中文 英语

云与内部部署分析

并不是所有的数据分析都将转移到云上,但它本身的想法代表了一个根本性的变化。

人气

芯片制造中产生的巨大和生长的数据量是强迫芯片制造商重新考虑在哪里进行处理和存储该数据。

对于Fabs和Osats,这个决定不是一个轻微的。Exity,绩效和其他数据的专有性,以及保留对数据的紧密控制的企业政策,迄今为止还有限制。但随着数据量的增加,以及越来越多的工程师要求实时获取数据,芯片制造和封装行业开始重新评估其僵化的政策。

几个潜在的更改可能对某些或所有这些数据最终存在的影响可能会产生很大影响:

  • 价钱。无论是第三方主办的房屋或云解决方案,管理巨大数量数据的成本同样均匀。
  • 数据共享。在各种位置共享数据具有很大的益处,该设备已经制造,以及它们在现场的行为。收获该福利数据需要上传到中央处,云公司拥有最新的基础架构和最低延迟。
  • 安全。虽然许多公司认为它更好地在现场进行物理控制数据,但现实是云设施往往具有更好的安全性,因为这是他们的核心业务。

“我们已经看到数据存储体系结构的演变,从非结构化文件文件夹到SQL数据库到Oracle Racks到Data Appriances到云端,”制造和运营数据分析总监Rao Desineni说在英特尔。“半导体行业一直在不断试验和采用高效的数据管理解决方案,以推动更多的产量和质量分析,并提高工程生产率和成本,这一点已经足够了。”

内部数据计算仓库已经成为半导体行业的标准。但是,云为半导体公司提供可伸缩性、灵活性和IT支持,以管理计算/数据存储需求的激增,并提供数据管理专业知识。

当然,并不是所有的东西都会搬到那里去。对混合模型的支持正在增长,在这种模型中,大量数据将被处理并存储在云中,以生成用于制造或测试决策点的本地预测模型。

“半导体测试数据管理实现需要同时使用本地环境和云环境,并能够积极管理跨它们的数据,”Keith Schaub说,技术和战略副总裁安置的美国。“数据和分析领导者正在处理更复杂的数据管理景观,需要处理数据移动和访问,以及管理和部署环境。现有的大部分基础架构是预德克索(数据交换)时代,因此需要升级并集成到连贯的数据管理生态系统中。“

处理到云端有多少移动,以及公司的速度有多迅速。

“我们仍然看到了很多,半导体公司进入了云解决方案。选择这样做的公司真的是较小的公司,“博士博士议员首席执行官”观察到饮食。“这是最近的发展。2017年首次明确首选云解决方案。他们的小IT部门不希望对数据管理的责任。但这仍然是一个罕见的要求。“

与此同时,GlobalFoundries已经开始考虑替代方案。每个晶圆片的测试数据量已经从几百兆字节增长到几十兆字节。“这将引导我们探索其他技术,而不仅仅是我们的内部功能,”David Partyka说,他是微软的软件应用经理globalfoundries。“为了应对海量数据,我们必须开始考虑如何利用云技术。”

不祥之兆
虽然对公司数据管理政策的任何改变都是一个很大的一步,但潜在的驱动力一直在建设一段时间。事实上,对于半导体制造数据的分析,从FAR通过最终测试,在过去十年中,在不同工厂数据源之间连接数据的能力已经稳步改善。

“在云上运行的公司在不同的设施和地区使用更广泛的供应商生态系统,”产品营销高级总监NIR SELE说Proteantecs.。“制造服务的全球化意味着许多这些过程由许多设施和地理位置的不同提供商进行,创建分离和静默数据集。”

打破这些筒仓对于提高日益异质设计的可靠性至关重要,特别是在安全和关键任务市场中。

“通过云,您现在具有从不同来源摄取数据的集中应用程序,”Eutywerx的首席执行官Aftkhar Aslam确认。“这有助于您现在基本上可以在本地收集数据,但是您可以将其转移到云中,以便在分析工具执行时将其半永久存储。”

看到这一点的不止他一个人。“在产生越来越大的数据量的同时,需要一个可伸缩的数据量存储体系结构,而且很快。对本地云计算资源的需求正变得越来越重要Synopsys对此。“启用协作环境是必要的,不仅仅是数据可以驻留并进行分析,而且可以在各级工程和管理中轻松共享和查看,以便快速检测和根本原因识别问题。”

从半导体器件连接数据现在延伸到系统级别的设备性能和行为。这扩大了要分析的数据的范围和时间尺度,这就是为什么Proteantecs,Siemens Eda和Synopsys等公司提供硅生命周期管理产品和平台。大多数分析平台包括来自客户返回的反馈,需要循环到该数据中并分析以防止将来的昂贵失败。

