在電子產(chan) 業(ye) ，製造行業(ye) 的未來取決(jue) 於(yu) 開發和部署一係列技術平台，從(cong) 而實現智能製造與(yu) 工業(ye) 4.0的能力。智能製造技術將通過整合更多的數據采集與(yu) 分析係統來提高效率、安全性和生產(chan) 率，建立覆蓋從(cong) 供應鏈到製造，最後到客戶體(ti) 驗等所有方麵的虛擬商業(ye) 模式。隨著大數據分析和人工智能的廣泛使用，提高了收集大批量數據和後續分析的效率。

通過集成技術組合，把從(cong) 供應商到客戶的完整產(chan) 品生命周期轉變成虛擬的業(ye) 務模式或信息物理模式開始變得可行。根據一些行業(ye) 報告，在部署智能製造解決(jue) 方案後，到2022年項目製造商將實現數百億(yi) 美元的收益。為(wei) 了促進關(guan) 鍵智能製造構件（例如，自動化、機器學習(xi) 或ML、數據通信、數字線程）的開發和商業(ye) 化應用，有幾個(ge) 國家建立了創新研究機構和大型研發項目。這些合作活動尋求開發出能夠改進可追溯和可視化的技術，實現對工藝預測和設備控製的實時分析，並針對多品種、小批量的產(chan) 品組裝建立靈活的、模塊化的製造設備平台。

電子產(chan) 品製造業(ye) 的垂直部門（半導體(ti) （SEMI）、外包係統組裝和測試（OSAT）、印刷電路板組裝（PCBA））正在融合，產(chan) 品服務也在整合。之所以會(hui) 這樣是因為(wei) 技術開發和市場變化的速度加快，從(cong) 而為(wei) 特定垂直部門的行業(ye) 成員提供了從(cong) 電子行業(ye) 的總利潤池中獲取更高比例利潤的機會(hui) 。

SEMI、OSAT和PCBA部門的融合將改變整個(ge) 供應鏈的物料流，並且引進跨部門的設備和工藝（例如，由PCBA部門提供後端的OSAT服務）。OSAT服務供應商使用通常隻能在半導體(ti) 後端製造中才能看到的設備和平台，PCBA服務供應商安裝設備並開發類似於(yu) OSAT使用的工藝。

開發智能製造技術（即大數據分析、人工智能、雲(yun) 計算/邊緣計算、機器人、自動化、物聯網）的能力至關(guan) 重要，這些技術既可以部署在垂直部門內(nei) 部，也可以部署在垂直部門之間。此外，確保技術能夠無障礙地演進的能力，對建立穩定可靠的集成數字紐帶來說，也非常重要。

隨著電子產(chan) 品製造供應鏈的不斷地演進和整合，傳(chuan) 統的材料流的改變，將推動采用無縫連接製造運營所有部分技術的需求。iNEMI智能製造TWG發布了路線圖，針對垂直部門和橫向部門的課題，提供針對現狀分析與(yu) 關(guan) 鍵要求的深刻見解。

在這個(ge) 路線圖中，賦能智能製造技術作被看成跨越了電子行業(ye) 製造部門橫向課題：安全、數據流架構和數字模塊（人工智能、機器學習(xi) 和數字映射）。

電子製造業(ye) 的三個(ge) 部門：半導體(ti) 、OSAT和PCBA，將麵臨(lin) 一些共同的挑戰：

對快速變化、複雜業(ye) 務需求做出響應

管理越來越複雜的工廠

在利潤率不斷下降的情況下實現財務增長目標

滿足工廠和設備的可靠性、容量、生產(chan) 能力和成本的要求

充分利用跨行業(ye) 部門邊界的工廠集成技術

滿足前沿工廠的靈活性、可擴展性和可伸縮性的要求

提高針對環境問題的全球限製

這些挑戰提高對部署的要求，賦能智能製造解決(jue) 方案，使它能夠跨垂直部門發揮作用。

賦能智能製造技術（橫向部門的課題）：現狀分析

通過跨電子行業(ye) 製造部門的一些賦能智能製造技術（橫向課題）可以解決(jue) 許多智能製造麵臨(lin) 的挑戰，包括：安全性、數據流和數字模塊。由於(yu) 與(yu) 不同垂直部門（SEMI、OSAT和PCBA）和垂直部門之間的交集相關(guan) ，需要探討這些問題的關(guan) 鍵需求。

