SmartFactory洞察力博客系列

你是否曾想過

商店是如何理貨的？

又是如何知道要把黃油放在面包旁邊的？

Netflix是如何根據觀看歷史推薦電影的？

這些就是基于數據提取技術的“購物籃分析”示例。該技術也叫做頻繁模式挖掘，它能夠尋找重復出現的關系，從而在不同數據項之間找到關聯。

▲ 模式挖掘是一種基于頻率對Context進行表征，從而找到數據之間關聯關系的機器學習技術

SmartFactory解決方案將上述技術運用到半導體制造時，能夠幫助我們深入了解工藝以實現快速的質量提升。此類算法完全能夠在盡可能減少人為干預的情況下處理海量數據，從而獲得最優的解決方案。

在半導體行業，芯片制造是一個復雜的過程，系統性地識別變化誘導源是必不可少的一項工作。在所有組合中識別相應的變化誘導來源會為生產帶來巨大的好處，這也意味著用戶需要了解各種環境中變化來源的集體反應。當前，業內通常會從單一角度來研究這些變量促成因素，而對其在動態制造場境中的關系卻鮮有研究。

Applied E3SPC平臺能夠深入研究此類關聯，并且能夠快速地整合并傳達此類信息。應用材料公司的團隊采用了機器學習的研究，這些研究成果幫助我們識別生產設備和工藝流程的行為，從而進行產線的定制化、持續和自動化的調整。

▲ 智能SPC能夠透過數據，發現新的洞見

智能制造正在將我們引領到更深層次的集成，為提高生產效率和質量以降低成本提供了機會。行業正在向由機器學習賦能的集成系統遷移。因此，高度專業化的技術需要緊密協作，這樣才能實現知識轉移。

此類數據分析工具的價值在于：

1

通過識別不斷變化的行為，來迅速發現信號，這是減少變化的關鍵；

2

通過識別正確的變量和關鍵行為，以便第一次就產生正確的結果，從而最大限度地減少噪音和中斷；

3

幫助工程師即時訪問最佳數據并立即采取行動，從而更迅速地解決問題。借助此類工具，客戶實現每年減少不變性達20%；

4

為工廠帶來更新的洞見幫助簡化生產線，最大限度地提高效率。將模式挖掘關聯關系結果運用到工廠的派工系統中，能夠增強設備匹配率，提高整體的設備可用性。

Applied E3 SPC將幫助終端用戶快速了解構成測量結果的瞬態和真實動態。該技術還能夠明確地展現制造設備和流程的行為，從而進行定制化、持續以及自動化的調整。這能夠簡化檢測流程，作出由科學數據所驅動的決策，從而提高整體SPC的實踐能力。它還將有助于實現高質量標準，并有效地為客戶帶來最出色的材料。

▲概述機器學習算法對SPC應用的增強作用以及其與其它工廠模塊的無縫集成

關于應用材料公司

應用材料公司（納斯達克：AMAT）是材料工程解決方案的領導者，全球幾乎每一個新生產的芯片和先進顯示器的背后都有應用材料公司的身影。憑借在規模生產的條件下可以在原子級層面改變材料的技術，我們助力客戶實現可能。應用材料公司堅信，我們的創新實現更美好的未來。