半導体パッケージ業において過去データを使用して予測モデルを構築、パラメーター調整の最適化を通し製造効率を改善―Profet AI社ケーススタディ

ICパッケージとテスト関連産業の現状

近年、半導体製造の世界的な重要性に対する関心は、世界的な高まりをみせています。米国の国際マーケティングリサーチ機構Prismarkの調査によれば、世界における半導体のパッケージ産業の市場規模（検査産業を除く）は570億米ドル、2019年から2024年の年平均成長率は5.6％となり、半導体パッケージ産業は半導体市場全体を上回るスピードで成長するとみられています。今後、5G、EV、AIoTの時代を迎え、ICアプリケーションの増加によってIC部品の需要はさらに強くなると予測されます。

課題

AI時代においては、いかに早くAIを導入して生産品質を高め、日々厳格化する顧客の品質に対する要求に応えられるかが企業の課題となっています。また近年、半導体パッケージ・検査産業においては、その生産能力が需要に追いついていないため、いかに迅速に設備のパラメーターを調整して効率を高めるかも大きな課題となっています。

半導体パッケージ分野の製造工程におけるAI活用事例
応用製造プロセス ― ワイヤボンディング設備、研究開発

迅速なパラメーター最適化と生産スピードの加速

半導体産業は製品のライフサイクルが短い産業ですが、新製品の生産開始のたびに設備の調整に膨大な時間を要します。このため、迅速なパラメーター調整や、生産スピード加速化がメーカーの競争力を高める鍵となります。

機械学習の活用：
過去のパラメーター調整履歴をもとに、機械学習モデルを作成。機械学習を活用することで、新製品の生産時にも適切な生産設備パラメーターの予測・推奨が可能で、迅速な立ち上げや生産スピードの加速に貢献します。

ワイヤボンディング設備のパラメーター最適化・歩留まり向上

半導体パッケージ・検査産業は大量のワイヤボンディング設備を使用します。パラメーターの最適化は、良品率向上にあたる非常に重要な要素になっています。

機械学習の活用：
機械学習を活用することで、過去のデータを活用し、歩留まりに大きく影響のある接合パラメータ（接合圧、超音波振動、熱など）の適切な設定値を素早く算出し歩留まり向上に貢献します。

AI デモクラシーの実現

AIに関する課題は、社内のチーム単体だけでなく、企業全体で検討する必要のあるものとなってきました。各分野のプロフェッショナルが、データに基づいてAI活用の可能性を探求し、従来のBIからAIによる予測モデル確立へのレベルアップを目指しています。

採用製品：

Profet AI AutoML