無効な入力です。特殊文字はサポートされていません。
想像を絶するほど複雑なこの挑戦に、マイクロンはどう立ち向かったのか。このケーススタディでは、マイクロンが製造、物流、ビジネスプロセスにおけるAIの活用を先駆的に導入しただけでなく、どのように規模を拡大し、テクノロジーリーダーシップを達成しているかを検証します。
マイクロンにおける人工知能（AI）導入の取り組みは、単なる可能性の検討にとどまりません。自社の製造プロセスでデータ解析とAIを活用することで、文字通り「口先だけでなく行動で示す」姿勢を体現しています。業務の核となる部分にAIを組み込み、テクノロジー自体の価値を実証しています。これを可能にしているのは、業界をリードするメモリおよびストレージソリューションです。
スマートマニュファクチャリングは、自動化を超えるものです。結局のところ重要なのは、大きな規模で認識し、判断し、改善するインテリジェンスです。これには、シミュレーションや予測型アナリティクスから、機械学習、生成AIに至るまで、あらゆる要素が含まれます。この広範な戦略では、感覚AIとエージェント型AIが重要な役割を果たします。感覚AIにより、コンピュータービジョン、音響リスニング、熱画像などのテクノロジーを通じて、機械が環境を「見て、聞いて、感じられる」ようになります。エージェント型AIシステムは、こうした入力を解釈して自律的に行動し、継続的に学習し、複雑なワークフローを調整します。
これらの能力が一体となって、マイクロンの変革的な製造戦略が支えられ、インテリジェントシステムによる異常の検知、プロセスの最適化、リアルタイムな適応が可能になります。これにより、歩留まりの向上、より安全な作業環境、効率性の向上、市場投入までの期間の短縮、よりサステナブルな事業を実現できるなど、多くのメリットを得られます。このケーススタディでは、マイクロンが世界で最も複雑な技術的課題の一つであるシリコンウエハー上のメモリテクノロジーの製造に、AIをどのように応用しているかを検証します。
複雑な製造プロセス
マイクロンの製造現場では、数カ月を費やし、約1,500の工程を経て、極めて複雑かつ精密なプロセスによりシリコンウエハー上のメモリテクノロジーを生産しています。このプロセスはエラーや無駄が生じるリスクも伴います。そのリスクを最小限に抑えるうえで、重要な役割を果たすのがデータとAIです。人間の注意力だけに頼って欠陥や機械的問題などのトラブルを発見・追跡していた時代には、時間と資金の無駄が生じていました。今日の高度なAIテクノロジーによって精度とカバレッジを向上させることで、こうした損失を回避できます。
「私たちはここマイクロンの現場で、完全に差別化されたものを構築しました」と、マイクロンのスマートマニュファクチャリング・人工知能担当コーポレートバイスプレジデントであるコーエン・デ・バッカーは説明します。「精度は格段に向上しています。従来の2倍のスピードで製品をリリースできるようになり、年100万時間もの労力が削減されています。まさに変革と言えるでしょう。」
拡散プロセスでは、ウエハーにコーティングが均一に施されます。材料を添加する際、それぞれのウエハーを高速で回転させ（過熱環境で回転させる場合もあります）、遠心力で表面全体に材料を拡散させます。
マイクロンはウエハーをどのようにして最先端のメモリに変えているか
先進的なメモリが生み出されるまでの道のりは、シリカ（純度99.999%まで精製された砂の一種）から始まります。この電子グレードのシリコンを溶かしてインゴットにし、厚さわずか0.67[BG1] mm[E]2]の超薄型ウエハーにスライスします。マイクロンは、このような電子グレードのウエハーを専門のサプライヤーから調達し、先進的な製造システムで加工して、高性能なメモリチップを作っています。
調達したウエハーは、マイクロンの最先端の製造施設で、精密に設計された一連の工程を経ます。各工程は、電子グレードのシリコンを微細な精度でインテリジェントメモリへと変容させるように設計されています。
- 研磨：シリコンインゴットをウエハーにスライスする際に生じる微細な切断痕を取り除き、後続の工程のために表面を平滑にします。
- フォトレジスト材料でコーティング：フォトリソグラフィーにより回路のパターンを精密に形成するため、感光性材料を塗布します。
- フォトリソグラフィー：紫外線を使用し、写真現像と似たプロセスで、複雑な回路設計を層ごとにウエハーに転写します。
