您的浏览器禁用了JavaScript(一种计算机语言,用以实现您与网页的交互),请解除该禁用,或者联系我们。[麦肯锡]:后端自动化如何改变芯片制造商的游戏规则 - 发现报告
当前位置:首页/行业研究/报告详情/

后端自动化如何改变芯片制造商的游戏规则

电子设备2023-08-18麦肯锡测***
AI智能总结
查看更多
后端自动化如何改变芯片制造商的游戏规则

半导体实践 后端自动化如何改变芯片制造商的游戏规则 在自动化后端流程时,半导体公司可以通过优化操作系统、管理杠杆、思维方式和行为来最大化影响。 本文是OndrejBurkacky,LucaFiandro,MarkNikolka,GiuliettaPoltronieri,TaylorRoundtree和RainerUlrich的共同努力 ,代表了麦肯锡半导体实践的观点。 2023年8月 半导体产业有一个声誉 用于高技术和超高效制造,似乎为尖端运营提供了蓝图。然而,这种看法可能在一个领域不足。尽管为数字经济提供了智能,但半导体公司在自动化和数字化转型方面往往落后于其他行业,尤其是后端活动,包括将晶圆切割成单个芯片、测试过程和封装。1 后端操作缺乏自动化可能会产生重大后果,因为这些活动通常占制造成本的20%至25%。随着公司转向下一代先进包装,后果可能会变得更加严重。2或者,如果他们将制造业迁至离家更近的地方,通常是在成本较高的国家,正如许多公司现在正在考虑的那样。 通过提高后端自动化,集成设备制造商(IDM)和外包组装和测试(OSAT)参与者可以显着提高吞吐量,同时从长远来看减少或消除对昂贵的资本支出扩展的需求 。自动化还将使公司对供应链和成本效率有更多的了解和控制,从而带来相应的利润提升。 后端操作的当前状态 目前,只有30%的半导体公司大规模部署了人工智能或机器学习(图表1)。行业领导者表示,原因包括缺乏功能,数据安全问题,连接性和技术问题,有时还不清楚商业案例。3 附件1 半导体行业内AI的长期年价值潜力约为900亿美元。 按时间段和息税前利润划分的半导体行业人工智能创造的年度价值,数十亿美元 ~5–8 ~35–40 已实现的影响(现在)近期潜力(2-3年) 长期潜力(4+yes) ~85–95 来源:SebastianGöke,KevinStaight和RutgerVrije,“在实现AI的行业中扩展AI:为半导体器件制造商提供的经验教训”,麦肯锡,2021年4月2日 麦肯锡公司 1前端工艺,这不是本文的重点,包括具有数百或数千个管芯(集成电路)的硅片或晶片的群体。 2OndrejBurkacky,TaeyoungKim和InjiYeom,“先进的芯片封装:制造商如何赢得胜利”,麦肯锡,2023年5月24日。3HaraldBauer,DavidEbenstein ,GiuliettaPoltronieri和JanPaulStein,“工业自动化正在走向临界点吗?”,麦肯锡,2023年6月16日。 即使是在AI和机器学习(ML)方面取得进展的半导体公司,仍然有很多机会获得额外价值。 我们的研究表明,AI/ML有助于 整个行业的50亿美元和80亿美元的未计利息和税项的年收入。虽然这是一笔可观的金额,但它仅反映了AI/ML全部潜力的约10%。此外,最有可能从AI相关价值创造中受益的活动是制造和研发-这两个领域应用最少。 最近,在全球大流行期间,车间的行业挑战凸显出来。在六个月或更长时间的交货时间内,芯片短缺导致从汽车到农业的行业放缓。即使是现在,随着大流行的影响减轻,芯片短缺仍然存在于多个领域,特别是汽车、家用电器、医疗设备和电子产品等日常应用中。与此同时,制造业增长将缓慢到至少2026年,尽管资金分配巨大,其中大部分用于前端能力。在一个预计会受到打击的行业中。 到2030年,年销售额将达到1万亿美元,4还有很大的改进空间。 自动化提高了吞吐量、性能和生产力 我们最近与主要IDM和OSAT合作的经验表明,一致的后端制造转型可以在12到18个月的时间内产生显著的性能效益。