智能製造TWG的成員提出下述屬性要求：安全性、數據流、數字模塊和數字映射。常見的跨垂直部門情況是開發和部署適當解決(jue) 方案的能力，從(cong) 而有能力低成本地大批量製造出產(chan) 品。智能製造被認為(wei) 是需要高度專(zhuan) 注以確保建立適當技術基礎。構建強大、敏捷和可伸縮的基礎，最重要的是賦能智能製造的橫向課題。

安全性

我們(men) 從(cong) 兩(liang) 方麵來討論安全性：物理安全和數字安全。為(wei) 安全部署的工具與(yu) 協議是越來越重要的課題，它橫跨許多行業(ye) ，而且不僅(jin) 局限於(yu) 電子製造業(ye) 。安全性意味著保護大量重要的資產(chan) 和係統屬性，它們(men) 可能會(hui) 隨著工藝（新的與(yu) 強大的競爭(zheng) 優(you) 勢）和知識產(chan) 權（IP）的內(nei) 在價(jia) 值而變化。

在某些例子中，安全性直接涉及工人、設備和製造工藝的安全。在其他情況下，它轉化為(wei) 保護電子資產(chan) 形式，例如設計文檔、材料清單、工藝、業(ye) 務數據和其他資產(chan) 。針對安全性的一些關(guan) 鍵考量是訪問控製、數據控製、輸入驗證、工藝保密性和係統完整性。

總之，在當下的製造技術中，隻有在開發流程結束時和特定的安全問題已經發生後，IT的安全問題才會(hui) 被提出。但是，執行這種滯後的安全解決(jue) 方案不僅(jin) 代價(jia) 不菲，而且常常無法為(wei) 相關(guan) 問題提供可靠的解決(jue) 方案。結果是，有必要采用一種綜合的方法作為(wei) 流程，包括執行安全威脅識別、風險分析和減輕安全挑戰的周期。

數據流

一般的工廠運作與(yu) 製造技術（例如工藝、測試和檢查），以及支持硬件和支持軟件快速演進；傳(chuan) 輸和存儲(chu) 數據量越來越大的用於(yu) 分析（人工智能、機器學習(xi) 和預測）的數據的能力。此外，大數據的出現和隨後的增長比最初預期的要快。這一趨勢將繼續突出現有的挑戰並帶來過去沒有考慮到的新差距（圖2）。

例如，數據保留做法必須迅速發展；已經確定了數據傳(chuan) 輸批量和數據存儲(chu) 歸檔長度的限製將消失（也就是說保留“所有”曆史數據將成為(wei) 標準做法）。考慮使用數據流密鑰的例子包括數據管道、設備與(yu) 設備（M2M）之間的通信和同步/異步數據傳(chuan) 輸。

數據流和選項考慮（例如雲(yun) 計算、霧計算和邊緣計算）的靈活性、安全性和冗餘(yu) 的架構必須是明確的。必須識別和討論收益和風險。數據流和加快大數據技術發展的能力將使解決(jue) 方案的部署能夠從(cong) 數據產(chan) 生、存儲(chu) 和使用的增加中取得收益。這些能力能夠以實時和接近實時的速度傳(chuan) 送更大的數據量，將提高設備參數數據的可用性，從(cong) 而對成品率和質量帶來積極作用。有一些挑戰和潛在的解決(jue) 方案與(yu) 數據產(chan) 生、存儲(chu) 和使用的增量有關(guan) ，也與(yu) 更高數據傳(chuan) 輸率的能力和額外的設備參數數據的可用性有關(guan) 。

為(wei) 了實現有效的在線製造方案，要解決(jue) 的主要課題是數據質量和整合分析的專(zhuan) 業(ye) 知識。在電子製造業(ye) 務出現的大數據要按照“5V框架”來討論：

批量

速度

多樣性（或數據合並）

真實性（或數據質量）

價(jia) 值（或分析應用）

“5V”是了解電子行業(ye) 廣泛采用的大數據分析的基礎。關(guan) 鍵是解決(jue) 已確定的差距，例如精確度、完整性、上下文信息豐(feng) 富度、可用性與(yu) 歸檔長度，提高數據質量以支持電子製造業(ye) 的高級分析。

數字模塊

開發數字模塊（相互連接的數字技術）的進展為(wei) 數字化、集成化和自動化提供了實現智能製造收益的機會(hui) 。隨著我們(men) 進入數字連接智能基礎設備的開發和部署的時代，這些技術將使電子製造公司能夠保持相互關(guan) 聯。有些技術被視為(wei) 基礎性數字模塊技術（比如人工智能、機器學習(xi) 、增強現實、虛擬現實和數字映射），他們(men) 在電子製造業(ye) 中越來越受關(guan) 注。