- ドーピングとメタライゼーション：イオン化されたプラズマを導入（ドーピング）し、導電性金属の層を追加して配線を形成することで、ウエハーの電気的特性を変化させます。
- 保護膜でコーティング：テストおよび取り扱い時に回路を保護するため、薄い保護膜でウエハーを覆います。
- テストと検査：AI強化型の画像処理および分類システムを使用して、人間の目では見えない欠陥を検出することにより、機能性と構造的な完全性を検証します。
すべての工程が、クリーンルームと呼ばれる、わずかな塵もウエハーに付着しないように設計された無菌の製造室で行われます。しかし、こうした予防策を講じても、問題が起こることがあります。微細なキズがついたり、保護フィルムの下に気泡ができたり、微妙な構造上の欠陥があって、それらが発見されないまま放置されると、ロット全体が台無しになるおそれがあります。
多くの場合、こうした欠陥は肉眼ではまったく見えないほど微細なものです。また、目視で確認できる場合でも、画像処理プロセスで各ウエハーの30～40枚の画像を読み込む際に、目の疲れのため、また一瞬の不注意で、欠陥を見落としてしまうことがあります。瞬きをしている間に、欠陥が見落とされるのです。
テストの段階まで問題が発見されないとなると、その時点ですでに多くの時間と資金が無駄になっています。欠陥の原因となっている問題が、1枚だけではなく、場合によっては何千枚ものウエハーに影響を及ぼしている可能性もあります。
生産工程では、他にもさまざまな問題が起こる可能性があります。たとえば、部品の磨耗や配管からの漏れ、あるいは有害な化学物質が製品や人にかかるといったことが考えられます。こうした問題を早期に発見し修正することは極めて重要です。シャットダウンには多大な費用がかかり、売上や生産時間の損失につながります。また、半導体製造の複雑さを考慮すると、復旧に費やされる時間が長ければ長いほど、実際のコストは数百万ドルに達する可能性があります。さらに、作業員の負傷につながるリスクも数多くあります。そして、サステナビリティとオペレーショナルエクセレンスに対するマイクロンの約束から、あらゆるプロセスには可能な限り高いエネルギー効率と回復力が求められます。
製品や機械の問題を検出することは、製造の効率性、有効性、安全性を確保する上で不可欠です。しかし、人は誰しもミスを犯すものです。どれほど高度な訓練を受けた作業者であっても、異常の兆しとなるごくわずかな変化を、常にすべて見て、聞いて、感じ取ることは難しいのが現実です。
そこでAIの出番です。AIシステムは、かすかな異常（キズ、気泡、機器の摩耗）を、人間の能力をはるかに超える、レーザーのように鋭い精度と速度で検知します。AIシステムは、生産の最適化とリアルタイムでの問題検出を可能にするため、59万以上のソース[JB1]から、数ペタバイトの製造データを収集し、マイクロンのクラウドベースのアナリティクス環境に供給します。このシステムの機能として、コンピュータービジョン、音響リスニング、熱画像などがあります。これらは、機械が環境を認識できるようにする感覚AIのもつ能力です。
コンピュータービジョンで「見る」
マイクロンにおけるAIを活用した製造の基盤は、画像アナリティクスです。「半導体製造プロセスにおいて、画像は非常に強力です」と、コーエンは説明します。「プロセスの各ステップを詳細な画像で分析できます。」
コーエンは続けます。「AIコンピュータービジョンを活用し、各段階を分析することで、完全に自動化された方法で、どのような偏差も素早く特定することができます。こうした解析は、フロントエンド、組み立て、テストのいずれの段階でも活用することができます。」
マイクロンのAIコンピュータービジョンは、ファブおよび製造プロセス全体で、潜在的な欠陥を微細なレベルで検出します。
画像に加え、マイクロンでは組み立てとテストにおける品質問題を排除するため、動画アナリティクスも採用しています。動画はデータ量が膨大で実用的ではないと思われるかもしれません。しかし、解析を要する重要な瞬間を特定するためにマイクロンが活用するのは、やはりAIです。動画ストリームの開始と停止をAIが制御し、重要なプロセスのみを捉えて、データサイズを抑えます。幸いなことに、マイクロンはこうした貴重なデータを確実に収集し、保持し、いつでも使用可能な状態に保つためのメモリやストレージデバイスも製造しています。
ウエハーの欠陥にはさまざまな形態があるため、画像と動画は特に効果的です。欠陥の大部分は、ウエハーエッジ付近の小さな穴、外膜のキズや気泡などといった、一般的なカテゴリーのいずれかに分類されるものです。マイクロンのAIシステムは、コンピュータービジョンテクノロジーを活用し、製造工程でウエハーに回路をエッチングする際にフォトリソグラフィカメラが捉える画像から、そうした欠陥を発見します。
