כך כותבת לורה פיטרס, עורכת בכירה לתחום הייצור והבדיקות באתר המקצועי Semiconductor Engineering . לדבריה, בין היתר הדבר נדרש בשל העדר כוח אדם אל מול הגידול בביקוש של יצרניות השבבים לכוח אדם מיומן
תעשיית השבבים מנסה להשתמש בבינה מלאכותית וניתוח נתונים כדי לשפר תפוקה, יעילות תפעולית ולהפחית את העלות הכוללת של תכנון וייצור התקנים מורכבים. עם זאת, יש מספר מכשולים עיקריים ובהם אבטחת נתונים וההשקעה הגדולה הראשונית בעיבוד וניתוח נתונים. כך כותבת לורה פיטרס, עורכת בכירה לתחום הייצור והבדיקות באתר המקצועי Semiconductor Engineering .
לדבריה תעשיית השבבים ניצבת בפני מחסור במהנדסים וטכנאים. צורה כלשהי של בינה מלאכותית תידרש כדי למלא את הפערים, להגביר את יעילות המהנדסים ולשפר את אמינות המוצרים.
"קיימים חששות רבים לגבי גניבת נתונים/קניין רוחני, דליפת נתונים וחשיפה של המודלים שמשמשים ליתרון תחרותי. עם זאת, יש מעבר לניתוח מבוסס למידת מכונה במקום אלגוריתמים מבוססי חוקים, על מנת לחזות תהליכים ותפוקה. יצרני מכונות בדיקה השקיעו בעיבוד בזמן אמת על מנת לאפשר בדיקות משלימות לפי צורך ולהפחית עלויות. מערכות ניהול תפוקה מתקדמות משתמשות במודלים מתקדמים כדי לאפיין פגמים, לקשר בין נתוני חיישנים לבקרת תהליך מתקדמת, ולשלב ניטור על שבב עם ניתוח נתוני בודקים.
פגמים סמויים
יש בעיה הולכת וגדלה של פגמים סמויים שגורמים לכשלים בשטח. נדרשים יותר נתונים וסוגים נכונים של נתונים כדי לאפיין את המקור האמיתי של פגמים סמויים. גישות ניהול מחזור חיים מנסות לחבר מקורות נתונים נפרדים בעבר כדי להפחית דגימות ולחסוך בעלויות.
אסטרטגיית ניהול תפוקה אידיאלית כיום היא משולבת במפעל אוטומטי לחלוטין המקבל את כל הנתונים מכל הכלים, כל נתוני הבדיקות, היסטוריית כלים, משלב את כל הנתונים ומנתח אוטומטית חריגות.
עם זאת, יש מורכבות רבה ביישום מערכת ניהול תפוקה בפועל. עלות היא תמיד סוגיה – בדיקה של 100% עדיין יקרה מדי ברוב המקרים. אולם שמספר הבדיקות וגיוונם גדל, כך גם משתפרים הנתונים, וניתן למצוא קשרים שלא היו ידועים קודם בין ציוד, חומרים ופרמטרים.
