半導體芯片生產是人類迄今為止掌握的工業技術難度最高、制程最復雜的制造業，被譽為先進制造“皇冠上的明珠”。手機、電飯煲、汽車、電視、冰箱、存儲器、醫療設備……從來沒有一個行業像芯片這樣卡住如此多的下游產業，芯片可說是數字經濟的現實底座。
過去十幾年來，中國半導體產業保持著高速增長的勢頭，但同時也面臨前所未有的挑戰。一方面，隨著下游需求的升級，芯片制造工藝制程復雜程度不斷提高。另一方面，芯片制造企業數量增多加之產能不斷擴張，芯片行業也面臨著供需失衡和產能過剩等挑戰。
這些都對芯片制造企業的生產管理、工藝控制等提出了更高的要求。生產制造系統的智能化、精細化程度，無疑成為芯片制造企業強化競爭力的關鍵之舉。
長期專注發展半導體行業的智能制造軟件系統服務的杭州銀湖冠天智能科技有限公司（下稱：“冠天智能”），以研華IoT Edge， AIFS作為規模化平臺，專注半導體行業EAP設備自動化方案，聚焦遠程控制系統（RCS）、自動派工（ADP）、工業流程機器人（RPA），以及視覺檢測（AGI）、IoT物聯網等產品及其應用方案，全面助力半導體企業智能化發展進程。
數據也被“卡脖子”數字化轉型的時代大變革，各行各業需要的計算、存儲底層依賴于半導體行業的發展，但如前所述，業內普遍認為，半導體行業發展亦存在諸多瓶頸。比如，半導體游設備、半導體材料、半導體零部件、半導體行業人才都被“卡脖子”?！斑@些確實都是半導體制造行業的共性難題，但還有更重要的，就是數據。”冠天智能董事長汪俊宇舉例說，“比如一名廚師，他擁有的廚具、食材等與五星級大廚相同，卻依然無法烹飪出五星級大廚料理的味道，為什么？因為五星級大廚掌握了更多的發揮食材美味的火候參數。汪俊宇說，半導體行業也一樣，除了擁有相關設備、材料等基礎，還需掌握能提高良率與水平的“生產參數”。這些“生產參數”來源于整個制造流程中產生的海量數據，并加以綜合分析得到，一套較成熟的“生產參數”一般需要生產企業數十年的半導體生產制程經驗積累。他進一步分析指出，半導體行業工藝復雜、設備數量多，整個制造流程中會產生大量的數據。與此同時，數據采集耗時費力，各個數據在各系統中獨立存在，難以打通聯動并進行綜合分析。與此同時，設備種類多、以進口設備為主，各種設備的軟件接口開放程度不一樣，對于不同產線、大量機臺的集中管理與遠程控制充滿挑戰。
半導體無疑是個數據密集型的產業。公開資料顯示，要制造一顆芯片，需要涉及到五十多個行業，2000-5000道工序。紛繁復雜的制造步驟下，所有的生產過程、生產數據和機器狀態數據都由EAP系統采集，然后傳輸到MES等相應數據庫中。因此，大量的設備需要通過SECS/GEM協議與EAP系統進行互聯。
冠天智能則提供基于SECS/GEM標準的集成平臺，提供靈活高的二次開發接口，可使用戶在最短的時間內實現半導體設備與主機間的通訊，從而對生產線上的所有機臺進行實時管控，實現設備運行的自動化。
“半導體行業不僅是重資產投入，其制程復雜度高，在高精度、復雜參數及嚴格環境條件之下，上千道工序的每一個環境參數都可能是變因?！?汪俊宇說，海量數據因而產生，但想達到數據驅動決策的階段，還有很大的成長空間。國內半導體行業處在沖刺的階段，對于能改善良率提升產能的方案，冠天智能很愿意投入資源。
攜手合作 有了“最強大腦”加持
大量的半導體制造數據有待采集處理、分析利用和價值挖掘，這正是研華與冠天智能過去一年多來攜手合作的核心方向。據介紹，雙方的合作主要是基于兩個領域：
