眾所周知，機器學習是影響技術領域的最大趨勢之一，它為全球企業(yè)帶來了新的見解和利潤。實現機器學習的前提是讓機器使用大量數據創(chuàng)建算法，以便發(fā)現各種模式并準確預測未來的結果。這種類型的系統(tǒng)可以創(chuàng)建一個精簡的流程，使得每個可能的操作無需進行編程或重新編程。

如今，制造業(yè)充分利用這些機器學習的優(yōu)勢，開創(chuàng)出智能制造的新時代。半導體制造涉及數百個精確步驟和精密工藝，是利用機器學習的理想領域。憑借在工廠中利用“互聯”機器收集到的實時數據，制造商能夠做出實時決策和預測，大幅提高效率和生產力。

近日，一個由行業(yè)和政府領導領導組成的小組于美國舊金山舉辦了 SEMICON West 2017 展會，就半導體生態(tài)系統(tǒng)引領的智能制造技術展開深入探討。

Frost & Sullivan副總裁兼合伙人 Roberta Gamble，美光科技全球制造高級副總裁 Wayne Allan，美光科技企業(yè)數據科學部 Tim Long，LAM Research 首席運營官 Tim Archer，思科系統(tǒng)公司戰(zhàn)略創(chuàng)新副總裁 Maciej Kranz，北美經濟發(fā)展委員會新加坡地區(qū)會長 Gian Yi-Hsen作為與會人員，就智能制造技術，工作及會以及技術前景等話題展開深度探討。

一起看看各位行業(yè)大咖都帶來了哪些深度見解。

討論要點

智能制造之所以“智能”，主要歸功于一個非常簡單的因素，那就是成果。美光科技的制造數據科學團隊（于 2015 年正式成立，旨在利用數據和分析幫助實現營收增長）迄今為止共報告了 2800 多項在數據科學領域取得的成功。由 IT 企業(yè)分析和數據團隊提供的創(chuàng)新大數據基礎設施實現了跨職能合作關系，從而為營收帶來了超過12億美元的驚人增長。

圓桌會議還重點討論了數據科學領域的其他成果。例如，美光科技將與質量相關的偏差減少了 35%，并將實現目標的速度加快了25%；思科在位于馬來西亞的工廠安裝了 1500 個傳感器后，所生成的數據和分析結果幫助工廠將能耗降低了 30%?！斑@一成果靠的完全是數據，”思科的 Kranz 說道。

智能制造和機器學習策略使工程師們能夠及早發(fā)現錯誤，從而降低了修復成本。此外，員工可以更高效地安排和管理原材料庫存；對最終客戶而言，產品發(fā)布日期的透明度也會提高。隨著時間的推移，將會獲得更多見解，實現更高的效率并節(jié)省更多成本?！熬蛯崿F這些優(yōu)勢而言，我們才剛剛開始”，美光科技的 Allan 說道。

合作的力量

智能制造的一個基本要素是合作，即在制造商和供應商之間、公司內的各個部門之間以及公司和標準機構之間開展合作?！皼]有哪個組織擁有自己所需的全部數據，”Lam Research 首席運營官 Tim Archer 說道?！靶枰⒑献麝P系”來幫助生成數據，然后充分利用這些數據。

Lam Research 目前在一臺制造工具上配有近 1000 個傳感器，一流的晶圓廠可能擁有數百臺這種工具。這就是美光科技到目前為止已從其 13 個晶圓廠收集了超過14PB 制造數據的原因之一。

點擊下方視頻了解美光科技高級副總裁 Wayne Allan 介紹如何使用大數據分析來改進良率并打造更高效的工廠網絡。

如今，企業(yè)可以利用數據分析快速高效地完成設備投入生產的準備工作。在某些情況下，Lam Research 已將完成工具正常運行準備工作所需的時間從 21 天縮短到一周以內，大大減少了工廠在做好生產準備方面所需的時間。

在供應商、制造商和其他各方之間共享數據和見解十分重要，但需要建立信任并實施 IP 保護。到目前為止，這些合作似乎很有效，但安全和信任仍是關鍵問題?！叭绻麛祿蚕碇袛?，可能會成為一種扼制因素，”Lam Research 的 Archer 說道。

工作機會

新技術的出現會讓某些工作不可避免地會發(fā)生變化甚至消失，機器學習亦是如此。“這是轉型過程中始終存在的一個問題，”新加坡經濟發(fā)展委員會的 Yi-Hsen 說道?！肮芾磉@類變化的關鍵在于持續(xù)進行員工教育和培訓?！?/span>

新加坡數十年來一直致力于將勞動力保持在最先進的水平。這在一定程度上是通過與制造商合作開發(fā)大學課程和持續(xù)培訓實現的。近來，他們還將分析、數據科學和其他技術驅動型學科加入培訓課程中。一直以來，新加坡的最終目標都是躋身技術最先進的制造業(yè)強國之列，從而提升自己的競爭優(yōu)勢。

同樣，思科也與各大學及其他機構合作打造課程和實習機會，幫助學生為迎接新興的制造工作做好準備?！斑@是一種雙贏，因為我們可以獲得具備更多相關技能、更加出色的應聘者和學校畢業(yè)生，”思科的 Kranz 說道?！斑@是正確的做法，也符合我們的最大利益?！?

即使沒有經過明確的再培訓，也會獲得新的機會。通過自動執(zhí)行重復性或日常性的任務（如晶圓廠中的工具維護），人們可以騰出時間專注于更具挑戰(zhàn)性和趣味性的問題，諸如算法尚無法解決的問題。“我們發(fā)現，有些極其出色的數據科學家曾擔任過工程師，”美光科技的 Long 說道。

制造工程師還可以在推動新技術方面發(fā)揮重要作用?！坝行┕こ處煋碛袛凳甑慕涷?，在設計新技術的過程中，我們請他們一起參與，”思科的 Kranz 說道?！八麄冊诮鉀Q方案的開發(fā)中起著重要的作用?！?/span>

未來前景

在競爭日益激烈的市場中，利用數據分析來改進制造至關重要。在半導體制造領域更是如此，各種壓力與年俱增，包括降低成本、提高效率以及專注于關鍵型產品的質量。

雖然本次討論的重點是智能制造，但小組還談到了物聯網、機器學習和數據分析對其他業(yè)務領域的巨大影響。思科的 Kranz介紹了大約 10 年前興起的物聯網帶來的影響，“當時，業(yè)務線開始成為互聯環(huán)境和物聯網的主要獲益者，”Kranz 說道?！叭缃?，所有公司都在向科技公司演變?！?/span>

了解更多SEMICON West 2017 圓桌會議精彩洞見，請點擊下方視頻觀看。