谁需要分析什么
从内部部署移动到云计算的需要取决于许多因素,例如工程师在数据供应链中坐在哪里,当他们需要采取行动数据时,以及他们实际需要的数据分析。

在基本级别,半导体制造过程的复杂性驱动需要从设备创建期间生成的数据学习。该信息可用于提高产品产量和质量,识别过程偏移,并管理性能不良的设备。但从最终客户的系统中添加数据,并且工程师面临不仅仅是更多的数据,而且在确定有助于其工程目标的预测模型方面更复杂。

图。1:半导体数据供应链数据源。资料来源:安妮梅西克纳/半导体工程德赢娱乐网站【官方平台】

图。1:半导体数据供应链数据源。资料来源:安妮梅西克纳/半导体工程德赢娱乐网站【官方平台】

根据工程师在半导体供应链中的角色,以及它们执行的分析,它们可能不需要基于云的服务。

“如果我是一个产量工程师,或者过程工程师,只在我的工厂里处理数据来做决定,那么我对就地解决方案非常满意,”Mike McIntyre说,他是软件产品管理总监进入创新。“但如果我是产品工程师多芯片模块,我想了解产量和质量问题。我死于四个不同的工厂,在两个不同的地方组装在一个不同的地方,最终进入一个系统。我可能有效地实现的唯一地方是汇总数据存储的形式。云为此数据存储提供了一个技术选择。“

它也是一种预算紧缩功能紧张的公司,通常仅限于拥有非常深口袋的最大公司。

“云解决方案的最佳论点是小型和无晶圆厂的公司,”博士博士的Rathei说。“原因是经济和技术。作为Fabless公司,您的数据是在别处生成的 - Fab Foundry,外部测试室 - 需要通过网进行旅行。因此,在云中安装所有内容是有意义的。此外,由于小型公司在IT基础设施方面倾向于具有较小的资源,因此可以外包。“

管理大量数据不是每个公司都擅长的东西。“并非所有客户都拥有IT专业知识,以管理在供应链中连接的巨大数据量,”营销副总裁David Park说PDF解决方案。“通过基于云的解决方案,它们可以外包数据管理和计算的所有方面。他们只能专注于使用分析。“

跨供应链连接数据为使用基于云的技术进行分析提供了强有力的论据。连接数据的巨大,以及应用更复杂的分析工具的需求,强化了这种情况。

“随着半导体制造过程的增长复杂性,单独的简单统计或启发式算法是不够的。在过程中收集的数据量增加,数据类型与电压/功率/频率不那么简单。需要更灵活的数据模型。为了回答,我们看到通过机器学习提供的深入数据分析的清晰转移,“Proteantecs的SECT说。“为了解决淤泥数据,该行业正在迁移到云计算,这允许运行复杂和不断发展的算法,并启用可扩展的数据模型,可以增长并允许数据类型的多功能性。这些包括片上测量,其作为常见数据语言的基础,称为通用芯片遥测(UCT)。“

新能力
将数据组合在孤岛和整个半导体生命周期上是非常复杂的,这就是为什么使用AI /机器学习算法有很多焦点,以帮助了解所有这些数据并识别关系和模式。但它也促进了在独立孤岛上历史上存在的公司之间的新关系。

最近在PDF解决方案中的优雅投资是一种情况。“PDF Exensio平台可以在PDF解决方案AI解决方案副总裁Jeff David表示,可以更好地合作。”“作为一个主要的ATE供应商,Adauridest带来了云技术,客户关系和大规模的全球足迹。我们将所有这些数据从所有这些不同的来源带来。然后,使用优点,我们可以部署机器学习模型和需要不同时域约束的各种用例。对于测试设施,这些时间限制可以是实时,近实时或邮寄过程。“

Synopsys对Moortec的收购,Siemens对UltraSoC的收购,National Instruments对OptimalPlus的收购,以及Ansys对齿轮设计解决方案的收购,都是更有效利用数据的类似趋势的结果。

采用慢
然而,随着云计算解决方案提供的所有潜在利益,仍然不愿意。分析公司指向客户的数据安全和数据传输关注的主要原因。

“这主要与数据安全和隐私有关,这很有道理,”Sever说。“在这些过程中收集的制造数据,以及质量和可靠性信息,对公司的业务方面有直接影响,如直接成本、保修和负债,是他们的关键敏感因素之一。平台供应商需要理解和尊重这一点,但同时建立数据安全和访问控制,以减轻这些风险。”

其他人同意。“数据是高度专有和加密的,所以你如何连接它?我想想到一个高速公路类比,“Advantest的Schaub说。“大数据高速公路现在没有连接,正在建设中。我们正在建造那些公路连接器。我们不需要查看实际流量(数据)。我们需要了解所需的交通能力 - 流量多少流量,流量有多快,以及随着时间的推移如何发展和发展。“

