智能制造——现代工厂如何打造“会思考的机器”？

SmartFactory洞察力博客系列

你是否曾想过

商店是如何理货的？

又是如何知道要把黄油放在面包旁边的？

Netflix是如何根据观看历史推荐电影的？

这些就是基于数据提取技术的“购物篮分析”示例。该技术也叫做频繁模式挖掘，它能够寻找重复出现的关系，从而在不同数据项之间找到关联。

▲ 模式挖掘是一种基于频率对Context进行表征，从而找到数据之间关联关系的机器学习技术

SmartFactory解决方案将上述技术运用到半导体制造时，能够帮助我们深入了解工艺以实现快速的质量提升。此类算法完全能够在尽可能减少人为干预的情况下处理海量数据，从而获得最优的解决方案。

在半导体行业，芯片制造是一个复杂的过程，系统性地识别变化诱导源是必不可少的一项工作。在所有组合中识别相应的变化诱导来源会为生产带来巨大的好处，这也意味着用户需要了解各种环境中变化来源的集体反应。当前，业内通常会从单一角度来研究这些变量促成因素，而对其在动态制造场境中的关系却鲜有研究。

Applied E3SPC平台能够深入研究此类关联，并且能够快速地整合并传达此类信息。应用材料公司的团队采用了机器学习的研究，这些研究成果帮助我们识别生产设备和工艺流程的行为，从而进行产线的定制化、持续和自动化的调整。

▲ 智能SPC能够透过数据，发现新的洞见

智能制造正在将我们引领到更深层次的集成，为提高生产效率和质量以降低成本提供了机会。行业正在向由机器学习赋能的集成系统迁移。因此，高度专业化的技术需要紧密协作，这样才能实现知识转移。

此类数据分析工具的价值在于：

1

通过识别不断变化的行为，来迅速发现信号，这是减少变化的关键；

2

通过识别正确的变量和关键行为，以便第一次就产生正确的结果，从而最大限度地减少噪音和中断；

3

帮助工程师即时访问最佳数据并立即采取行动，从而更迅速地解决问题。借助此类工具，客户实现每年减少不变性达20%；

4

为工厂带来更新的洞见帮助简化生产线，最大限度地提高效率。将模式挖掘关联关系结果运用到工厂的派工系统中，能够增强设备匹配率，提高整体的设备可用性。

Applied E3 SPC将帮助终端用户快速了解构成测量结果的瞬态和真实动态。该技术还能够明确地展现制造设备和流程的行为，从而进行定制化、持续以及自动化的调整。这能够简化检测流程，作出由科学数据所驱动的决策，从而提高整体SPC的实践能力。它还将有助于实现高质量标准，并有效地为客户带来最出色的材料。

▲概述机器学习算法对SPC应用的增强作用以及其与其它工厂模块的无缝集成

关于应用材料公司

应用材料公司（纳斯达克：AMAT）是材料工程解决方案的领导者，全球几乎每一个新生产的芯片和先进显示器的背后都有应用材料公司的身影。凭借在规模生产的条件下可以在原子级层面改变材料的技术，我们助力客户实现可能。应用材料公司坚信，我们的创新实现更美好的未来。

智能机器学习算法公司频繁模式

免责声明：本网信息来自于互联网，目的在于传递更多信息，并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益，请及时联系我们，本站将会在24小时内处理完毕。