泛林集团观点

机器学习的未来：

泛林集团成立于1980年，是为半导体行业提供创新晶片  制造设备和服务的全球领先供应商。他们的技术和生产力解决方  案有助于以更低的成本提高集成电路的性能。1980 年代初，一个芯片上只有130,000个晶体管，而发展到今天，一个芯片上集成的晶体管数量已超过10亿。与许多公司一样，泛林集团在产品层利用人工智能 (AI) 和机器学习(ML)，使其客户能够降低总成本和能耗并提收益。泛林集团还在自身的运营中广泛  运用 AI 和 ML，例如提高晶片厂设备性能，从而在全部设备机群中实现更高质量和更稳定的晶片生产。  只有通过高效利用数据才能实现这些目标。如今，数据收集是由半导体制造商从各种工具中提取原始数据来完成的。  

泛林集团希望通过提供可随时使用的经  过清理的数据（包括筛选和时间排序）来改变这种状况，使客户能够对整座晶片厂中的机群进行最佳管理。在各种工具中，有带嵌入式控制装置的  制造室，可提供更精确和可重复的结果，执行故障检测，并提供自适应反馈，不论进料如何变化，都可以实现超精确的可重复性。通过在各台晶圆厂机器之外提供这些数据，AI和ML算法可以分析大量  数据，获取洞察力，从而有助于实现更好的性能、改进设备功能、识别异常，并避免设备故障和计划外的停机。

人工智能和机器学习在半导体制造中的使用案例

晶片厂设备的差异可能由许多因素引起，例如腔室表面的温度控制、射频匹配网络调谐的速度以及晶片的温度控制。通过仔细检查工具本身的数据，可以确定造成腔室之间参数差异的原因。

检测缺陷是另一个主要用例。在制造纳米级器件时，对缺陷的容忍度基本上为零——利用 AI 和 ML，可以帮助及早检测到导致缺陷的条件，从而提高良品率。

正确的架构至关重要

实施人工智能和机器学习需要两个不同的专业领域协同工作：数据科学家和现有领域专家。对于泛林集团来说，这意味着要聘请一个内部数据科学家团队，他们与工程师紧密合作开发工具。凭借这些内部知识，泛林集团可以为客户提供无缝体验，否则他们将需要手动将机器连接在一起。他们还聘用外部顾问，带来新颖的想法和技术方法。内部数据科学家与外部顾问相结合，确保了泛林集团始终处于人工智能和机器学习领域的最前沿。

人工智能和机器学习是工业4.0 的基石

Gottscho 负责监督泛林集团的工业4.0转型。他指出，如今几乎每家公司都在实施数字化转型战略，寻求提高生产力、缩短交付时间，并提高生产过程各个方面的透明度。对于Gottscho来说，最大的挑战是在一家成熟的公司实施大规模检修，但他认为这是所有工程师都面临的一个众所周知的问题：“我们不得不在发动机运行时进行重新设计。”

另一个关键挑战是拥有足够的主题专家和数据科学家的短缺，他认为这是影响全球整体进步的关键因素。“问题不在于钱，而在于人，因为你不可能在一夜之间培养出这些人才。它迫使你在处理事情的轻重缓急时要非常认真对待，毕竟，产业转型不是一朝一夕的事情。”

泛林集团与浩亭的合作

泛林集团和浩亭正在合作研究改进半导  体生产的新方法。 Gottscho 认为，浩亭通过嵌入连接器的传感器实时测量设备消耗的电压、电流、相位和总功率的这一设想具有巨大潜力，可以解决实时监测晶片厂设备大量信号的难题，并支持先进的人工智能和机器学习应用。与其他传感方法相比，这种方法相对容易应用并且具有很高的成本效益。  与目前使用电子显微照片的解决方案相比，实时信息处理具有显着优势，前者需要几个小时来处理，并且成本高达数千美元。

Gottscho认为，连接器嵌入传感  器可以实时提供信息，为关键决策提供依据，它们对于半导体设备的重要性和它们对于自动驾驶汽车一样重要。  这条发展道路还将助力泛林集团在今  年早些时候宣布的到2050年实现净零  碳排放的承诺。在设计高能效设备时，  第一步是要了解每个元件的能耗，而最好的方法是使用嵌入式传感器来捕获关键的运行数据和洞察力，从而实现产业转型。