直到这些高速公路良好的建设,工程师和工程管理人员对全球传输大量数据具有有效担忧。这不仅仅是安全问题。宽带连接的可靠性和速度也很重要。

并不是所有的工厂都能同样地将数据从地球的一端传输到另一端。考虑到在亚洲和南太平洋的众多测试/组装设施。一个2019年TeleGeography跨区域带宽分析据报道,来自南太平洋地区(A.K.A. Oceania)的联系明显慢于来自亚洲的地区。

即使对于非常高的带宽连接,由于数据传输的最后和第一英里链路,仍然存在对数据可靠性的有效关注。

“在站点之间传输数据时,考虑有多少网络交换机组成了网络连接,”Onto的McIntyre说。“总的来说,在大部分的转移过程中可能都没问题。但最后一英里或第一英里都将受到限制。所以,当涉及到每天几乎瞬间运行你的工厂的关键任务数据时,我真的没有看到这些数据离开工厂。”

其他人对数据传输的可靠性和影响工程师使用数据分析平台可视化的用户体验的小延迟也有类似的看法。欧洲产品/质量工程师从亚洲测试机构加载晶圆图的0.5秒延迟似乎很重要。

与基于云的解决方案的数据连接缓慢确实是激励半导体公司从云转移到内部部署解决方案。Rathei提供了一个例子:“客户从替代供应商处具有基于云的解决方案。由于这种客户的增长,带宽问题导致这种解决方案变得更慢,速度较慢,到它的实际上它不再工作了。我们将它们移动到我们的平台上,使用本地解决方案,现在他们再次有快速的数据访问。“

其他实际考虑因素
当然,情况并不总是如此。那些拥有高速连接的用户可以从超大规模数据中心近乎无限的处理能力中获益。但延迟是某些操作的关键因素。管理IT基础设施成本也是如此。哪个更好取决于特定的应用程序、公司的基础设施、位置和它们试图解决的特定任务。

“在半导体中,每毫秒,甚至微秒都被占,”Shaverest的Schaub说。“在原位生产测试期间,我们需要实时操纵大量数据,这意味着我们还需要极其低延迟的解决方案,可在测试供应链中无缝地工作。”

但是,无论是现有的还是云都可以大大变化。“通过像晶圆批款等实时关键系统,延迟代表杀手因素,”GlobalFoundries'Partyka说。“您迫不及待地等待远程计算系统上的数据来加载余额,打开,然后置换批次。你需要是本地和反应权。“

另一方面,云计算解决方案可能有助于利用机器学习预测模型,工程师们希望用最新的数据更新这些模型。IT数据管理工程师发现,云按需解决方案的灵活性对支持激增计算需求极具吸引力。

但是,这是一种警告。行业分析用户和平台提供商指出,如果没有密切管理,云技术成本可能会增加气球。

GlobalFoundries应用智能解决方案高级总监苏尼尔•纳拉亚南(Sunil Narayanan)表示:“云收费结构有利有弊。”“你有能力在非常短的时间内扩大或缩小规模。差不多10分钟就能搞定。它根据计算需求自动伸缩。缺点是,如果你没有一个良好的治理模式,月底你可能会对法案感到惊讶。”

德克萨斯乐器的高级会员技术人员Stacy Ajouri,注意到了类似的担忧。“我们必须小心我们的用法,因为云可能变得过高。我们可以使用很多数据进行分析。如果您没有使用您使用的数据和分析模型正确计算,费用很快就会加快。“

结论
云计算解决方案在沿着供应链跨多个源连接数据时,最有意义。它并不总是最具成本效益的解决方案,特别是当数据传输和存储成本包含在图片中时。此外,并非出厂中的所有数据驱动的决策都需要云支持的解决方案分析解决方案。

但人们对云计算的兴趣正在增长。未来,本地计算/存储解决方案与云支持的数据计算/存储解决方案的比例还不得而知,而且可能很难得出确切的数字,因为解决方案很可能是两者的混合。尽管如此,这仍代表着芯片行业的一个重大转变,因为该行业需要打破数据孤岛,更好地利用半导体供应链上的数据。

苏珊兰博为这个故事做出了贡献。

有关的故事

基础设施影响数据分析

Fab和测试数据太多,利用率低

数据问题安装在芯片制造中



2评论

说:

没有边缘计算更适合芯片制造而不是云?

安妮梅西克纳 说:

乔,

在本文中,Cloud或on-premises指的是在哪里存储和计算所有这些数据,以构建模型和做出决策。你的观点很好地采纳了,芯片制造设施内的决策应该在本地做出,而这些决策的计算应该在边缘做出。

人们可以使用计算设施来支持大量数据的科学计算,并使用您的选择算法来构建预测模型,以确定这是一个良好或有缺陷的芯片。
关于适应性测试方法的概述,请参阅本文:
//www.fat-nurse.com/adaptive-test-gains-ground/

留下一个回复


(注意:此名称将公开显示)