半導體行業(yè)始終引領著變革性技術革新的浪潮，驅動制造流程的復雜性不斷升級，從而延長了產品上市時間，增加了研發(fā)成本，并且導致問題出現時出現代價昂貴的延誤。

半導體制造商們在應對重重挑戰(zhàn)時，全面預測生產問題、精準把握良品率的能力，已成為企業(yè)發(fā)展的關鍵勝負手。各公司正在加大 AI 和ML技術的投入，目標是針對研發(fā)制造端預測的新模型，力求在這場 “制造力競賽” 中脫穎而出。

但不少企業(yè)也逐漸意識到，若要切實提升生產效率和良品率，研發(fā)機器學習模型時，就必須深入考慮半導體制造數據的獨特性，確保模型與實際生產緊密結合。同時，模型的部署也要深思熟慮，使其在關鍵的工藝決策環(huán)節(jié)發(fā)揮最大效能，從而實現從技術投入到產能飛躍的轉化。

普迪飛-ModelOps

面對這一挑戰(zhàn)，PDF Solutions（普迪飛）提供了用于AI預測建模的ModelOps（Model Operations）解決方案。ModelOps提供了一種結構化的方法來管理機器學習模型的生命周期。

隨著半導體行業(yè)進入chiplets（芯粒）、數字孿生和無人工廠的時代，大量不同類型的半導體智能制造應用場景都需要眾多模型。靈活且模塊化的系統被用于AI、ML或其他各類決策模型的生命周期管理、監(jiān)測、控制以及運營實施。預測建模有助于在整個企業(yè)范圍內加速模型的創(chuàng)建與部署、擴大其應用規(guī)模、實現自動化操作，并讓模型的創(chuàng)建與應用更普及化。

加速半導體產能提升、提高整體良率、質量和效率

在 ModelOps的助力下，用戶可以將第三方模型為己所用，也可以把研發(fā)的模型和算法接入AI/ML模型生命周期管理平臺。他們可以根據晶圓廠數據和/或上游測試點數據預測測試結果，建議在任何步驟進行bin覆蓋調整，檢測超規(guī)或異常die，并對wafer map空間失效模式進行分類。

同時，通過監(jiān)測機器的異常行為與各類流程，如虛擬量測，并對缺陷圖像進行準確分類，用戶還可對設備維護事件做出前瞻性預測。無論是在fab生產環(huán)節(jié)，還是整個供應鏈體系中，ModelOps都能助力用戶實現產能最大化，達成供需平衡的優(yōu)化狀態(tài)。

模型可以離線部署，也可以在邊緣端進行在線部署，以驅動實時操作的執(zhí)行。這些操作多種多樣，既包括盡早識別潛在的芯片失效以降低測試成本并發(fā)送自動警報，也包括利用機器學習進行自適應測試 / 預測老化測試，從而判定某一芯片的質量是否足夠好，進而決定是否可以跳過測試環(huán)節(jié)。

普迪飛端到端的數據分析平臺

PDF Solutions（普迪飛）的ModelOps作為半導體行業(yè)AI預測建模、異常檢測、分類與優(yōu)化的基建方案，它能夠以結構化的方式管理半導體制造流程中ML模型的生命周期。它將概念驗證模型升級為可擴展的且能用于生產的成熟方案，讓企業(yè)能夠在像預測性維護、良率優(yōu)化等多種應用場景中高效運用 AI 模型。這些模型產生的結果也推動著整個制造業(yè)領域的實踐行動。

普迪飛ModelOps方案

通過兼具擴展性、決策優(yōu)化以及復雜場景下的定制化解決方案，致力于解決半導體制造的獨特挑戰(zhàn)，從而創(chuàng)造巨大的商業(yè)價值。其價值聚焦于提升決策力、增強運營的靈活性及優(yōu)化團隊的協作，將AI預測建模賦能生產，精準預測設備故障、優(yōu)化生產計劃排期，實現良率與利潤雙增長，推動企業(yè)在行業(yè)競爭中穩(wěn)步發(fā)展。

隨著行業(yè)不斷發(fā)展，對于那些希望有效利用人工智能并在快節(jié)奏市場中保持競爭優(yōu)勢的企業(yè)來說，采用ModelOps將至關重要。

Freemium是PDF Solutions-Exensio數據分析平臺的SaaS平臺，輔助半導體企業(yè)新產品導入、良率和測試運營的離線管理，可隨時隨地訪問離線數據；同時平臺提供高靈活性和強互動性的工具，快速識別和表征良率、質量和效率問題，探求其根本原因，進而制定預防問題的規(guī)則，規(guī)避問題發(fā)生。