Lost your password?
Not a member? Register here

电子产业智能制造发展路线图中数据流需考虑的因素

十二月 05, 2019 | I-Connect007
电子产业智能制造发展路线图中数据流需考虑的因素

2019年版iNEMI发展路线图中新增了智能制造部分内容,明确电子制造业实现智能制造存在的关键技术差距和需求,并提供指导建议。本文简要介绍了该章节内容。
 
电子制造业的未来取决于行业实现智能制造和工业4.0而开发和部署技术平台的能力。智能制造技术将通过整合更多数据收集和分析系统,创建涵盖从供应链到制造再到客户体验的全流程虚拟模型,从而提高生产效率、安全性和可制造性。大数据分析和人工智能(AI)的应用,可以更有效地收集和分析大量数据。
一些行业报告预测,在部署智能制造解决方案后,制造商将可在2022年实现数百亿美元的收益。世界各地的研发计划正在开发可以提高可追溯性和可视化的技术,做到可预测和实时分析,并通过程序由机器控制,同时构建灵活的模块化设备平台,以实现多品种、小批量产品的柔性生产。
电子制造业的垂直领域——半导体器件、外包半导体组装和测试(OSAT)以及印制电路板组件(PCBA)正在融合,对应的服务产品也正在整合,这些融合和整合成为向前发展的动力,例如:
• 响应快速变化的复杂业务需求
• 管理日益复杂的工厂
• 利润率下降的同时实现财务增长目标
• 满足工厂和设备的可靠性、产能、生产力和成本要求
• 通过跨行业来实现工厂技术整合
• 满足前沿工厂的灵活性和可扩展性需求
• 应对全球环境问题日益增加的要求
 
随着供应链的不断发展和融合,传统物料流的改变将推动制造业全面采用无缝互连技术。
2019年版iNEMI发展路线图的智能制造部分着眼于跨行业领域的关键技术,明确必须解决的主要差距和需求,以及如何整合这些关键技术。为了构建强大、灵活且可扩展的基础,需要考虑的最重要技术是:
• 物料流动和转换
• 数据流架构
• 数字构建模块(人工智能、机器学习、数字孪生技术)
• 安全性
 
本文重点介绍智能制造的数据流架构,其基础是:
•工厂信息和控制系统
•大数据
•边缘计算、雾计算和云计算
本文强调了该发展路线图将这些要素整合到了工厂运营和设施、数字构建模块,以及半导体、OSAT和PCBA制造的安全性中。
 
现状分析

普通工厂运营和制造技术(如工艺流程、测试和检查)以及对应的支持软硬件正在迅速发展,同时诸如AI、机器学习(ML)和预测(相应的措施)用于分析的数据其传输和存储速度也在加快。

大数据的出现和持续的增长比原先预期得更快,这一趋势还将继续,突出了现有挑战并引入了以前未考虑到的新问题,该发展路线图确定了数据流需要考虑的几个关键因素,应该注意的是,虽然三大电子制造垂直领域(半导体、OSAT和PCBA)中存在共同要素,但是也存在各自特有的状况。不论怎样,领域之间的标准化通信接口都是至关重要的。

 

半导体和OSAT

对于半导体器件制造和之后的组装及测试,加快大数据技术的开发,将支持采用解决方案,实现数据生成、存储和使用的增加所带来的益处。能够以实时和接近实时的速率提供更高的数据量,这将增强设备参数数据的可用性,从而提升良率和质量。这些变化存在的相关问题和解决方案包括:

• 提供智能制造功能的连接架构(图1)

• 制造执行系统(MES)之间的数据流——雾或云——和机器接口(边缘)

•在云之间及跨云传输到远程接入点的信息安全性

•边缘设备之间数据格式的标准化/指南(例如机器与机器(M2M)通信)

•实时监控和响应时间的首选方案(例如M2M与机器到MES、边缘到雾)

图1:提供智能制造功能的连接架构

 

印制电路板组件(PCBA)

PCBA与半导体以及OSAT一样,要解决的主要问题是数据质量,并将相关专业知识纳入分析,以实现有效的在线制造解决方案。

应该根据“5V框架”来讨论电子制造运营中大数据的出现,5V框架具体内容如下,如图2所示:

1. 量值

2. 速度

3. 种类(数据合并)

4. 准确性(数据质量)

5. 价值(分析应用)

 

大多数半导体、OSAT和PCBA的相关专家都强调必须建立稳健的冗余数据流架构,以便从5V属性中受益。

 
图2:大数据的“5V框架”

 