エンジニアが、たとえばウエハーのエッジにある小さなドット（穴）や、連続した線やわずかに切れた線（キズ）、あるいは濃淡のスポットがあることを示す色の変化を自律的にスキャンするようシステムに指示します。こうした欠陥の一部は、画像が撮影されてから数秒以内にアラートが鳴るなど、ほぼリアルタイムで検出することが可能です。写真が保存されてから数分後に行われる二次スキャンで、欠陥が発見される場合もあります。こうしたプロセスはすべて、比較対照のためデータベース環境に保存された数百万枚の画像を使用するAIシステムに依存しています。
その結果は、エンジニアによる評価よりもはるかに正確であることが証明されています。AIコンピュータービジョンのほうが高精度かつ高効率だからです。何よりも、今ではエンジニアがデータ収集と根本原因の解決に集中できるようになりました。
マイクロンのAI自動欠陥分類（ADC）システムにより、この作業がさらに効率化されています。技術者とエンジニアは、ウエハーの欠陥を手作業で分類する必要がなくなりました。AI-ADCは深層学習を活用し、毎年何百万もの欠陥を選別・分類することが可能です。反復するたびに学習し、改善を続けています。この形式の機械学習により、欠陥を種類別にクラスター化して、エンジニアが根本原因を追跡しやすくするとともに、AIシステムが自ら欠陥を発見し、結果を精緻化できるようにします。
音響リスニングで「聞く」
AI画像処理が製造プロセスの中核を担う一方で、マイクロンは問題を未然に防止するために、音響リスニングも活用しています。異常音は、部品の摩耗や故障が迫っていることを示す兆候である場合が少なくありません。
マイクロンのAIシステムは、ロボットアクチュエータの近くやポンプのそばなど、意図的に場所を定めた上で取り付けた音響センサーにより、製造機械の異常音を聞き分けます。数週間にわたって設備の正常な動作をセンサーのマイクで記録し、検出された周波数がソフトウェアによってグラフやチャートに変換されます。これにより、音を視覚的なデータとして示すことができます。新しいピッチや周波数が検出されると、システムは警告を発します。多くの場合、システムで異常の原因を特定することも可能です。
こうした膨大なデータベースの検索は、長時間を要する場合があります。機械が今にも故障しそうなときは、プラント管理者は直ちにそのことを知る必要があります。GPU、アクセラレータ、そして何よりもマイクロンのメモリとストレージを搭載したAIシステムにデータを送信することで、CPUベースのシステムよりもはるかに速く、インテリジェントな結果を得ることができます。何十万ものGPUコアと広帯域幅メモリを備え、同時かつ相乗的に動作する、これらすべてのAIシステムが、人間の介入をほとんど必要とせず、あるいは一切必要とせずに、瞬時に結果を精緻化することができます。さらに、これらのシステムは反復するたびに診断精度を高めます。
熱画像で「感じる」
故障すれば必ず音を発する、というわけではありません。製造環境では、何の音もしないときに致命的な異変が起きていることがあります。異変に対する唯一の警告となるのが温度変化というときもあります。つい最近まで、温度の急上昇を検知する手段といえば、赤い光、火花、煙を目視で確認することくらいでした。このような現象を目で見て確認できる段階では問題はすでに危険領域に入っており、作業員を避難させなければなりませんでした。
そのためマイクロンでは、画像アナリティクスと音響リスニングに加え、主要部品の温度を計測する赤外線画像も使用しています。
「変圧器の温度測定は、過熱防止への鍵です」 と、コーエンは説明します。「早い段階で検知できるか否かが、簡単な修理で済むか、それとも高価な機器を丸ごと交換するかの分かれ目になります。」
画像、音声、温度に対応するこうしたAIセンサーは、最終的に企業収益に影響を与えます。「これらのセンサーは、品質と効率性の向上だけでなく、コストの削減にも貢献します」と、コーエンは付け加えます。「エネルギー使用量をきめ細かく計測し、大幅な削減と省エネ効果をもたらします。」
数字
マイクロンでは、4億3600万のコントロールポイントで59万個のセンサーによって1億枚のウエハー画像が生成されています。毎週、そのすべてがAIモデルで処理されています。さらに、77ペタバイトのデータが保存されており、毎日58テラバイトのデータが新たに取り込まれます。
