データの速度

ケーススタディ:マイクロンは、見る、聴く、感じるために、データと人工知能を使います。

RATE THIS STORY:
Rating Unavailable Rating Unavailable Rating Unavailable Rating Unavailable Rating Unavailable
VOTES SO FAR

メモリチップのメーカーであるマイクロンテクノロジーは、人工知能が業界にもたらす多くのメリットについて、ただ話す以上のことをしています。データ解析とAIを自社の製造工程で使うことでにより、マイクロンの次世代メモリストレージと処理ソリューションを可能にする同社の技術価値を示し、文字通り口先だけでなく行動で証明しています。より多くの収益、より安全な職場、より高い効率など、メリットはたくさんあります。

同当社の工場では、非常に複雑で高精度の工程を通してシリコンウエハにメモリ技術を搭載しています。エラーや浪費の可能性は高いものの、データとAIによりその可能性は減少します。欠陥、機械の故障、その他の問題領域を人間の手で検知、追跡しようとすると、組織は資金を失います。この損失は、今日の極めて高度な技術を使えば回避できたかもしれないものです。

製造工程

コンピュータチップの基盤として利用されるシリコンウエハは、砂の一種であるケイ土でできており、99.999%の純度にまでろ過、精製されます。この電子グレードのシリコンは、溶解、圧縮により鋳塊となり、0.67mmという極薄のウエハにカットされます。

ウエハはカットによる傷を取り除くため研磨され、フォトレジスト素材の薄い層でコーティングされ、写真技術と似た工程で、搭載予定の回路設計に沿ってエッチングされます。回路が複雑であればあるほど、ウエハに何層にも刻まれる画像は増え、例えば、金属に浸す「ドーピング」として知られる電離プラズマ工程が施されるなど、その各層は個別に処理されます。

完成品ウエハに薄い保護膜をコーティングした後、設計通りに機能することを確認するための検査(「プロービング」)が行われます。

製造工程全体は全体で1,500工程にのぼることもあり、どんな小さな埃も新品ウエハに落ちないよう、無菌室で実施されます。それでも、損傷することはあります。壊れやすいウエハには、傷や穴が開くこともあり、保護膜の裏で気泡が形成する可能性もあります。

これらの欠陥は、多くの場合、極めて微細で裸眼では全く目視できません。目視できたとしても、可視化処理工程で各ウエハにつき30~40枚撮影される写真を検査する作業員は、目の疲労や一時的な注意不足で欠陥を見落とす可能性もあります。瞬き1つで、見落とす可能性もあるのです。

マイクロンのITディレクター、Tim Long氏はその成果について、技術者による検査よりもはるかに精度が高いと述べています。

「プロービング」の段階までに問題が検知されないと、その時点で既に多くの時間とお金が浪費されてしまいます。その欠陥の原因となる問題が、それ以外の何千ものウエハにも影響を与えている可能性は十分にあります。

また、製造工程では他の問題が発生する可能性もあります。部品は摩耗するし、配管は有害化学物質が漏れて製品や人にかかる可能性もあります。早い段階でこれらの問題を検知、修正することは必要不可欠です。マイクロンの専門家によれば、運転停止となると平均で毎時250,000ドルも要することになり、半導体製造の複雑性を考慮すると、回復までに費やされる多くの時間により、実質的なコストは何百万ドル単位にまで引き伸ばされ上げられてしまいます。さらに、作業員の負傷にかかわるリスクは実に様々です。

製造の効率、効果、安全性において、製品や機械の問題検知は最優先事項となります。残念ながら、誰にも過ちはあるもので、最も優秀な作業員でさえも、その瞬間に何かがおかしいという微妙な兆候を完璧に見て、聴いて、感じることはできません。

しかし、人工知能技術なら、非常に高度な精度で、しかも何分の1かのわずかな時間で、これらの作業をこなすことができます。マイクロンでは、世界中の8,000以上のソースと500以上のサーバーから何ペタバイトもの社内製造データを集め、その情報を、Apache Hadoopの2か所の異なる環境マップに追加してデータマイニングを行います。この製造ネットワークを通して、社内のデータ科学者がデータを徹底的に調査し、工場工程を改善させるためのAI/機械学習モデルの開発に向けて取り組んでいます。

人間の視覚・聴覚・触覚を真似た成果は非常に優秀で、これにより、マイクロンはそのITリーダーシップに対してCIO 100アワードを受賞するに至りました。

視覚:ウエハイメージング

ウエハの欠陥は様々な形で現れます。しかし、その大部分は、ウエハ端付近の小さな穴、傷、外部膜内の気泡といった一定の共通カテゴリーに該当します。 マイクロンのAIシステムは、製造時、ウエハに回路をエッチングする際、「コンピュータビジョン」技術を使って、フォトリソグラフィーカメラが捉えた画像からこれらの欠陥を検知します。

