Micron Technology稱，芯片制造商們正在采用人工智能（AI）來加強晶圓工廠的運營，而且這一努力開始看到了成效。

晶圓工廠管理者們需要判斷客戶不斷變化的需求，同時在全球多個制造基地實施不斷變化的工藝技術。據Micron晶圓工廠副總裁Buddy Nicoson表示，所有這些情況的發生，是因為芯片制造商們的目標是要盡快實現公司層面的產量和質量目標。在超過30年的職業生涯中，Nicoson曾經幫助管理過三星、AMD、Cypress Semiconductor等廠商的芯片工廠。在2014年加入Micron之后，他幫助Micron率先將人工智能技術引入晶圓工廠。

在近日舉行的Semicon Taiwan展會上，他表示：“AI可以讓產量比沒有使用AI快25%，達到每百萬缺陷率（DPM）要求的速度比以前快了35%。”

目前Micron在美國、日本、臺灣以及新加坡都設有工廠，并建立了團隊相互學習。如果有團隊從臺灣團隊那里學習了大數據的經驗，“我們希望通過我們的網絡盡快推廣起來，”Nicoson表示。

有了AI，Micron將把晶圓工廠管理從芯片設施轉向遠程控制中心。

“你不再需要像以前那樣有人在工廠現場待著，如果你可以通過儀表板設置遠程操作中心，你會有更廣闊的視野。”

每天Micron都會產生5TB的數據，有3000個數據儀表板。Micron將這部分工作劃分為工作站部門和工作站團隊。

“如果你的企業組織內有13000人，那么3000個儀表板就不算多了。我們正試圖把一些非常復雜的事情，用簡單易懂的語言說給那些正在致力于讓我們變得不同的人。我們必須讓接口工具變成有形的、讓我們的人可以用起來的。”

需求預測

有一種AI應用具有很大的潛力，那就是需求預測，這對沒有輔助的人類來說，是相當困難的，Wiseman這樣表示。

“當蘋果發布一款新iPhone手機的時候，你最好了解最理想的預測情況。否則，你就跟不上最新形勢了。如果你的供應對象是除了蘋果之外的所有廠商，誰會贏？你是給誰出貨產品？我們看到價值鏈中每一點都有大量的過剩和注銷。”

他說，運用機器學習，可以更好地了解要供應多少芯片。

Nicoson表示：“現在規劃是很靈活的。每一分鐘都在變。如果你沒有調度員來時刻關注著工廠運營的實施動態，那么你就落后了。這些都可以通過虛擬化來增強。”

不再有孤島

Nicoson將可視化視為“一件大事”。全方位的可視化，可以暴露隱形的損失和隱形的浪費。

“如果你和現場工程師聊一聊的話，你會發現他們現在遇到的一個挫折，正是我所說的孤島問題。他們必須進入一個系統，去查看一些情況，然后他們進入到另一個系統，去查看其他一些情況，這不是全方位或者有一致性的。”

他說，非結構化數據可以用于消除Micron現有數據中存在的偏差。

“你最終會看到以前看不到的那些隱形損失以及浪費，現在這已經成為系統簽名，在這方面你可以做一些事情了。”

管理人力資源

Wiseman表示，機器學習還可以告訴管理層，某位員工什么時候會辭職。

“你可以查看員工的社交網絡行為，上LinkedIn的頻率，以及電子郵件行為。你可以預測員工的離職，精確率大約是95%。”

通過預測結果，公司管理層可以在員工離職前采取行動并“留住”員工。他說，這意味著管理層和員工之間需要新的溝通協議。

深度學習

對于芯片制造商來說，深度學習仍然是一項處于起步階段的技術，Nicoson這樣表示。目標之一，就是在制造過程的初期發現硅片上的缺陷。

他說：“這與面部識別非常相似。有兩個方面：幾何識別和光度識別，這是非常有效的。”

尷尬的是，半導體行業在采用AI方面比較滯后。Nicoson指出，半導體行業才剛剛開始將AI技術與獲得價值聯系到一起。

AI將幫助把新一代工作者與老一代工作者連接起來，Nicoson表示。

他拿一位在Micron公司做了24年圖片操作員來舉例子。

“他是一位很資深的員工，關于圖片他無所不知。我們需要讓他轉型，讓他發揮他的價值。由于他所擁有的知識和時間經驗，他成為新一代員工的重要導師，新一代員工對物聯網、系統和軟件了解得更多，但是缺乏實際應用的知識。”