工厂的数据量正以指数级速度增长。数据采集速度从20世纪90年代的不到1赫兹增加到今天的10赫兹,预计普遍的数据采集速度在几年内将达到100赫兹。来自设备、维护、良率、库存管理、MES和企业资源规划(ERP)的数据已存在多年;然而分析工具已经发展为可综合多个数据源来探索数据之间的联系来检测异常并预测事件。5V是基于电子行业广泛采用大数据进行分析的基础。解决已有差距(如准确性、完整性、语境关联性、可用性和存档长度)至关重要,以提高数据质量来支持电子制造业的高级分析。

 
关键属性需求的量化

开发具有可伸缩性和可扩展性的灵活架构;通过边缘、雾和云进行连接;并且集成各种设备和系统生成数据流是至关重要的。不同行业在寻求采用智能制造技术的同时,应该利用提供所需属性的架构,而数据流架构通常被认为是利用跨行业协作来确定最佳方案的主要候选对象。

 
表1a:电子工业制造领域之间和内部的关键属性需求、数据流需考虑因素
 
表1b:电子工业制造领域内部及其之间的关键属性需求和安全数据流需考虑因素
 
半导体

数据流技术的开发和应用正在加速,数据分析和数据保留协议的增长速度比最初预期得要快。收集关键数据以及建立执行智能分析的指南,并运用适当的算法来指定数据驱动的决策至关重要。正在考虑与数据有关的几个主题:

 

· 通用协议

1.“所有”与“异常”数据保留方法

2. 优化数据存储量

3. 用于分析驱动反馈和预测技术的数据格式指南

4.可改进实现时间同步、压缩/解压缩和混合/合并的数据质量协议

5. 可优化数据收集、传输、存储和分析的指南

 

· 设备数据需考虑的因素

1. 定义设备可见性的上下文数据集

2. 改进数据可访问性以支持例如高级过程控制等功能

3. 从被动功能到预测功能的数据启用转换

4. 设备信息的数据可见性(健康状态等)

 
外包半导体组装与测试(OSAT)

OSAT需要包含的数据流其关键属性:

• OSAT内的垂直数据流的要求是否与垂直(半导体到OSAT或OSAT到PCBA)之间的要求不同?

• 垂直数据流和水平数据流的安全要求是相似还是不同?

• 数据流是否依赖于边缘、雾和云对安全性的要求?

• 管控本质上具有竞争力的多品种产品的OSAT,与管控少品种产品的OSAT相比,数据流的需求是否不同?

• 在不同级别的数据流架构成熟性/采用中确定云价值的标准是什么?

• 如果ERP的云采用级别很高,那么这是否会推动机器级数据采用流向云?

 
印制电路板组件(PCBA)

相关专家一致认为数据访问通过跨平台及按需访问将变得无处不在。利用增强现实等技术将可监测生产现场,并且利用机器通信就可在问题发生之前主动识别并予以诊断。这一功能的实现得益于数据类型的管理并确保接收人收到“适当”的数据量。

 

协作努力

智能制造章节确定了为实现智能制造和工业4.0必须解决的几个关键差距。基于收集到的相关信息, iNEMI正在组织一个初步的智能制造协作项目,以解决后端电子封装的共性问题。 该项目计划解决整个包装后端特定要求的高成本和低效率问题,通过定义关键案例/示例(例如托盘载体)来解决后端物理和数据(信息)通用性,证明后端共性的益处。该项目计划在智能制造环境中分析和量化改进周期时间、利用率、产量、成本等的益处。如需获取更多信息,可联系infohelp@inemi.org 。

 

关于iNEMI

iNEMI是国际电子制造联盟,是一个非营利的、高效的研发联盟,由大约90家领先的电子制造商、供应商、协会、政府机构和大学组成。iNEMI于7月9日在西部半导体展(SEMICON West)举办会议,地点在Moscone Convention Center(旧金山)。本次会议重点介绍iNEMI的发展路线图,并包括关于后端通用性(包装、检查、测试等)领域潜在新项目征集。征集主题包括先进封装、媒介、工具优化、数据分析等。参加会议的公司包括 Intel、AMD、Rudolph、KNS、Cimetrix、Jabil、ASM、SEMI等。

更多内容请点击在线或下载查阅

标签:
#自动化与智能制造  #数据流  #INEMI 

  About

IConnect007.com是专注于印制电路板(PCB)、电子制造服务(EMS)和印刷电路板设计行业的实时在线杂志。服务于全球以及中国市场多年,发布了超过100000篇新闻、专业文章,提供行业展会实时在线报道,是电子制造领域的行业资讯领导者