芯片揭秘 | 如何凭借AI三部曲助力集成电路智能制造

日期:2021-08-30 12:49:34 作者:kunshan 浏览量:79

采访:幻实   编辑:杨殷程 超超   审核:范范

微信公众号:芯片揭秘(ID:ICxpjm)


image.png


芯片揭秘主播 幻实(右)对话

润石智能科技有限公司创始人&总经理李安东先生(左)



image.png

 

RPA(Robotic Process Automation)是以机器人作为虚拟劳动力,依据预先设定的程序与用户系统进行交互并完成预期任务的AI

 

在我国人口老龄化等大趋势下,用AI来推动半导体行业实现无人化智能工厂意义重大。

 

从目前的技术实践来看,现有的RPA还仅适用于高重复性、逻辑确定并且稳定性要求相对较低的流程。

 

本期节目你将听到:

 

面对半导体工厂兴起、人口老龄化的情形,AI能否替代传统人工,加速集成电路的智能制造?为了顺应半导体产业的发展,AI技术还需突破哪些瓶颈?

 

本期我们邀请到润石智能科技有限公司创始人&总经理李安东先生,听他谈谈如何凭借AI技术助力集成电路智能制造。




image.png


  • 半导体工厂的痛点——良率提升

  • RPA+AI是一种趋势

  • 泡沫or趋势,AI未来该如何发展










image.png
image.png

半导体工厂的痛点——良率提升



幻实(主播)

润石智能科技有限公司是帮助工厂实现良率提升和无人化两个目标的智能化软件公司,首先请李总谈一下你们当初为什么要创业?



李安东(嘉宾)  


2018年左右,国内不断在建设新的工厂,我们发现这些工厂面临两个大的挑战,一是良率的提升,二是产能的提升。我们认为想要突破这两个壁垒需要三方面的条件来支撑——资金、技术和人才。当时我和一些来自先进的半导体公司或者是光电工厂的伙伴们萌生了创业的想法,认真思考过后,觉得技术和人才这两个要素皆已齐备,因此就一起回国创立了润石。



幻实(主播)

公司当时的主要业务是针对客户的哪一个诉求


 
李安东(嘉宾)


初创时期我们针对良率提升这个方面进行了产品开发。半导体制程工艺繁复,一片晶圆要经过几百道上千道的工序才能做好,所以不管是IC设计公司还是IC制造公司,都要考虑良率的问题。

 

我们认为提升良率是一个普世的问题,也是一个可以让我们持续做贡献的地方。从四五十年前美国开始建设半导体厂,到现在国内开始发展半导体,就一直在挑战这个问题。





image.png
image.png
RPA+AI是一种趋势


幻实(主播)
创业初期润石选择的切入点是什么呢?

李安东(嘉宾)

少子化之后,很多家庭都只有一两个孩子,且都寄予厚望不希望他们去工厂做工人,所以90后、00后不太可能再在无尘室,做着三班倒,每天12小时的工作。既然普世环境下出现这种情况,我们就要去解决这问题。

 

所以我们公司一开始的英文名字就叫AIE,希望用AI来Empowerment,用AI赋能工厂,然后用软件机器来取代人力。

 

比如说操作机台、调整良率、解决缺陷等这些工作都可以用软件机器人来解决。


image.png

RPA流程自动化机器人功能架构(图源:润石智能科技官网)


幻实(主播) 

我们国家的人口慢慢进入老龄化,未来需要用很多自动化的方式来替代掉传统人工的方式。您刚刚提到的AI赋能工厂对技术、人员的挑战会不会很大?


李安东(嘉宾) 

是的,我国的AI技术相对于全球工业来讲是领先的,我国的整个数字经济已经占到30%到40%,所以下一波的AI软件就可以成为新的“人口”红利,用软件机器人来解决工厂人力短缺的问题。

 

目前的AI还在弱人工智能向类人工智能发展的阶段,只能做重复性的劳动。虽然AI没那么智慧,但是足够聪明,只要我们把作业的标准程序写成脚本之后教会电脑做,就不需要那么多的作业员,或者是初级的工程师做重复劳动。

 

所以第一个挑战是要先把人类做的事情流程脚本化;第二个挑战是把这些脚本做成低代码,甚至无需代码就可以运行;第三个挑战就是要让这些软件学会做一种经过感知之后的判断。譬如我们在做量测检测的时候,会加上自己的一些判断,比如电路可能会开路(Open)或者短路(Short)、要把这东西判断为良品还是失败品等等。这是我们的终极目标,AI可以做人的价值判断

 

目前,前两个挑战已经可以用电脑取代掉了。


幻实(主播) 

第三点应该需要大量的数据才能做到吧?


李安东(嘉宾)
对,这是个大趋势。台积电在十几年前就开始做大数据,5、6年前开始做machine learning(机器学习)deep learning(深度学习)台积电能够做这些事情,是因为累计的历史数据够多了。


 

如果一片晶圆经过1000道工序,1000个机台,每个机台1000个传感器,那么每秒钟产生出来的数据量是百亿级的,那么就有足够多的数据去训练AI,当数据累积到一定程度之后,机器就会越来越聪明。



image.png
image.png
泡沫or机会,AI未来该如何发展



幻实(主播) 

我最近看到很多AI的公司发展不如预期,也有一些声音说AI的泡沫终于破了,面对这样的判断,你会不会觉得心里有压力?