最成功的转型采用整体方法,涵盖整体设备效率(OEE)潜力(包括数字实施和自动化),厂内计划,供应链协调,总性能成本和输出质量(产量,报废和故障) 。有效实施,这些领域的行动可以导致车间吞吐量增加20 %至30%。 单位生产成本下降20%,客户投诉下降30%,所有这些都接近净零资本支出。 Thekeytocaptureback-endperformancebenefitsareautomationanddigitalinnovation.Inpracticalterms,thiswouldplayoutacrossmultipleaspectsofoperations.However,animportantfirststepwouldbeestablishingadigitalcontrolroom—a“bridgeontheship” 的瓶颈工艺步骤,如研磨、引线接合/盖连接、测试或老化。影响 最有可能从人工智能相关价值创造中受益的活动是制造和研发,这两个领域的应用可能最少。 4OndrejBurkacky,JuliaDragon和NikolausLehmann,“半导体十年:万亿美元的产业”,麦肯锡,2022年4月1日。 创建一个整体的,数字化的概述可以将OEE提高多达20%。在一个用例中,利用数字和分析的测试参数优化导致测试时间减少了13%(图表2)。 贯穿这些经验的一个共同点是,数据是成功转型的命脉 ,支持端到端优化,并确保维护-例如 处理程序和测试人员-及时有效(图表3)。在一项试点计划中,一家公司通过引入预测性维护流程,将停机时间减少了40%。另一个数据驱动的解锁是RTD(实时调度),它可以与更广泛的供应链协调联系起来。此外,数据可以告知管理总成本绩效-例如,与采购和劳动力有关。 附件2 测试参数优化提高了整体设备效率。 示例用例:半导体测试故障率和时间分配 试块A 份额合计 试块B 试块C 非功能测试的比例,% 测试顺序 (~20s) AI主导的优化将 通过删除3个测试来提高效率 测试时间,%试验故障率,% 麦肯锡公司 附件3 预测性维护可以大大减少停机时间。 预测性维护系统将如何工作 需要维修 自动触发和计划定期维修;跨职能团队 (制造、数据科学和IT)建立了预测性维护流程和仪表板,以提高整体设备效率 分析问题 在测试仪发生故障之前,应用数据分析算法来确定设备状态,尤其是由处理程序引起的故障 审查工程限制 将收集的数据与处理程序的预定工程限制进行比较 尚未达到极限 无需维修 定期监测 通过定期设备监控自动收集数据 已超出限制 试点计划中与设备相关的计划外停机时间,按季度划分, %基线 100 80 60 40 4X 执行期 减少停机时间 20 0 Q1Q2Q3Q4Q5Q6Q7 麦肯锡公司 三个改变游戏规则的焦点领域 实施后端变更的最大障碍通常是在三个不同的业务领域:操作系统,管理系统以及思维方式和行为。成功的转换几乎不可避免地需要这些参数, 解决方案旨在解决生产过程中的特定痛点。 操作系统 一个常见的挑战是,公司没有基础设施来检测或补救车间运营中的低效率。因此,转换将理想地将高级功能嵌入到操作系统中。增强功能将包括视觉管理技术,包括特定标签中的颜色编码批次或批次放置 一个经常被忽视的因素是机器布局,应进行优化以减少等待时间和改善物料流。 一些领先的公司正在转向一系列工业4.0杠杆来提高生产率,这些杠杆需要无缝集成到常设操作系统中。在最有效的 是这些: —物联网传感器将提高OEE的透明度并提供详细的见解 在微观停止中以及从高级数据中不容易看出的OEE损失(例如,未监控/未计入的OEE损失或错误的输入 ,如分配不当损失桶)。 —实时调度将提高利用率。在这里,软件监控生产中的材料并将其分配给机器,以最大限度地减少等待时间并最大限度地提高吞吐量。同时,数据可以告知计划,以更有效地管理分配,将材料调度到未充分利用的走廊,并避免浪费。 —高级产量分析可以跟踪有缺陷的管芯到前端晶圆的位置 。这对于电和热故障模式都是必不可少的高级封装来说变得越来越重要。