智能制造的大数据分析
智能制造中的大数据分析是半导体制造业中非常重要的一部分。随着半导体制造业的发展,设备和工艺方面的专业知识变得越来越重要。应用材料公司在探索半导体制造业的大数据分析方法上一直走在业界前列,并获得了“最佳论文奖”。
智能制造充分利用数据在数量、速度、多样性、真实性方面的巨大优势,即利用通常所谓的“大数据”技术,通过大数据分析来改进现有分析功能并提供预测式分析等新功能。半导体制造中设备和工艺分析技术的出现和发展,一定程度上是行业三大挑战促成的结果。这三大挑战是:设备和工艺的复杂性;工艺的动态性和背景丰富性;在准确性和可用性方面表现不良的数据质量。
在设计和运用半导体制造业工艺分析技术时,需要始终谨记设备和工艺方面的专业知识是半导体制造分析解决方案的关键组成部分。了解半导体制造分析技术的组成过去十年中,分析方法呈爆炸式增长,许多利用大数据的分析方法已经形成。这些分析方法需要加以辨别和分类,其中一种方法就是对分析技术的能力维度进行界定,然后详述或绘制出与这些维度相关的分析能力。
半导体制造业 APC 应用的最新发展,体现了从应答式到预测式、甚至到主动式工厂控制的转变。这在很大程度上依赖于大数据爆炸,后者为更大容量和更长期的数据存档提供支持,在一定程度上使预测式解决方案能够破译参数的多变量交互的复杂性,刻画系统的动态性,抑制干扰并滤除数据质量问题。
此外,还可以开发更适应大数据的新算法。例如,早期的预测式解决方案依赖于单核 CPU 和串行处理,但是随着大数据时代的到来,偏最小二乘(PLS)和支持向量机(SVM)之类的算法就可用于服务器场的并行计算。同样,自组织映射(SOM)和生成式拓扑映射(GTM)等无监督的数据探索技术也要经过重写,以便处理大量数据,使用户能够快速获得有用的分析结果。
人工智能(AI) -词可用于描述能感知其环境并采取相应行动以实现目标的任何装置或分析技术。人工神经网络(ANN)就是这种分析技术的一个例子,这种 AI 分析技术数十年前就已出现,如今随着大数据的发展演变而再度兴起。深度学习是一种非常类似于结构化 ANN 的技术,它利用分层抽象方法来提高大批量数据分析的质量和速度。深度学习可用于解决大数据分析中的一些高维问题,包括从二维图像(例如晶圆图)、到高维数据分析。