隨著當今活躍設備的數(shù)量比以往任何時候都要多，數(shù)據(jù)正以指數(shù)級的速度增長，系統(tǒng)也變得越來越復雜。

在創(chuàng)建這些系統(tǒng)和設備背后，是半導體制造工藝或流程中大約200個工藝步驟，這越來越需要對材料進行微調(diào)，以支持當前和下一代技術(shù)。

在過去的幾年里，每個技術(shù)節(jié)點的維度都收緊了。隨著新材料的引入，以滿足新設備的性能目標，圍繞材料與制造工藝的相互作用，新的挑戰(zhàn)正在上升。每個單獨的過程對任何變化都變得越來越敏感。這不僅是從材料的宏觀性質(zhì)上看的，而且現(xiàn)在更常見的是，還與次級供應商的工藝或一些變化導致雜質(zhì)。

半導體行業(yè)，包括材料供應商和設備制造商，已經(jīng)認識到需要改進材料質(zhì)量和分析的方法。需要一個新的全行業(yè)數(shù)據(jù)協(xié)作和分析平臺，例如由Athinia通過默克KGaA，德國達姆施塔特和Palantir Technologies之間的合作伙伴關(guān)系實現(xiàn)的平臺。

提供高級數(shù)據(jù)分析有助于限制從供應商到半導體制造廠的整個價值鏈中質(zhì)量或性能偏差的代價高昂的影響。它還將幫助晶圓廠在單一、安全的平臺中管理制造流程的更快創(chuàng)新，該平臺將支持提高進料質(zhì)量并提高供應商參與度。供應商通過智能數(shù)據(jù)集成從內(nèi)部效率提升中受益，可以成為他們所服務的晶圓廠的更好合作伙伴。

關(guān)鍵是要了解哪些數(shù)據(jù)，如何將數(shù)據(jù)整合在一起，然后如何以安全的方式進行操作，以便您在不擔心IP污染的情況下推動見解。

通過在安全且支持的數(shù)據(jù)共享平臺中利用人工智能和大數(shù)據(jù)分析，材料供應商和設備制造商可以共享有關(guān)材料和晶圓廠工藝的大量數(shù)據(jù)，以實現(xiàn)材料質(zhì)量和供應鏈的下一步發(fā)展?，F(xiàn)成的機器學習模型用于通過Palantir鑄造平臺分析數(shù)據(jù)中的相關(guān)性。

協(xié)作數(shù)據(jù)共享平臺甚至可以通過最小化或消除任何材料中斷來實現(xiàn)設備制造工廠的高利用效率，從而幫助應對諸如芯片短缺之類的挑戰(zhàn)。這也有助于任何給定的材料供應商更有效地管理供應鏈，并確保他們能夠繼續(xù)擁有可持續(xù)的供應，進一步減少材料對芯片短缺的任何影響。

使用這種數(shù)據(jù)驅(qū)動的決策始于堅實的數(shù)據(jù)基礎，其中安全性至關(guān)重要?？蛻舯Ａ羝鋽?shù)據(jù)的唯一所有權(quán)，在保留其 IP 的安全環(huán)境中保留控制權(quán)。Athinia提供匿名化（刪除元數(shù)據(jù)，即列名稱）和擴展的功能，以實現(xiàn)安全的信息流和可靠的統(tǒng)計數(shù)據(jù)。

像這樣的平臺的行業(yè)優(yōu)勢是廣泛的，包括：

縮短下一代技術(shù)節(jié)點的新材料的上市時間，

實現(xiàn)更高的產(chǎn)量，

推動設備制造零缺陷，

并改善供應鏈延遲。

所有這些都將有助于加速新消費電子產(chǎn)品的交付。

審核編輯：郭婷