如今，活躍的設備比以往任何時候都多，數(shù)據(jù)正以指數(shù)級的速度增長，系統(tǒng)也變得越來越復雜和復雜。

創(chuàng)建這些系統(tǒng)和設備的背后是半導體制造工藝或流程中的大約 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)點的維度都在收緊。隨著新材料被引入以滿足新設備的性能目標，圍繞材料與制造過程的相互作用出現(xiàn)了新的挑戰(zhàn)。每個單獨的過程對任何變化都變得越來越敏感。這不僅來自材料的宏觀特性，而且現(xiàn)在更常見的是，也與子供應商的工藝或導致雜質的一些變化有關。

半導體行業(yè)，包括材料供應商和設備制造商，已經(jīng)認識到需要改進材料質量和分析方法。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Athnia通過默克集團、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。

提供先進的數(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一個單一、安全的平臺上管理制造流程中的更快創(chuàng)新，從而支持提高來料質量并增加供應商參與度。供應商通過智能數(shù)據(jù)集成從內部效率提升中受益，并且可以成為他們所服務的晶圓廠的更好合作伙伴。

了解哪些數(shù)據(jù)、如何將數(shù)據(jù)整合在一起，以及如何以安全的方式進行操作，以便您在無需擔心 IP 污染的情況下推動洞察力，是關鍵。

通過在安全且支持數(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圍繞材料和晶圓廠流程的大量數(shù)據(jù)，以推動材料質量和供應鏈的下一步發(fā)展。現(xiàn)成的機器學習模型用于通過 Palantir Foundry 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大限度地減少或消除任何材料中斷來提高設備制造廠的利用率，從而幫助應對芯片短缺等挑戰(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)驅動的決策制定始于堅實的數(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，在保護其 IP 的安全環(huán)境中保留控制權。Athnia 提供匿名化（刪除元數(shù)據(jù)，即列名）和擴展功能，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：

為下一代技術節(jié)點縮短新材料的上市時間，

實現(xiàn)更高的產(chǎn)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(chǎn)品的交付。

審核編輯：郭婷