人工智能與(yu) 機器學習(xi)

人工智能（AI）和機器學習(xi) （ML）工具與(yu) 算法可以提高生產(chan) 的成品率和質量。這些工具與(yu) 算法將支持傳(chuan) 統工藝與(yu) 製造平台（工藝、設備和工具）的轉換。人工智能和機器學習(xi) 的現狀分析，以及它們(men) 的影響因子，通常考慮以下特性和操作規範：固定頻率通信、共性分析、材料和運輸曆史和可追溯性、預測成品率與(yu) 性能的模型、預定義(yi) 的圖像處理算法、安全網關(guan) 、倉(cang) 庫管理係統。

人工智能和機器學習(xi) 提供幾種匯總數據的機會(hui) ，目的是在標準工藝中生成可執行的洞見。這些包括但不限於(yu) 下述內(nei) 容：

預防性維護：收集機器曆史性能數據，開發出一套最佳機器的性能基準，在機器出現異常時識別出異常情況。

生產(chan) 預測：根據隨時間變化的產(chan) 量與(yu) 客戶需求的趨勢變化，更精確地計劃生產(chan) 周期。

質量控製：檢查應用可以利用許多機器學習(xi) 的變體(ti) 來微調理想的檢查標準。借助深度學習(xi) 、卷積神經網絡與(yu) 其他方法可以得到可靠的檢查結果，幾乎不需要人工幹預。

通信：對電子製造行業(ye) 的成員來說，采用開放的通信協議和標準非常重要。

數字映射技術

實時模擬的概念通常被稱為(wei) 數字映射。預計全麵推行數字映射技術將成為(wei) 在舊的與(yu) 新的設備類型中保持成本競爭(zheng) 力的要求。數字映射最開始是用來賦予工具和工藝平台預測能力的，這些工具和工藝平台在曆史上引起最大且最有影響力的瓶頸。數字映射的最終價(jia) 值將取決(jue) 於(yu) 它通過采集數據和與(yu) “5 V”（真實性、多樣性、容量、速度和價(jia) 值）有關(guan) 的數據可用性的持續演進的能力。電子行業(ye) 製造部門內(nei) 部和部門之間的數字映射現狀分析突出以下數據考慮：曆史性數據、周期性數據和反應性數據。

數字映射概念本身適用於(yu) 生產(chan) 與(yu) 產(chan) 品生命周期的按需訪問、監控和端到端的可視化。通過模擬生產(chan) 車間，工廠將能夠評估可得到的預測項目KPI（和需要做出哪些改變來實現這些目標），預測生產(chan) 的產(chan) 出，通過混合信息物理現狀（從(cong) 物理世界到虛擬世界，再回到物理世界）得到的生產(chan) 量，以及快速地把人員與(yu) 設備部署到世界各地的製造車間。

賦能智能製造技術：關(guan) 鍵屬性要求的安全性

安全仍然是電子製造業(ye) 采用技術與(yu) 工具的主要關(guan) 注點，這些技術和工具依靠采集的數據來提高製造質量和成品率，並且以更低的成本和更高的性能提供不同的產(chan) 品。SEMI成員發起一項調查，收集來自用戶、設備與(yu) 係統供應商、安全專(zhuan) 家與(yu) 安全解決(jue) 方案供應商更全麵的輸入信息，目的是充分了解電子行業(ye) 與(yu) 其供應鏈的安全要求、麵臨(lin) 的挑戰和潛在的解決(jue) 方案。這個(ge) 課題涉及製造領域許多方麵：設備、工具、設計、工藝準則、材料等。不斷要求大幅度提高工藝安全管理水平，最大限度減少有價(jia) 值的專(zhuan) 有技術知識產(chan) 權流失；這個(ge) 需求將引起大量的討論，例如數據分區、生產(chan) 方法、設備和工具布局。安全性的幾個(ge) 關(guan) 鍵屬性要求是網絡市場細分、物理接入並逐步減少漏洞。

這些安全問題並不是微電子製造獨有的問題，而且其中的許多問題超出一般的製造範圍。安全性課題應參考整個(ge) 製造領域麵臨(lin) 的挑戰和可能的解決(jue) 方案。例如，IEC設立了信息安全與(yu) 數據保密谘詢委員會(hui) 。建議這個(ge) 谘詢委員會(hui) 和其他正在開發通用製造安全路線圖的標準和行業(ye) 組織合作，描述具體(ti) 的微電子製造問題並關(guan) 注共同的需求。

