TIBCO善用數位分身實現高產能

TIBCO解決方案的整體架構和資料流。

SEMI日前一篇文章指出，隨著製造流程的複雜度日益提高，數位分身(Digital Twins) 漸漸成為高效營運和高產能的關鍵。傳統知識導向的作法正在失效，需要導入資料導向的新策略加以強化。目前業界對於數位分身(亦即實體系統的虛擬替身) 之所以展現興趣，歸功於物聯網(IoT)、機器學習和大數據科技的整合。該篇討論半導體製造採用數位分身的案例，這項強大的工具，透過偵測產品品質指標和上百萬筆流程預測參數 (主要為設備感測痕跡和流程測量數據) 之間的關聯，大大提升產能。

儘管摩爾定律(Moore’s law)逐漸放緩，它仍持續推進積體電路(IC)效能和儲存容量呈指數成長，而IC製造流程產生的數據量也跟著大增。隨著生產步驟變得愈來愈多、愈來愈複雜，製造設備裝載感測器的需求也愈來愈高。複雜的製造流程加上可得數據量增加，使業者得以轉而運用最先進的大數據、機器學習、人工智慧和串流技術，尋求以數據為本的方式提升產能。

過在為製造業設計數位分身、掌握新機會時，還有多項關鍵挑戰需要克服：
1. 範圍廣、數量大的資料挑戰──處理數量龐大的潛在預測指標。
2. 預先處理資料挑戰──抽絲剝繭，從感測追蹤和設備屬性資料中理出頭緒。
3. 特徵選擇挑戰──從大量次要變數中，挖掘出重要的金塊。
4. 記憶體內vs.大數據分析──如何有效結合兩者、取得最佳成果。
5. 效能挑戰──迅速完成上述各點、達成「即時」決策判斷。

TIBCO的解決方案

TIBCO近來提出因應上述挑戰的方法。透過TIBCO Connected Intelligence平台，TIBCO打造一套能達成各種分析應用的解決方案，包含了關係到產品品質和效能測量的上百萬筆流程變數(邏輯資料行)。這些先進應用支援根本原因分析、群集分析和其他晶粒級分析。此外，分析結果幾乎是「即時」可得，達到有效的流程介入。有了即時分析結果，製造商得以辨識細微的設備變化、特定工具的流程變更或偏移、或針對產線中不斷推進的製造流程，進行預測和補強次標準產能。

欲深入了解上述挑戰與解決方案，包括架構和特定分析活動，請下載技術報告《解決多又廣資料環境的流程控制挑戰》(Addressing Process Control Challenges in Big and Wide Data Environments)。此外亦可參考示範影片，了解本部落格中提到的使用案例；或前往TIBCO Manufacturing Solutions Community網頁，了解TIBCO更多針對製造商設計的解決方案。(本文由TIBCO Thomas Hill提供，魏于寧整理報導)