01、IoT Edge作為物聯網邊緣“小腦”
一是，在邊緣層通過IoT Edge協議插件化支持，把整合冠天智能在半導體行業的SECS/GEM協議，發揮Edge端邊緣運算的能力。
IoT Edge作為物聯網邊緣“小腦”，在靠近物或數據源頭的邊緣側，包含云服務、邊緣運算軟件、邊緣模塊應用，將云端能力快速拓展至邊緣，提供數據采集、低時延自治、云邊協同、邊緣計算等能力，作為數據源切入點，解決客戶對設備上云、本地計算、數據預處理等訴求。
“IoT Edge也支持通用工業協議，這樣邊緣端就可以提供完整的采集方案，IoT Edge具備高性能的數據處理能力，把邊緣設備采集數據及時轉到平臺做運算。”冠天智能科技總經理吳芳梅介紹。
研華科技智能工廠事業部行業開發經理杜明哲介紹說，基于IoT Edge插件化的服務，進行SECS/GEM協議的整合，這樣向下可以連接半導體支持SECS/GEM的設備，同時IoT Edge自身的協議支持，完成半導體非SECS/GEM的設備聯網，向上可以通過統一的協議到客戶的EAP或者冠天智能的EAP，同時也支持到研華私有云平臺進行數據管理。
02、AI規模化應用
其二，通過研華工業云平臺 AIFS人工智能框架服務，與冠天智能在半導體行業影像判斷的算法結合，形成AI AOI的解決方案，提升檢測效率，大幅度降低誤判，應用在晶圓檢測以及下游產業。
冠天智能則以AIFS為基礎實現AI規模化應用，直接將冠天智能在半導體行業影像判斷的算法導入AIFS 執行，產生了不錯成效。
舉例而言，良率是半導體行業的“生命線”，但是目前大部分半導體工廠的品質監測往往采用人工目檢方式。人員利用顯微鏡在不同的倍率下執行抽檢或全檢，存在效率低下、人員視力疲憊、缺陷漏檢、誤判率高等問題，已經不能滿足市場的檢測要求。
而采用研華與冠天智能的智能制造解決方案，人員可以遠程控制AOI測試設備，機器通過攝像頭自動掃描晶圓查出缺陷，供維修人員修整。
?“要實現遠程控制，自動采集、處理圖像，同時對晶圓的關鍵尺寸、表面3D形態、粗糙度，以及鐳射切割的槽寬、槽深等數據自動測量，判斷什么是正常、什么是異?！?，冠天智能行業經理吳芳梅介紹，“這就需要RCS遠程控制、RPA代操機器人和AGI圖像識別技術的綜合應用?！?/section>
由此，AI識別的準確率較傳統人工目檢更高，每片晶圓測量圖形數據的調查時間由之前的約10分鐘/片提升到5秒鐘/片，效率提升120倍。
“通過研華AIFS的服務，加上冠天在半導體行業的AI算法的整合，可以通過AIFS不斷訓練來優化算法，提升AOI設備檢測的優化?！倍琶髡苷f。
汪俊宇介紹，半導體行業的標準化產品占比并不高，不同工廠的設備使用、數據采集和應用軟件都不相同。在“客制化場景、定制化解決方案”的項目交付制服務模式中，絕大多數情況都是利用小部分標準化產品和大量人力資源進行二次開發。這樣一來，人力投入高，交付時間長。
“長遠來看，從項目化產品，到標準化產品，再到產品平臺化是一條必走的路?！?汪俊宇表示，隨著經驗數據的不斷累積，一定會有行業普遍通用的標準化產品誕生，“我們需要將標準化產品的比例，從現在的不到30%，提升至50%以上。這也會為客戶和我們節約更多成本、創造更多利潤。”
在他看來，為實現這樣的路徑，可以借助研華的“捷徑”——借用研華現成的經驗和平臺，就不用“從0到1”做開發。