數據流

開發可以靈活擴展的可伸縮架構；跨邊緣計算、霧計算和雲(yun) 計算的連接；集成各種可以產(chan) 生數據流的設備和係統是非常重要的。例如，智能工廠架構可以適合在電子製造業(ye) 中不同的垂直部門使用，也可以滿足非電子製造行業(ye) 裏的企業(ye) 的要求。

就像前麵所說的，尋求部署智能製造技術的不同行業(ye) 應當充分利用可以提供預期屬性的架構；數據流架構被視為(wei) 利用跨行業(ye) 協作，確定最佳方案（即數據同步裝置、執行客戶端）最主要的選擇。

數據流技術的開發和部署正在加速。對數據分析和數據保留協議的關(guan) 注度正在比最初預期的速度更快地增長。它必須收集關(guan) 鍵數據，同時還要建立執行智能分析準則，並使用適當的算法決(jue) 定數據驅動的決(jue) 策。目前正在考慮幾個(ge) 與(yu) 數據有關(guan) 的課題，例如以下的通用協議：

“全部”與(yu) “異常”數據保留實踐

數據存儲(chu) 容量的優(you) 化

分析數據格式準則來推動反應與(yu) 預測技術

數據質量協議賦能時間同步、壓縮/解壓縮與(yu) 混合/合並的改進

用來優(you) 化數據采集、傳(chuan) 輸、存儲(chu) 和分析的準則

針對設備的數據考慮包括：

定義(yi) 針對設備可視化的上下文數據組

改進數據的可訪問性，以支持多種功能

支持從(cong) 反應功能到預測功能的數據轉變

設備信息的數據可視性（狀態、健康等）

數字模塊

部署必要的數字模塊來實現智能製造的能力處於(yu) 成熟度的不同階段。

人工智能與(yu) 機器學習(xi)

人工智能和機器學習(xi) 需要的幾個(ge) 關(guan) 鍵屬性是數據通信標準、數據格式化標準和第三方物流（3PL）跟蹤解決(jue) 方案。我們(men) 把像人工智能和機器學習(xi) 這類技術視為(wei) 向預測運行模式轉變的賦能者：預測維護、設備健康監測、故障預測、預測調度和成品率預測與(yu) 反饋。這個(ge) 範式在人工智能增強控製係統構架中將使係統能夠通過攝取和分析大數據集從(cong) 它們(men) 的環境裏“學習(xi) ”。開發先進的學習(xi) 技術，改進自適應模型控製係統和預測控製係統。人工智能和機器學習(xi) 技術的持續開發和評估是建立支持新興(xing) 的生產(chan) 設備所需要的最耐用和優(you) 化好的預測引擎。

數字映射技術

數字映射技術的進步正在加速，同時其潛在的好處也傳(chuan) 遞給最終用戶。此外，賦能技術（硬件與(yu) 軟件平台）的成本正在下降。我們(men) 認為(wei) 以下是提高數字映射（產(chan) 品設計、產(chan) 品製造和產(chan) 品性能）被采納和大規模部署的關(guan) 鍵屬性需求：數字紐帶、預測能力、規範性和全係統的連續數據訪問。

數字映射是一個(ge) 長期願景，它將依賴離散預測能力（設備、工具和算法）的支持，這些能力後續將集成在一個(ge) 通用預測平台上。一般認為(wei) ，數字映射將提供設備運作的實時模擬，作為(wei) 設備操作係統的擴展。

在工廠環境中成功部署數字映射需要高質量的數據（例如精確性、速度、動態更新）來確保數字映射精確表示工廠的實時狀態。此外，這一遠景的實現取決(jue) 於(yu) 設計出一種架構的能力，該架構能夠提供通過共享數據和能力來進行協同操作的關(guan) 鍵技術。最終，數字映射的成功要取決(jue) 於(yu) 能否開發出在推行數字映射時能夠提供冗餘(yu) 和多種風險評估關(guan) 口路徑。

優(you) 先處理的研究、開發與(yu) 執行要求

在電子行業(ye) 主導的計劃中，經常會(hui) 提到合作的主題，它是實現智能製造的優(you) 勢的關(guan) 鍵。電子製造行業(ye) 的成員強烈要求參與(yu) 促進合作的活動。這些活動的參與(yu) 者認識到，解決(jue) 方案必須基於(yu) 共識，而且被許多供應商所采納。設備供應商意識到，與(yu) 數據分析相結合的深度知識隻是可能獲得的潛在價(jia) 值中的一小部分。隻有在整個(ge) 行業(ye) 的工廠的製造生產(chan) 線、垂直部門行業(ye) 的供應鏈成員、還有整個(ge) 垂直部門共享數據時才能獲得最大價(jia) 值。