このように大規模に導入されたAIにより、歩留まり分析、デジタルツイン計画、モノのインターネット（IoT）と画像アナリティクス、最適化と高度なアルゴリズム、プロセス自動化、モバイルアプリケーションといった分野のアプリケーションに対応しています。
結果1は、以下のように明白です。
- 製造ツールの稼働率が4%向上
- 年間100万時間の労働生産性の向上
- 新製品の市場投入までの時間が50%短縮
- 製品廃棄物が50%削減
さらに、そのメリットはファブを超えて広がっています。AIは現在、販売・マーケティングから、人事、事業運営、研究開発、ビジネスシステムに至るまで、マイクロンにおける業務のあらゆる側面を支えています。
「これは製造現場だけではなく、企業そのものの変革です」と、コーエンは言います。「マイクロンでは、全社のあらゆる事業プロセスにAIを導入しています。」
エコシステムパートナーシップ
社内の製造プロセスを最適化するだけでなく、マイクロンはAIを活用しつつサプライヤーと直接協力し、サプライヤー製品が最高のエネルギー効率を確保できるよう、詳細なフィードバックをサプライヤーに提供しています。マイクロンはこうしたサプライヤーとともに、DIMS（Data Ingestion into Micron Systems、マイクロンシステムへのデータ取り込み）を調整して、最高の頻度で取り込めるようにしています。マイクロンのエンジニアが、この取り込みをリアルタイムで監視しています。同様に、修正と最適化も非常に細かいレベルで絶えず行われています。
さらにマイクロンはテレメトリデータを使用し、サプライヤーのデータセンターにおける自社製品の効果を測定しています。このデータを社内のデータと組み合わせることで、サプライヤー固有のワークロードに合わせて製品を改善するリアルタイムなコラボレーション体制を支えています。
マイクロンは、モデルのパフォーマンスも綿密に監視しています。受信データにAIを使用して再トレーニングすることで、エンジニアは機械学習フローの自動化に集中できます。もしこの仕組みがなければ、十分な数のデータサイエンティストを確保できず、すでに発生した問題への対応に追われることになりかねません。
こうした取り組みを支えているのが、社内データサイエンスアカデミーと、社内のデータサイエンティスト、エンジニア、ソリューションアーキテクトに対する継続的な投資です。これらのリソースと、マイクロンの市民データサイエンスモデルにより、各部門のエキスパートがAIを活用したツールとインサイトを利用できる環境が整えられています。
業界におけるリーダーシップ
現在のマイクロンは、コアプロセスに関する知識というこれまでに蓄積した豊かな資産と、AIによる圧倒的な効率性を兼ね備えています。データのエキスパートによって開発された大規模な歩留まり管理プラットフォームを、全社で14,000人以上が使用しています。それと同時に、日常的な歩留まりの最適化を専門とするチームが、新しいプロトタイプを速い統合サイクルで構築しつつあります。こうしたプロトタイプは頻繁に導入され、主要なプラットフォームが最適化されています。
チームメンバーによる献身的な努力と、AIを活用した先進的な製造プロセスにより、マイクロンは複数の世代のメモリテクノロジーで史上最高の歩留まり率を達成しています。このような最新のイノベーションにより、これまでの世代よりも早い段階で、成熟した歩留まり率に達しています。このことは、エンジニアリングと運用面における卓越性を裏付けるとともに、テクノロジーリーダーとしてのマイクロンの地位を確固たるものにしています。
マイクロンは製造におけるAIを単なるツールとしてではなく、プロセスを変革するインテリジェンスシステムとして最適化してきました。しかし、私たちが真の意味で他社と一線を画すのは、大規模なAI導入によって企業そのものを変革している点です。シミュレーションや予測型アナリティクスから、機械学習、生成AI、リアルタイムのプロセス最適化に至るまで、マイクロンのAI戦略は、事業のあらゆる領域に及んでいます。これらの新しいテクノロジーは、仕事を奪うのではなく、データ収集や基礎的な分析に多くの時間を割く必要を減らし、チームの能力を高めています。チームメンバーはその分、自分たちの強みにより集中し、業界をリードする製品やビジネス慣行の開発につながるイノベーションに取り組めるようになっています。
1 2016～2025年に収集したマイクロンの内部データおよび分析に基づく改善