它还将有助于逐步引入先进的晶体管结构-包括全环栅(GAA)场效应晶体管(FET)和纳米片FET-由于其小尺寸和三维形状,目前对常规缺陷检测具有抵抗力。 —高级测试分析会删除不必要的测试块,例如故障率低的测试块。随着芯片复杂性的上升,这将变得越来越重要 ,这是由每个芯片的晶体管数量不断增长和增加 包复杂性。反过来,这些将 驱动高资本支出测试设备上更长的测试时间的要求。 —自动导引车(AGV)和自主移动机器人(AMR)可以改善材料处理和简化操作 在greenfield后端晶圆厂。许多greyfield晶圆厂没有设置以最大化其使用。 一个关键原因是空间限制和需要容纳所需的AGV/AMR的数量。 —视频分析可以简化手动组装。 与前端制造相反,在后端有一系列视觉检查步骤,需要大量的操作员时间。 示例包括老化板的检查和维护,引线接合后的缺陷检查以及模具的检查。这里,自动视觉检查,由 机器学习算法,可以帮助简化流程和减少劳动力。 —分析驱动的工艺参数优化尤其是测试和老化测试,通常会受到次优的处理程序操作以及有故障或不活动的测试站点的困扰,从而导致吞吐量受到限制。高级分析可以使测试人员队列中的处理程序速度保持一致,而测试板上的机器学习算法可以预测站点故障。 —数字孪生(也就是说,产品/生产系统的虚拟模型)已经由一些后端制造商在容量,维护和供应链优化方面进行了部署。一个更强大的应用程序将对之间的相互作用进行整体建模 供应链,在制品(WIP),操作员,机器和维护 ,以查明产量问题,预测在制品气泡和ODD(准时交货日期),并加速生产斜坡。一个共同的挑战是 缺乏数据可用性,同时缺少现实世界的反馈循环 。 找到更多这样的内容 麦肯锡见解应用程序 扫描•下载•个性化 管理系统 在高层,一个共同的挑战是薄弱的KPI结构和从未连接的系统手动或半自动收集数据。这导致缺乏透明度和经常延迟的行动。此外,高层目标没有转化为车间和转移目标 ,反映了高层管理和日常运营之间的脱节。 通常,车间运营商对预期不清楚,导致参与有限和保留率低。 可以通过清晰的KPI和使用仪表板进行监督和监控来缓解断开连接。这些应该被索引到日常车间操作(例如,每个班次生产或测试的模具以及每个班次的面积或整体产量 )。 高级别定期会议应 Holdtomonitorprocessesandresolvebenterminating.Wheretargetsaremisked,seniormanagementshouldsupportissuesresolution,participatein Gemba走路(一种精益的方法经理 action.Thismaymean,forexample,beingontheshopfloorforGembawalkandprocessconfine-mations,supportingrootcauseproblemsolving,andofferingregularfeedbackandcoaching. 与此同时,轮班经理应努力提高车间水平的自主性,并领导绩效对话。团队建设举措可以帮助 锻造协作和学习意识。同时,量身定制的能力建设围绕卓越制造和工业自动化的计划将有助于嵌入和维持转型。 最后,公司不应该为庆祝自己的成功而感到尴尬。表达和传达转型变革故事,解决文化阻力是有意义的 正面,并展示个人和运营绩效的改进是如何齐头并进的。 亲自参观车间) ,并努力 消除潜在的障碍。相反,在达到或超过目标的情况下,应承认和奖励成就,然后进行调整以获得改进。 心态和行为 有效的组织变革取决于文化和心态。简单的措施,如定期的反馈会议,向高级管理人员展示成功,以及量身定制的学习模块(例如,关于自动化、制造原则和质量),可以激发热情,确保决策一致。 通常,需要改变领导风格。领导者将应用领导者的“标准工作”,定义领导者应该采取什么,何时以及如何 后端运营的转型可能会对工厂的吞吐量、生产率和性能产生重大影响,但这种影响是偶然的 关于变革举措的有效性。最成功的是建立在三个支柱上— —操作系统