接口工具，让我们的人可以利用。”
管理顾问公司McKinsey的资深合伙人Bill Wiseman曾表示，AI一个具潜力的应用是需求的预测，而这项任务是人力越来越难做到的。“当苹果(Apple)发表了新款iPhone，你最好知道其最佳销售预测，否则你就会跟不上。”
他指出：“如果你是除了Apple之外，得供应其他所有厂商的可怜人，你知道谁会赢？你该出货给谁？我们已经看到价值链上每一个节点都有大量的生产过剩以及报废品；”而机器学习能对于市场需求的芯片供应量提供更好的预测。
Nicoson也听过类似的说法，他表示：“现在生产时程是流动的，每一分钟都会改变；如果你缺少能因应工厂所在地环境实时动态的调度程序(scheduler)，你就会落后。而这是可以透过虚拟化来强化的能力。”
他认为虚拟化是一件“大事”，完整的虚拟化策略能显示隐藏的亏损与浪费：“如果你出去与现场工程师交谈，他们所遭遇的挫折之一，就是我会称之为“坐井观天”(siloed views)的问题；他们会去某个系统看看某些东西，再到另一个系统去看看起其他东西，但都是不完整或不连贯的。”
Nicoson表示，无结构(unstructured)的数据可以被用来消除美光的数据里存在的偏见：“最终你会看到以往看不到的隐藏亏损以及浪费；现在他们成为系统化的签章(systematic signatures)，而且你能做一些相关的事情。”
McKinsey的Wiseman还表示，机器学习能告诉企业管理层那位员工打算离职；藉由预测结果，公司管理层能有所行动并在员工走人之前“挽留”他们。不过这也意味着管理层与员工之间会需要有全新的沟通协议。
Nicoson指出，机器学习是一种对芯片制造商来说仍在初期发展阶段的技术，其目标之一是利用AI在工艺早期识别硅晶圆片上的缺陷。“这与脸部辨识非常类似，”他指出：“这种方案有两个面向，几何识别与立体光学(photometric)识别，这在通报工艺状况上非常有效。”
而Nicoson也认为，半导体产业对于AI技术的采用落后，是有点尴尬的状况；这个产业才刚开始要利用AI技术取得价值。
编译：Judith Cheng
本文授权编译自EE Times，版权所有，谢绝转载
关注最前沿的电子设计资讯，请关注“电子工程专辑微信公众号”。
