大数据(BigData),或称巨量数据、海量数据、大资料,指的是所涉及的数据量规模巨大到无法通过人工,在合理时间内达到截取、管理、处理、并整理成为人类所能解读的信息。
BigData (大数据)具有5V(Volume-数据量大、Velocity-处理速度快、Variety-数据类型多样、Value-价值密度低、Veracity-真实性)特性。
智能大数据引擎平台
智能大数据引擎平台是一站式工业数据智能平台,该平台是基于大数据平台的通用工业智造数据分析解决方案。集成大数据中台 /EDA /YMS/ DMS/ FDC/ BigDFS/ 统一门户等数据分析系统,形成一个数据平台多个数据应用的分析方案。
该平台广泛应用于泛半导体领域工业智造数据分析,助力企业洞察数据资产,降本增效,提升竞争力,为企业数字化转型提供强有力的支撑。
Ai大数据,以智能算法结合工程方法为核心,弥补人员经验不足,适用于设备异常调查、品质异常原因排查、参数最优化分析等。
智能大数据引擎平台
数据治理平台
ETL调度平台
图像缺陷诊断
虚拟测量
设备健康度监控
缺陷追溯分析
BigData
大数据平台
YMS/DMS
良率/瑕疵管理系统
APC/R2R
先进制程管理系统
iFDC
智能错误侦测分类
EDA
工程数据分析系统
BigDFS
巨量DFS
大数据(BigData),或称巨量数据、海量数据、大资料,指的是所涉及的数据量规模巨大到无法通过人工,在合理时间内达到截取、管理、处理、并整理成为人类所能解读的信息。
BigData (大数据)具有5V(Volume-数据量大、Velocity-处理速度快、Variety-数据类型多样、Value-价值密度低、Veracity-真实性)特性。
工业(泛半导体)行业大数据一般包括以下数据类型:
结构化数据,例如大多数应用系统如MES数据
半结构化数据,例如设备日志文件、设备参数配置文件
非结构化数据,例如研发文档、设备操作手册、晶圆Defect图片等
通过大数据平台,将上述多源、海量的数据进行采集、存储、治理、计算、分析、共享,并借助数据挖掘、机器学习、人工智能(AI)等高级技术手段,最终实现报表看板、管理驾驶舱、大屏等可视化数据应用,并有力支撑YMS/DMS, ADC, VM, EHM等分析型应用系统,最终赋能和驱动业务。
采集
海量、多源数据采集
存储
高可用、高扩展性存储
治理
数据开发、治理一体化
计算
并行、实时、高速运算
分析
多维、智能、灵活的分析
共享
丰富、便捷的共享模式
支持结构数据、半结构化数据、非结构化数据采集。
支持离线批量数据采集、实时流式数据采集。
支持海量异构数据的低成本存储和计算,支持存算分离。
支持数据挖掘、机器学习、图像识别等人工智能模型算法。
支持统一的数据开发和治理集成平台,确保数据治理活动在开发过程中落地。
统一调度数据集成任务,确保数据有序流转。
支持数据资产目录和数据门户,让数据资产真正可见、可用、可追踪。
支持全量工厂报表和生产看板分析
支持战情室和大屏,辅助领导层、管理层和执行层进行可视化分析和决策。
支持良率/缺陷(YMS/DMS)的分析和闭环管理,实现多角度、多层次的缺陷数据分析,监控良率异常,提升和改善综合良率。
通过对机台采集到的图像进行机器学习,基于深度神经网络技术的AI算法,实现缺陷自动分类并自动判图,识别准确率高,提升质量工作效率;
通过设备参数和实时状态采集,结合设备历史数据,预测设备的故障发生率,并提前进行维修保养,减少因设备意外故障引起的停机损失。
通过大数据AI模型预测产品特性,结合设备和工艺参数,利用统计学建立模型来预测产品特性数值,例如膜厚、方阻、线宽等。
分ODS/DWD/DWS/ADS多层管理,提升数仓的可复用性和使用性能
支持OLAP多维分析、数据集市、数据联邦查询等各类数据分析应用场景
数据资产主题分类
标准化数据资产,包括指标数据和维度数据的标准化
数据模型规范化
数据资产服务化,以数据服务的形式发布共享,服务于企业内部的一些高级应用如工程数据分析(YMS/EDA)、统计制程管控(SPC)、机器学习(ADC)等
维度 | 传统数据库/数仓 | 大数据平台 |
数据存储 | 结构化数据,存储容量有限(PB级以下) | 目海量数据(PB级以上,结构化+半结构化+非结构化)分布式存储,每个节点有独立的存储 |
处理和计算 | 数据处理和计算速度较慢 | 分布式运算和处理,高效读取和写入,较传统数据库快6倍 |
数据治理能力 | 数据治理能力较弱,数据质量不高 | 数据开发、治理一体化,数据质量提升50%以上 |
并发性能 | 多任务查询性能差 | 并行处理和查询,并发性能高,一般会提高10倍甚至更多 |