按優(you) 先級排列的研究、開發和實行要求的主題示例如下：

為(wei) 所有設備和工具定義(yi) 數據流標準接口與(yu) 數據格式；

調查分析在垂直部門之間數據流的連續性是強製的還是可選的；

在用來決(jue) 定工藝是接著往下走還是不往下走時，根據工藝流與(yu) 數據流延遲的關(guan) 係來確定最佳操作窗口並量化允許的數據流延遲；

在垂直部門之間共享通用的工藝工具與(yu) 隔離工藝設備時，調查數據的安全性與(yu) 加密要求；

為(wei) 設備開發開放的與(yu) 通用的跨垂直部門的通信標準與(yu) 協議。

差距和最佳表現

人們(men) 普遍認為(wei) ，數字化將推動數據量巨大增長。許多人預測，雲(yun) 計算和混合雲(yun) 計算解決(jue) 方案對於(yu) 通過人工智能算法充分發揮存儲(chu) 和隨後的數據操作，從(cong) 而獲得價(jia) 值至關(guan) 重要。但是，行業(ye) 成員必須在連接協議與(yu) 數據結構方麵采用一致同意的標準與(yu) 準則（圖3）。智能製造是個(ge) 旅程，需要建立一套耐用穩定的可伸縮連接架構，在這個(ge) 架構上部署數字模塊（例如人工智能，機器學習(xi) ，從(cong) 數據中提取最佳價(jia) 值）。

可能會(hui) 對智能製造的部署和采納度產(chan) 生重大影響的關(guan) 鍵差距包括：

未定義(yi) 垂直部門間的數據安全性；

數據流的機器接口標準化不夠；

未定義(yi) 數據流的數據格式；

違反安全性規定的數據漏洞；

穩定和可擴展的跨電子垂直部門的連接架構，以實現智能製造功能（事件與(yu) 報警通知、數據可變采集、菜單管理、遠程控製、設置調整、麵向操作人員的接口等）。

總結

iNEMI智能製造路線圖章節提供針對垂直部門內(nei) 部和垂直部門之間的橫向主題的現狀分析與(yu) 關(guan) 鍵屬性要求。此外，該章節確定了橫向主題的主要差距和要求，這正是實現智能製造必須解決(jue) 的問題。

定義(yi) ：智能製造、智能工廠、工業(ye) 4.0、人工智能、機器學習(xi) 等

審核智能製造準備就緒：開發基於(yu) 共識的文檔，利用已發布的文檔（例如新加坡準備度指數）

安全性：最佳實踐、物理、數字、本地與(yu) 遠程訪問等

設備多樣性與(yu) 數據流通信：舊的、新的與(yu) 混合的

數據屬性分類與(yu) 優(you) 先級：數量、速度、多樣性、真實性和價(jia) 值

成本、風險預測、投資回報之間的關(guan) 係

人才庫（主題技術專(zhuan) 家）：數據與(yu) 計算機科學家、製造工程師和自動化工程師

標準與(yu) 準則：數據格式與(yu) 結構、通信協議與(yu) 數據保留

開放式協作：SEMATECH 2.0

為(wei) 了定位確定差距和要求，需要不同垂直部門更多詳細狀態來構建適合的計劃。有人建議采用循環調查來收集信息，來解決(jue) 這個(ge) 問題。建議采用有一種調查格式作為(wei) 範本：IRDS FI路線圖的製造數據安全性調查。

iNEMI與(yu) 其他組織，例如SEMI，可以組織研討會(hui) 來促進電子製造業(ye) 的利益相關(guan) 者之間的合作。此外，iNEMI還可以建立跨行業(ye) 的合作項目，開發可以支持智能製造的技術，解決(jue) 路線圖確定的要求和差距。

此外，像iNEMI和SEMI這類組織，可以合作建立準則和標準（例如，數據流接口和數據格式），並領導各個(ge) 團隊開發設備和工具硬件的標準，降低在製造過程中的複雜性。不僅(jin) 如此，iNEMI還可以與(yu) 其他行業(ye) 團體(ti) 合作組，促進來自不同智能製造計劃的最佳實踐和關(guan) 鍵知識進行交換。路線圖TWG的成員致力於(yu) 在智能製造進程中提供指導：人員、工藝和技術。TWG的成員還建議參與(yu) 微電子小組和非微電子的小組，評估利用現有的智能製造準則和標準的機會(hui) 。