隨著數字技術的普及和芯片短缺的加劇，半導體行業面臨著巨大的壓力，既要生產缺陷盡可能少的產品，又要迅速向市場推出創新產品。如今產生的大量數據為整個行業創造了新的機會，以最大限度提高生產、創新和降低成本。材料相關行業的參與者都知道，需要通過數據協作來加快總產量、生產/研究和質量，但必須要解決幾個挑戰。

首先，考慮到初期投入的成本和時間，單家企業不愿意建立一個孤立的生態系統。其次，企業通常擁有不同的數據系統、漫長的學習周期和冗長的流程來構建新的能力。最后，目前還沒有一種合適的解決方案，既能解決這些問題，又能保護知識產權(IP)，并確保公司對其數據擁有完全的控制權。

半導體制造對協作數據生態系統的需求

原材料中十億分之一級別的雜質也可能最終會影響客戶的工藝性能。機器學習是該行業的一個重要工具，它被用來理解偏差并構建預測模型，以便及早發現與產量相關的挑戰。然而，這些算法的有效性取決于從供應商到最終產品的整個生產過程中數據的完美和一致。這一過程十分耗時，通常需要幾個月到一年的時間來匯總，然后才能對相關數據進行操作。

由于原材料、成品材料和設備流程數據都可以組合在一起，因此擁有一個協作數據生態系統有助于確定可以自動處理的數據關系。同樣重要的是，根據特定參數和現場性能來優化設備的性能和維護，從而引導正確的資源，最大限度地延長正常運行時間并降低成本。

開放式數據分析平臺已被TEL和Micron等公司采用，它允許半導體行業的參與者能夠就相關信息展開合作。對半導體生態系統的好處是，所有參與者現在都可以開始了解和材料和設備質量的新情況，以及這些情況與制造工藝的關系。

此外，他們還能從供應鏈透明度和可持續性洞察中獲益。通常，每家公司都在關注自身流程的優化，但當我們將供應鏈上的所有各方匯聚在一起時，我們就能看到數據集之間的相互作用。這些相互作用(數據之間的關系)會影響對績效——換言之，如果不將各方聚集在一起并分析這些數據之間的關系，那么這些影響績效的數據關系就會被隱藏起來。如果有全面的數據集，分析可在數天內完成，這具有顯著的時間和資源優勢。

生態系統中的每個參與者如何受益？

材料供應商可通過協作分析提高質量和FAB廠參與度，協助管理次級供應商，并通過整合生產和質量數據實現前所未有的透明度來提高效率。

設備制造商可以通過主動識別根本原因和實現更嚴格的質量控制，來減少停機時間和質量偏差的影響。他們可以通過單一、安全的平臺與供應商及其數據互動，并提供持續的反饋。數據整合可實現預測分析，減少質量偏差，加快產品上市時間。

設備供應商通過利用數據分析進行預測性維護，提高設備運行的可視性和有效性。他們通過更好的工具匹配、共同優化設備、工藝參數和優化維護計劃來減少停機時間，從而幫助設備制造商快速提升產量。

協作生態系統如何保護機密信息？

保護半導體行業的機密信息和知識產權至關重要，但在共享非敏感數據時過于謹慎會影響關鍵學習能力。提供多級控制、安全性和可追溯性以確保機密信息保密的能力是協作生態系統的基礎。

數據訪問是一個值得關注的重要問題，特別是當數據被引入共享生態系統時。如果各方不愿意共享原始流程數據，則可以選擇在共享前對其進行混淆和標準化處理。此外，單個組織對其提供給生態系統中其他成員的數據擁有完全的所有權和控制權。

例如，一個組織的參與者在研究特定流程模塊時，只能訪問該組資源或進行分析所需的材料供應商的數據子集。因此，要監控用戶和項目數據訪問情況，就需要有系統的跟蹤功能，并考慮到具體操作業務或分析目標。這就為平臺提供了原生的高度審計功能，從而有助于在生態系統內其他多層次安全的基礎上進行構建。該平臺可確保敏感數據的處理符合數據隱私規則，例如GDPR、法規和標準。該軟件可提供一流的安全性、訪問控制、分區審計和問責功能，以支持負責任的數據使用。

數據規范化和混淆方式

標準化是任何數據分析工作流程中不可或缺的方法，它在協作環境中更為重要。在流程制造中，數據集和變量在量級和計量單位上可能存在顯著差異。為了找到有意義的關系并開發不受比例影響的穩定模型，有必要對數據做線性化處理，并將數據比例調整到可比較的范圍內。如果將目光投向整個半導體制造和價值鏈上的不同業務，數據集之間的差異就會更加突出。

圖1：一個簡化的數據平臺示例 資料來源：Athinia

圖1展示了一個簡化的數據平臺示例，該平臺可自動對供應商和集成設備制造商之間的數據進行適當的轉換和縮放。圖中顯示了雙方的數據流程，數據經過一系列轉換后產生了一個可共享的數據集版本。在這個示例中，通過配置文件(config)定義并應用特定的規范化方案，然后使用編碼器函數對列名進行混淆處理，從而生成可共享的數據集，并通過連接鍵與其余各方進行合并。

有多種數據標準化技術可供選擇，包括量化、縮放、變量轉換、特征創建和排序。圖2顯示了每種技術的優缺點。

表1：多種數據標準化技術的優缺點

協同洞察，以便做出更好的決策

通過自動數據攝取和機器學習，將關鍵數據匯集到一個中央樞紐，從而隨著信息的增加而不斷改進，提高質量并減少可能造成供應鏈短缺的偏差。生態系統參與者可以利用數據分析、人工智能和機器學習工具，結合各公司擁有的工藝知識和化學知識，獲得推動更好業務決策所需的重要見解。這個統一的系統必須在安全的環境中包含典型的數據科學工作流程，然后在整個供應基地和設備制造商中實現標準化。