可用性/容错性 | 存在单点故障、数据丢失的情况 | 具有数据冗余和故障转移机制,理论上可达99.99%或更高 |
可扩展性 | 扩展性较差,若扩展成一体机则成本较高 | 根据业务和数据量轻松横向扩展(增加节点),可扩展性比传统数据库高出3倍~10倍 |
License成本 | License(如Oracle一体机)成本费用较高 | 开源,无license费用,成本较低;大数据平台的总体拥有成本(TCO)通常比传统数据库低30%-50% |
良率管理系统建设的目标是通过各行业凝聚出有效的管理方法和人工智能的技术手段,方便人员快速监控良率&品质、高效分析异常,帮助提高企业的产品良率及生产效率,保证产品质量和客户满意度。
提高产品质量
增强企业竞争力
提高生产效率
推进现代化管理
降低生产成本
工业背景
甄别过程难,结果准确性保障难
分析时长战线长,分析复杂度有限
效果因人而异,筛选有效工具复杂
核心竞争力
有效集成数据&保障上层应用
数据分析&业务分析,保障分析准确
B功能配置&代码开发,灵活多角色
需求产品配置
APC系统,是一套可以因应半导体产业关键尺寸不断缩小、集成度不断提高及晶圆尺寸不断扩大的产业现况,针对产品良率、Rework次数以及有效产能几个要点,做有效改善与加强,从而使得制程品质和产能间能够达成双赢的一套系统。
这套系统使用量测过去制程的参数和量测所得的制程资料,纳入控制器,经由算法选定要因,来推算出未来制程的参数,使产品的输出值能够在最短时间内趋向于目标值,可以用于制造行业中产品生产参数预测反馈,使产品输出值能在最短时间内趋于目标值,达成改善产品Cpk,减少MO及报废发生的目标。主要应用为制造行业,特别是半导体、面板、PCB等制造行业。
可客制且多样化的栏位输入,满足客户的不同需求
适用于各module 的各式预定义运算模组
补偿参数的限制定义
完整的卡控机制
iDEP多因子分析协同运作(option)
iFDC系统是一套实时侦测半导体、面板等生产制造中的错误及预测报警的系统,通过侦测数据模型的建立,可以实时发现生产制造过程中的设备异常、产品异常,并通过提前预警,告知生产制造过程中即将处于异常状态的设备和产品信息,同时与其他生产管理系统互通信息,实现提高设备生产效率,降低生产成本的效果。
作为领先的国内智能制造整体方案专家的Glorysoft,致力于为客户提供更高效的生产管理系,iFDC产品系统已经成为国内领先的半导体及面板行业应用的错误侦测与分类管理系统。
24小时监控设备生产状态,实现无人巡视值守
藉由机台关键指标数据,侦测制程的健康状态,取得预先关卡,快速并准确地发现机台问题
当侦测到任何异常数据时,系统会立即通知负责人员进行异常事件的了解与处理
负责人员可搭配检视管制图表并佐以AI高阶分析功能的相关数据,一键分析设备异常和产品异常问题的根因所在,提高解决异常问题的效率6~10倍
采用分布式系统架构,提高系统体验流畅性
采用数据库分层设计,优化数据分类排列
引入高阶人工智能算法,快速分析目标样本
良好的扩展性,实现对其他系统的无缝对接
支持Windows, Linux系统,高并发使用
EDA系统协助人员快速分析工程数据,方便解读工程数据集所有的资讯,探索可疑因子,快速找出关键因子,关键多因子模型能有效防堵相同问题再发生。
EDA系统具备灵活的可扩展系统架构以及适应能力强大的算法结构,能够针对客户各种不同的系统结构和多样化应用场景进行快速的实施和部署,并提供分析平台和服务以支撑系统的模型后期运维。
BigDFS是一款智能化的海量文件管理系统,专为生产制造行业打造。它采用分布式、高可用的架构设计,提供统一的文件采集、校验、解析、预览等全生命周期管理功能。BigDFS系统底层采用高性能的分布式对象存储集群,配合可视化的管理平台,实现了文件检索、图片分析等关键场景的性能优化。同时,
BigDFS支持与MES、YMS等生产系统的深度集成,使用户能够实现一站式的文件和数据管理。凭借出色的性能、可靠性和易用性,DFS已在众多大型面板制造企业得到广泛应用,可满足各类生产线对文件管理的需求。未来DFS将持续创新升级,为制造业数字化转型注入新的动力。
缺陷文件管理
提供缺陷文件在线浏览和查询功能,便于异常数据及时确认
缺陷文件校验
解决设备上报文件不准确不规范问题,确保入存储数据可靠
缺陷文件解析
缺陷文件进行解析入库,为后续生产品质分析提供数据支持
缺陷图片管理
缺陷图片管理,提供图片查询预览下载等功能
对象存储
使用分布式对象存储,解决存储成本高存储容量大的问题
采集Agent
使用Agent程序可以主动采集设备图片以及文件,节约设备改造成本便于新数据的收集与处理