製造 / 半導体
Micron：製造の異常検知と工程の分析
- 企業
- Micron
- 国
- 米国
- 導入状況
- 運用中
- 資料公開
- 日付の基準
- 資料が公開された時点。導入を開始した日とは異なる場合がある。
- 根拠の確認方法
- 原文の本文を閲覧
業務課題
Micronのウェハーの工程は約1,500の段階を経て数か月かかる。誤りと廃棄が生じる余地が大きい。傷や保護膜の下の気泡のような欠陥は目に見えない。見えたとしても、ウェハー一枚ごとに撮る30から40枚の写真を人がなぞっていると、目の疲れで見落とす。設備の部品の摩耗や配管の漏れも、遅く捉えると損失が大きくなる。
使った技術とデータ
Micronは59万を超える源からペタバイトの単位の製造のデータを集め、クラウドの分析の環境へ送る。感覚のAIでcomputer visionと音響の聴取、熱の画像を併せて使う。カメラが撮った画像から、縁の小さな穴、線の形の傷、色の変化を自動で探す。どの型を探すかは技術者が指定する。自動の欠陥の分類のシステムは、深層学習で毎年数百万件の欠陥を分類する。技能者と技術者はウェハーの欠陥を手で分類せず、データの収集と根本の原因の解決に集中する。音響の側は、ロボットの駆動部やポンプの近くのマイクが数週間にわたって正常な音を録音して基準を作り、新しい周波数が現れると警報を出す。
成果
Micronは、59万個のセンサーが週に1億枚のウェハーの画像と4億3,600万個の管理の地点を作り、すべてAIのモデルを経ると述べた。保存されたデータは77ペタバイトで、一日に58テラバイトが新しく積み上がる。同社は2016年から2025年までの社内のデータと分析を根拠に、製造の設備の稼働率4%の向上、年間100万時間の労働の生産性の改善、新製品の提供開始までの期間50%の短縮、製品の廃棄50%の減少を示した。歩留まりの管理のプラットフォームは社内で14,000人を超えて使う。
限界と残る課題
示した改善の数値は、2016年から2025年までの社内のデータと分析に基づく累積の値である。特定の年の単独の効果や、外部の検証の結果ではない。
出典
公開資料をまとめた事例です。ATF Works導入企業の成果ではありません。