李安东(嘉宾)

因为大家对AI的期待高了,所以给到它的关注、资金也超过它能够负荷的程度,落差之下,大家就会感到失望。


比如无人驾驶汽车的等级分布从L1-L5,但是大家的期许是每一家公司都要有能力做到L5。 我们要认清事实,AI现在可能还没有办法聪明到完全取代人类的活动,如果我们只能做到L3-L4,那就先做好这些。

 

我们在公司成立初期就思考过这个问题,我觉得我们要做到,一旦开发出来好的算法、模型,就要在客户的工厂落地实施,马上得到验证。

 

我们之所以会在昆山设立公司,是因为这附近有三个泛半导体相关的工厂,现在都是我们的客户,我们想做到能够走路过去帮助客户做技术支持,目前这些客户的使用情况良好。

 

把工厂全部做到无人化,自动化可能还需要十年,我认为半导体工厂要更注重于工艺的可靠性和一致性,确保做出来的东西不要有很大的差异,要能够长期的稳定输出。所以我们宁愿牺牲掉速度,也要把技术做的够成熟,够稳定。这就是我对AI目前的思考——要能落地。

 
幻实(主播)

那些传统的AI公司,会不会觉得半导体领域现在发展很好,也想挤入这个行业?


李安东(嘉宾)

商汤、旷世等企业都是我们很尊敬的公司,他们把国内最好的做AI的硕博士都网罗进去了,在台湾设立了研发中心开展研究。

 

他们的强项是在影像、图形视觉方面,比如人脸识别等,所以它的应用场景应该是在安防领域,比如在半导体厂里人员的区块管理等。那我们和KLA、Hitachi、Rudolph这些设备商合作,从它们那边取到的缺陷图像再去做自动分类,或者像KLA、Ulvac设备里metrology(计量)的数据,可用来做CP、WAT的电信数据分析,所以我们是希望能够直接进到工厂里面,跟客户做深度合作,而不是做一个范用型的、平台型的公司。


image.png

ADC缺陷检测与分类系统功能架构(图源:润石智能科技官网)


半导体更需要有人做垂直领域的技术,我们也希望有更多的朋友一起做贡献,做不同的分工。因为除了四小龙以外,还有像阿里巴巴、腾讯,华为等企业其实也想进入半导体智能化的这个市场,他们希望做像IAAS(基础设施服务)这种平台层的AI应用,我们润石希望做的是要直接进入行业里面的AI应用,所以与他们不会冲突,而且可以合作。


幻实(主播) 

你们创业这么久遇到最大的挑战是什么?


李安东(嘉宾)

最大的挑战是我们推广的概念,能否被客户接受。我们的团队好多人都是从台积电过来的,他们会用比较高的标准来要求自己。但让客户也按照这个要求来做就太难了。我们也在慢慢的调整思路。根据客户的需求拿出相应的方案,而不是一定要拿出一个满分的东西,能打能用就可以上场了,先求有再求好,谆谆善诱,帮客户设计出一个方法论。

 

工业3.0到工业4.0不是一下子就能完成的,你要从互联网取得设备的数据,然后建立一个好的数据仓储,再帮客户做多维度多变量的分析,帮客户找到最佳的制程工艺窗,然后删掉不必要的变量,控制应该控制的变量,就可以找到根源,解决良率的问题。这些维度和变量都是和半导体机台里的物理化学反应直接相关的。做好这些之后,再从机台端扩展到外延的辅助性设备再到厂务设备、供应链条。

 

所以我觉得可以从最核心的制造厂开始往外做出去,把国内的需求分门别类,看人出菜,配合客户情况,调整自身应用。

 

一般的工业互联网公司做AI,不愿意进到最里面去,可是对客户而言每天面对的产品就是机台,怎样改善机台就是我们天天面对的事情,所以我们很喜欢进到工厂里去研究。

 

比如我们的AIoT平台构建的时候,要把机台打开,背板拆开,还要考虑如何走线,用什么夹具、安装的点位选哪里,然后他的algorithm(演算法)等,有一连串配套的东西,把它做成标准化之后,在量化复制到其他工厂去。


image.png

AIoT 智联网平台架构(图源:润石智能科技官网)



幻实(主播)

我想这样的一个有务实精神的老板,带领的团队应该非常具有战斗力。最后祝润石智能科技有限公司早日能够达到想要的目标!




image.png


RPA是近年来企业软件市场增长最快的细分领域,到2022年,80%部署RPA的企业将引入AI技术,实现非结构化数据的业务流程自动化。

 

在工业领域,“无人化”开始作为企业推动工厂智能化转型的一个重要方向。特别是当前企业面临招工难、原材料成本持续上涨以及个性化需求日益凸显的背景下,降低对工人的需求,提升生产线的柔性化和自动化生产能力,已经成为推动工厂无人化发展的内在驱动力。

 

可以预见,未来RPA机器人可以借助AI实现深度学习,国内工厂也将借助AI加速实现工厂“无人化”的建立。


注:本文选自芯片揭秘,版权原作者所有,如侵犯您的权益,我们将第一时间删除。

公司新闻