STMicro construit un jumeau numérique de sa Fab de Crolles
gtag(‘js’, new Date()); gtag(‘config’, ‘UA-160857065-1’);
STMicro a construit un jumeau numérique de son usine de Crolles, près de Grenoble, pour surveiller et optimiser les équipements de production et de test.
La société utilise ses propres microcontrôleurs STM32 32 bits avec IA intégrée pour surveiller les équipements de fabrication et les systèmes de transport automatisés. Ceci est combiné à de multiples sources de données dans un jumeau numérique qui permet une maintenance planifiée et une optimisation du système, explique Philippe Magarshack, vice-président du groupe microcontrôleur chez ST. Il est en charge des Microcontrôleurs et du Groupe des CI numériques (MDG) Strategic Technology & System Architecture et est également vice-président du Pôle R&D collaboratif Minalogic à Grenoble.
«Les applications de l’industrie 4.0 sont très diverses et nécessitent du matériel et des logiciels CPS sophistiqués, de la sécurité, du cloud, du sans fil et du RTOS», a déclaré Magarshack dans une allocution sur les systèmes cyberphysiques (CPS) lors de la conférence DATE 2021. «Dans les usines intelligentes, toutes les étapes de production sont cartographiées numériquement dans un jumeau numérique et connectées. Chez ST, nous ne concevons pas seulement des produits pour l’Industrie 4 .0, mais nous utilisons ces techniques nous-mêmes. Il faut plusieurs centaines d’étapes dans une fab avec de nombreuxet paramètres, il est donc fondamental de collecter et d’analyser en temps réel tous ces paramètres. »
€100M PROJECT LOOKS AT COMPONENT AND SYSTEM RELIABILITY FOR INDUSTRY 4.0
Avec 6300 départs de wafers par semaine, l’usine de 300 mm de Crolles génère 3 To de données par jour. ST utilise trois techniques d’IA pour surveiller les plaquettes et l’équipement. La classification avancée des défauts (ADC) classe automatiquement les défauts de plaquette avec la correspondance de modèle de réseau neuronal CNN afin que les actions correctives en temps réel et les défauts soient détectés avant que d’autres processus ne soient ajoutés. Ensuite, il y a également la détection des défauts sur les équipements. Au lieu de mesurer une seule température, la courbe complète est capturée et comparée à la courbe idéale. Cela permet une modélisation en temps réel et une prise de décision pour optimiser la productivité, explique Magarshack.
à suivre: Construire un jumeau numérique
Toutes les données sont collectées dans un jumeau numérique au niveau de l’usine en tant que système de systèmes. Il y a 600 étapes de processus pour chaque wafer avec une durée de cycle de 12 semaines, et 150 véhicules robots parcourent chacun 45 km par jour en déplaçant des lots de wafers entre les équipements avec 60 000 transports par jour. Le jumeau numérique est un modèle 3D de l’équipement avec des outils de simulation de trafic et d’optimisation des processus de fabrication.
«Avoir un jumeau numérique d’une fab permet de nombreuses optimisations et nous permet d’anticiper les performances de nombreuses combinaisons de processus qui seraient impossibles à réaliser dans la vie réelle», a déclaré Magarshack. Cela inclut également les modèles de haut niveau des capteurs et des contrôleurs de système sur puce. «Les appareils CPS sont au cœur des usines intelligentes et des données générées pour les jumeaux numériques, et nous étendons la validation SoC aux cas d’utilisation au niveau de l’usine et nous l’utilisons dans nos propres usines», a-t-il déclaré.
«Le jumeau numérique SoC nous permet de jeter un œil et de fouiller à l’intérieur d’une puce pour tester des zones inaccessibles et nous permet d’injecter des erreurs n’importe où dans le système pour voir ce qui se passerait. Une co-simulation de réseau sans fil du CPS à l’aide du logiciel intégré et liaison RF simulée pour les tester dans une usine avant leur déploiement. Ces modèles avancés de haut niveau sont essentiels au développement et sont utiles même pour les produits sur le terrain. »
La société développe une nouvelle génération de capteur de vibrations avec son contrôleur STM32WB avec détection AI qu’elle installera dans les Fabs à l’avenir avec un facteur de forme plus petit. Mais ce n’est pas seulement l’IA qui est importante mais aussi le nettoyage des données et la sémantique du test.
«Nous développons une feuille de route avec des accélérateurs IA spécifiques et ceux-ci sont basés sur notre propre architecture développée en interne chez ST car nous avons des composants basse consommation et une compréhension des applications et celles-ci sortiront d’ici 12 à 18 mois», a déclaré Magarshack .
«L’accent est mis sur la détection et la compréhension des signaux faibles. L’image des plaquettes et leur classification est un ensemble restreint de problèmes. Nous avons commencé le voyage il y a un an ou deux pour identifier des sources de données uniques et nous sommes à 20% du chemin pour tirer pleinement parti des données générées chaque jour », a-t-il déclaré.
«Il nous faudra probablement encore deux ou trois ans pour en tirer pleinement parti, mais la prochaine grande étape se produira lorsque nous pourrons combiner les informations provenant de sources multiples. C’est difficile car celles-ci ont une sémantique différente pour les défauts et différentes causes de défauts et ne peuvent pas être liées facilement les unes aux autres.
«Le prochain défi pour l’industrie est de proposer un modèle de données de référence qui puisse être appliqué à tous les niveaux. Par exemple, dans le test final, vous avez la génération automatique de modèles de test (ATPG) avec des vecteurs de test identifiant un court-circuit entre deux lignes de métaux, mais cela ne correspond pas à l’outil de classification basé sur l’image, nous devons donc penser à un ensemble de défauts qui devraient être reconnus à travers les différentes sources de test.
«C’est un domaine d’attention industrielle», a-t-il déclaré. « 80% du travail concerne le nettoyage des données, 20% est sur les algorithmes et l’IA elle-même, donc le nettoyage des données nécessite une attention particulière et une partie de cela est réalisable et c’est un domaine de recherche que je recommanderais. »
Lire aussi:
L’automobile un tremplin pour ST pour atteindre les $12bn
STMicro voit ses résultats dopés par l’iPhone 12
STMicro repousse son objectif de $12bn et vise $15bn en 2025
STMicro reprend Somos Semi pour accélérer dans l’IoT
Related digital twin articles
- €30M DIGITAL FACTORY PLAN FOR PARIS
- EDGE AI STARTUP RAISES $10M FOR ELECTRONICS MANUFACTURING
- FIRST INTERNATIONAL STANDARD
- WIND RIVER IN TWIN MOVE
Other articles on eeNews Europe
- Globalfoundries plans to boost production
- Electronics eats the car industry
- Europe’s semiconductor challenge
- Bosch looks to AIoT as revenue falls
- European project for commercial silicon quantum processor
Si vous avez apprécié cet article, vous aimerez les suivants : ne les manquez pas en vous abonnant à :