技術者は、このシステムを使って、例えば、ウエハ端のごく小さな点や、連続した、あるいは若干破線になっている部分(傷)を細かく調べたり、濃いめあるいは薄めの部分といった色の変化を探したりします。このような欠陥の一部は、ほぼリアルタイムで検知され、画像撮影から10秒以内にアラートが鳴ります。その他の欠陥は、写真保存から15分後の2次スキャン時に発見される場合があります。いずれの工程も、比較、対比用にAIシステムでHadoop環境に200万枚の画像を保存することにより行われます。

マイクロンのITディレクター、Tim Long氏はその成果について、技術者による検査よりもはるかに精度が高いと述べています。

「コンピュータビジョンは高精度かつ高効率」で、「当社の技術者の対応能力の格を上げてくれました。技術者たちは、問題自体や、データ収集に集中することができるようになりました」と、彼は述べています。

また、マイクロンのAI自動欠陥分類(ADC)システムにより、検査員や技術者は、もうHadoopで手作業によりウエハの欠陥を分類する必要が無くなりました。AI-ADCでは代わりに、ディープラーニングを使ってい、何百万もの欠陥を毎年、分類しています。ニューラルネットワークは、コンピュータが観測データから学習することを可能にする、生物学から発想を得たプログラミングパラダイムですが、マイクロンでは、これを含む今日利用可能な最新のイメージング技術を使って、このシステムを作りました。

Case Infographic

この形の機械学習では、欠陥に基づいて画像が分類され、個別のHadoop「クラスター」に配置されます。この処理では、製造中にどのような問題が発生したかを技術者が発見するのを助け、早い段階でそれを修理して欠陥の増加がを回避できるようになるだけでなく、AIシステム自体が欠陥を検知し、反復毎に精度が増すようになっています。

「どこで何を探すか、システムに指示する必要はないんです。」と、マイクロンの製造データサイエンス担当マネージャー、Ted Doros氏は述べています。「例をいくつか示して、“「これを見つけてくれ」”とニューラルネットワークに指示するんです。」

「この工程では、当社のメソッドを微調整することで収益を向上させることができます。微調整が進めば進むほど、問題の数は減っていきます。」

聴覚:音を聴く

車において、機械故障が発生しているという最初の兆候は何でしょう?多くの場合、ボンネットの中から聞こえてくる異常音がその兆候です。工場においても、同じことが言えます。異常と考えられる音は、部品の摩耗や、機械がもうじき故障することを意味しています。

しかし、製造工場では、騒音が激しく、異常音が聞き取れないことがあります。あるいは、作業員が同じエリアで過ごす時間が短ければ、何が正常で何が異常かを聞き分けられないこともあるでしょう。

マイクロンのAIシステムは、ロボット型作動装置やポンプ付近に設置したオーディオセンサを通して、工場の機械における異常音を聞き分けます。このマイクロホンは、数週間、正常な音を録音し、ソフトウェアが検知した周波数をグラフまたはチャートに変換することで、音を映像データとして表現します。新しい音程や周波数が現れると、システムがアラートを発します。多くの場合、その異常の原因まで判断することが可能です。

Doros氏は、様々な音が混在する工場をオーケストラに、聴覚機械を指揮者に例えています。 「いろんな楽器が演奏されていて、ほんのわずかな変化でもあれば、例えば、フレンチホルンの奏者がバルブをほんの少し開けてしまうと、音程が変わり、それによって音全体も変わってしまいます。」聴衆はこの変化に気付かないかもしれませんが、指揮者は違います。

「コンピュータビジョンは高精度かつ高効率」で、「当社の技術者の対応能力の格を上げてくれました。技術者たちは、問題自体や、データ収集に集中することができるようになりました」と、彼は述べています。

この「聴覚」AIシステムを設置するため、マイクロンの技術者は、初期の監視段階で収集したデータを使ってHadoopに基準値を設定しました。次に、異常音用のファイルをスキャンし、原因毎に分類して、個別のグループ(「クラスター」)に配置しました。収集、調査、分類したファイルが増えるほど、結果の精度は上がり、システムが異常音とその原因を検知、診断する能力も上がります。

これらの膨大なデータベースを検索するのは時間のかかる作業です。しかし、機械で故障の危険がある場合、工場長はそれを直ちに知る必要があります。

48,000個の処理コアと何テラバイトものメモリを有する、マイクロンのメモリとストレージが搭載されたGPUシステムへデータを送ることで、CPUベースのシステムよりもはるかに高速かつインテリジェントな結果を期待することができます。これら全てのGPUコアとメモリが同時かつ相乗的に働くことで、一瞬にして人間の介入なしに、あるいはほとんどなしに、結果が洗練され、人間の脳の仕組みと同じように、反復毎に診断が向上します。

「GPUの主なメリットの1つは、CPUの場合、1つのチップに2つか4つのプロセッサが搭載されていて、各コアが一度に1つのことしかできませんが、GPUの場合、は何千ものコアが搭載されることになります。何千もの動作を並行して行うことができるのです」と、マイクロンのシニアフェロー、Mark Helm氏は述べています。「AIの作業負荷をもってすれば、まさに欲すべきものです。」

