STMicro construit un jumeau numérique de sa Fab de Crolles

12 février 2021 // Par A Delapalisse
STMicro construit un jumeau numérique de sa Fab de Crolles
STMicroelectronics tire des leçons clés de l'IA edge intégré dans ses puces en créant un jumeau numérique de sa propre usine de 300 mm à Crolles

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

 


Vous êtes certain ?

Si vous désactivez les cookies, vous ne pouvez plus naviguer sur le site.

Vous allez être rediriger vers Google.