隨著當今活躍設備的數(shù)量比以往任何時候都要多，數(shù)據(jù)正以指數(shù)級的速度增長，系統(tǒng)也變得越來越復雜。

在創(chuàng)建這些系統(tǒng)和設備背后，是半導體制造工藝或流程中大約200個工藝步驟，這越來越需要對材料進行微調，以支持當前和下一代技術。

在過去的幾年里，每個技術節(jié)點的維度都收緊了。隨著新材料的引入，以滿足新設備的性能目標，圍繞材料與制造工藝的相互作用，新的挑戰(zhàn)正在上升。每個單獨的過程對任何變化都變得越來越敏感。這不僅是從材料的宏觀性質上看的，而且現(xiàn)在更常見的是，還與次級供應商的工藝或一些變化導致雜質。

半導體行業(yè)，包括材料供應商和設備制造商，已經認識到需要改進材料質量和分析的方法。需要一個新的全行業(yè)數(shù)據(jù)協(xié)作和分析平臺，例如由Athinia通過默克KGaA，德國達姆施塔特和Palantir Technologies之間的合作伙伴關系實現(xiàn)的平臺。

提供高級數(shù)據(jù)分析有助于限制從供應商到半導體制造廠的整個價值鏈中質量或性能偏差的代價高昂的影響。它還將幫助晶圓廠在單一、安全的平臺中管理制造流程的更快創(chuàng)新，該平臺將支持提高進料質量并提高供應商參與度。供應商通過智能數(shù)據(jù)集成從內部效率提升中受益，可以成為他們所服務的晶圓廠的更好合作伙伴。

關鍵是要了解哪些數(shù)據(jù)，如何將數(shù)據(jù)整合在一起，然后如何以安全的方式進行操作，以便您在不擔心IP污染的情況下推動見解。

通過在安全且支持的數(shù)據(jù)共享平臺中利用人工智能和大數(shù)據(jù)分析，材料供應商和設備制造商可以共享有關材料和晶圓廠工藝的大量數(shù)據(jù)，以實現(xiàn)材料質量和供應鏈的下一步發(fā)展?，F(xiàn)成的機器學習模型用于通過Palantir鑄造平臺分析數(shù)據(jù)中的相關性。

協(xié)作數(shù)據(jù)共享平臺甚至可以通過最小化或消除任何材料中斷來實現(xiàn)設備制造工廠的高利用效率，從而幫助應對諸如芯片短缺之類的挑戰(zhàn)。這也有助于任何給定的材料供應商更有效地管理供應鏈，并確保他們能夠繼續(xù)擁有可持續(xù)的供應，進一步減少材料對芯片短缺的任何影響。

使用這種數(shù)據(jù)驅動的決策始于堅實的數(shù)據(jù)基礎，其中安全性至關重要?？蛻舯Ａ羝鋽?shù)據(jù)的唯一所有權，在保留其 IP 的安全環(huán)境中保留控制權。Athinia提供匿名化（刪除元數(shù)據(jù)，即列名稱）和擴展的功能，以實現(xiàn)安全的信息流和可靠的統(tǒng)計數(shù)據(jù)。

像這樣的平臺的行業(yè)優(yōu)勢是廣泛的，包括：

縮短下一代技術節(jié)點的新材料的上市時間，

實現(xiàn)更高的產量，

推動設備制造零缺陷，

并改善供應鏈延遲。

所有這些都將有助于加速新消費電子產品的交付。

審核編輯：郭婷