美光以智能制造应对高需求存储市场

弗吉尼亚州马纳萨斯——从外观上看，美光科技公司（Micron Technology Inc.）位于此地的制造工厂并不起眼。尽管规模庞大，其普通的盒状建筑并未透露出内部运转的精密机械景象。在这座安保严密的设施中，数千平方英尺的洁净室内，身着防护服的工作人员忙碌其间，外界无从窥见。

唯一能让人感受到这座工厂规模的，是那些正在扩建半导体制造设施的重型设备。该公司计划到2030年投资30亿美元，并在未来十年内创造超过1000个就业岗位。

美光总部位于爱达荷州博伊西，是全球最大的半导体公司之一。根据2018年9月发布的财年报告，其营收达304亿美元，同比增长50%。在美国市场，其营收规模仅次于英特尔——后者在2019年1月发布的财年报告中显示，2018财年营收为708亿美元，同比增长12%。

美光在全球拥有12个制造基地，必须跟上企业对先进存储技术日益增长的需求。在21世纪初，其客户以PC厂商为主，如戴尔和联想。但如今，智能手机、边缘物联网设备、云计算和数据中心正推动存储需求持续攀升。

马纳萨斯工厂的主要职责是生产存储产品——DRAM、NAND和NOR——用于汽车和工业物联网领域，美光马纳萨斯工厂现场总监蒂姆·奥布莱恩（Tim O'Brien）在6月的媒体圆桌会上表示。为扩大在该领域的布局，公司正在此投资建设全球研发中心。

企业渴望融入更智能的技术，并希望通过存储改进来提升能力。自动驾驶汽车需要足够的存储容量以跟上算法的快速计算。技术进步要求精简制造流程，确保产品一致性和高质量标准。为此，企业正在减少制造过程中的人力环节。

自动化和“智能工厂”技术是“制造领域在提升质量、效率和成本方面的下一次重大革命”，奥布莱恩表示，它“可能是自机器人技术以来，在真正改善制造能力方面最大的革命”。

智能工厂的骨架

无论哪个行业，企业都在努力创造更高效的制造流程以支撑需求，利润率提升是附带的好处。无论是称为智能工厂、数字工厂还是工业4.0，工厂正朝着“智能制造”演进，数据存储公司西部数据（Western Digital Corp.）首席信息官史蒂夫·菲尔波特（Steve Phillpott）表示。

这一趋势围绕自动化和分析展开，菲尔波特告诉CIO Dive：

• 自动化路线图包含一整套能力，从制造执行系统到监控，应用于生产线控制、过程控制和自动导引车等领域。

• 分析支柱包括音频或温度传感器等设备。集成层将所有数据汇集，使企业能够进行高级统计分析，从而影响决策和良率预测。

当自动化与分析协同工作时，物理与数字设备便能实现有效编排。“自动化方面将产生大量数据，分析方面则利用这些数据，”菲尔波特说，“很多有效性将围绕如何利用数据的智能。”当自动化与分析引擎的每个环节协同运作时，企业可以更高效地生产。问题在于机器会故障，如果生产中任何环节出错，就会传导至产品。

以美光为例，它必须确保用于汽车领域的存储产品是顶级高质量产品。该领域的客户不希望因存储芯片而召回，美光数据科学家泰德·多罗斯（Ted Doros）在圆桌会上表示。美光对每颗芯片的期望是零缺陷——“绝对完美”。美光还希望保持市场竞争力，而汽车是增长的关键领域。

尽管全球汽车行业销售放缓，但信息娱乐系统等技术仍支撑着增长，美光总裁兼首席执行官桑杰·梅赫罗特拉（Sanjay Mehrotra）在6月美光第三季度财报电话会议上表示。汽车和工业业务占嵌入式业务部门营收的近四分之三，该部门第三季度营收为7亿美元，同比下降22%。美光对长期需求保持信心。梅赫罗特拉表示，在人工智能、自动驾驶汽车、5G和物联网等大趋势推动下，存储市场前景诱人。

尽可能高效

要理解美光的制造，需先了解其产品。美光接收12英寸硅晶圆，将其转化为电路、晶体管、电容器和存储产品的组成部分。融入自动化与分析可帮助美光更快发现问题并解决，奥布莱恩表示，还能减少差异，并在美光制造网络中共享洞察。“随着我们引入新技术，我们可以更快地提升良率曲线，比以往任何时候都更快地提高良率，”他说，“从我们的角度看，这是一项重大投资。它将帮助我们在质量、成本和效率方面达到世界级水平。”

每个制造工厂都在试验效率措施，但马纳萨斯工厂侧重于声学和成像。图像分析和模式识别是AI表现突出的首批领域之一，多罗斯说。美光将其应用于晶圆，扫描缺陷。

数十年来，人类一直负责审查和分类晶圆质量。美光将深度神经网络应用于图像，训练AI分类系统。该系统能区分薄片、腐蚀或划痕，根据公司审计，其分类性能优于人类。如今，美光每年分类多达200万张图像，这些图像此前由人工完成。“人类可能有不同意见或感到疲劳，而AI系统不会疲劳，它持续运行，且只需几分之一秒，”多罗斯说。

成像在AI领域已很成熟，但训练声学系统则更为复杂。“声学一直是个难题。系统上的振动传感器已存在数十年，”多罗斯说，但“人们避开声学，因为认为噪声太大。”美光利用AI系统进行分离和全频谱分析，以检查声学并提取模式。

例如，马纳萨斯工厂将声学分析应用于与昂贵相机系统交互的设备。机器人系统传送晶圆，涂覆光刻胶，然后转移并烘烤晶圆，再放入扫描仪（即相机系统）。多罗斯说，系统中已有传感器，但麦克风进行一般性监听。轴承摩擦、部件摩擦或空气泄漏等均可通过声学捕捉。美光可利用频谱图来“听”和“看”变化。“最初我们只寻找工具行为变化，从那里开始，”多罗斯说，“但我们也把频谱图当作图像处理，就像Facebook做面部识别一样，我们也要做。”他说：“这实际上是自然语言处理和面部识别的结合。”

美光将频谱图通过卷积神经网络（CNN）运行，这是一种常用于图像分析的深度神经网络。它将CNN应用于声音或声音图像，以分类“机器人说出的不同单词或音节”，多罗斯说。系统中的机器人有“词汇表”，美光可识别每个机器人在说什么，并判断其是否每周保持一致。如果机器开始“说”不同的话，美光可识别产品问题并停止生产进行预防性维护。这能更早拦截缺陷，提高产品质量。

目前，美光在弗吉尼亚工厂已部署约500个麦克风，预计未来将接近5000个。该工厂现有175,000平方英尺洁净室，但扩建完成后，将新增230,000平方英尺洁净室，并从一开始就配备传感器和麦克风。