「CPUに非常に複雑な機械学習アルゴリズムはさせたくはありませんね。GPUなら、何万ものコアが同時に働くことで、それを細かく分解して全て同時に処理してくれます。GPU処理には、判断の実行に要する時間において、信じられないほどのメリットがあります。」

赤外線イメージング:熱を感じる

不具合があれば必ず異常音が発生するわけではありません。製造環境において、静寂は命取りとなります。多くの場合、音の代わりに温度変化が起こります。機械が熱くなったり、ポンプや配管が冷えて蒸発用の熱を失い、漏れにつながったりします。

最近まで、温度の急変を検知するための唯一の方法は、赤熱、火花および煙の目視だけでした。これらの兆候が表れた時点で、問題は既に危険区域に達しており、工場では作業員の避難が必要になります。既に述べたように、運転停止には非常に多くのコストがかかりますが、人間の安全を危険にさらすよりは賢明です。

クールスポットの場合も問題の兆候ですが、これらは目視で確認できません。また、熱変動を手で感知するという手段も、非現実的であると同時に危険です。

しかし、工場環境の「ヒートマップ」を生成する赤外線写真を分析することで、人工知能による温度異常の検知がますます可能になってきています。マイクロンでは、正常作動時に生成した画像でオーバーレイを敷き、工場のバーチャルレプリカであるデジタルツインに被せます。これらのマップにより、AIシステムの方で、赤外線画像をその基準値と比較することができます。システムの方で偏差が確認されると、アラームが鳴る仕組みです。

「これは、工場の作業現場だけでなく、企業全体の変革です。」と、Doros氏は述べています。「これらの技術やメソッドを、社内の全てのビジネス過程に反映させることができます。」

マイクロンでまだ初期段階の赤外線イメージングは、機械の故障や深刻な損傷が発生する前に、早い段階で未来の不具合を検知する能力があるため、コスト節約において大きな可能性を秘めています。早期発見が可能ということは、簡単な修理で済むのか、あるいは、高価な装置そのものを交換しなければならないのか、という大きな違いを生みます。

さらに、マイクロンにとっての優先事項である作業員の保護の観点でも、重要な役割を果たすことができます。マイクロンでは、利益よりもチームの安全を重視しています。これこそが、問題が危険なものと化す前に検知する能力の改善を目的とした技術に、同社が引き続き重点を置いている主な理由です。

「「“ここのこのポンプが高リスク」”と通達され、熱暴走や火花が検知されれば、すぐにそれを把握して、同じ区域にいる作業員に避難するよう伝えられる状態でありたい」と、Doros氏は述べています。 機械故障の早期発見が、赤外線イメージングの主な目的ですが、マイクロンでは、この技術を使って製造システム/工程の最適化も行っています。システムの利用の可能性は、マイクロンのウエハ生産における大きなコストの1つだとDoros氏は述べています。システムが運転停止となれば、ウエハ製造に利用できる残されたツールはあまりありません。製造されるウエハの数が減れば、製造工場の運営にかかる総コストは上がります。ツールの故障が検知されなければ、ウエハにも損傷が与えられ、コストも上がります。

理想的には、マイクロンが各製造工場の各ツール用に赤外線イメージングを採用し、温度が高すぎる、または低すぎる箇所を全てリアルタイムで検知できる状態でありたいと、Doros氏は述べています。その後の微調整によりおそらく利益は上がり、その結果、ウエハ1個毎の生産コストは下がります。

多様なメリット

AIを使って工場の見る、聴く、感じるを行った結果、マイクロンでは素晴らしい成果を得ることができました:

  • 25パーセント加速した留まりの成熟にかかる時間
  • 10パーセント増加した製造生産高
  • 35パーセント削減した品質関連の問題

そして、データ解析とAIのメリットは、営業、人事、業務、研究開発など、マイクロンの製造工場以外の各部署でも見られます。

「これは、工場の作業現場だけでなく、企業全体の変革です。」と、Doros氏は述べています。「これらの技術やメソッドを、社内の全てのビジネス過程に反映させることができます。」

例えば、深層学習は、製品需要に関する予測を大幅に改善し、精度を10~20パーセント内にまで引き上げたとDoros氏は述べています。

ただし、マイクロンの人工知能とデータ解析の主な焦点は、その産業プロセスと、人間による最低限の介入で真に「スマート」なサイバー物理システムとして製造工場を運用するという約束にあります。 5Gセルラーネットワーク、バーチャル/オーグメンティッドリアリティ、モノのインターネット、AI、データ解析など、マイクロンの自社のメモリやストレージソリューションによる開発がさらに急速に進むにつれ、その約束が果たされる日も近づいてきます。

「AIには多くのものが含まれます」と、Long氏は述べています。「実際、診断能力や、機械学習アルゴリズムを使ってそれがいかに作られるかについて説明しています。我々は、アルゴリズムにデータを与え、履歴を使ってシステムに学習させることで、聴く、触る、見るという人間の感覚を再現しているのです。そうすると、機械はパターンを観測、学習し、自律的に結論を導き出せるようになるのです。」

+