半導体FabはVirtual Metrology、anomaly detection、RCA、process recommendation、APCなどにAIを使ってきました。しかしPoCで良い結果が出ても、そのモデルがすぐ何年も量産で動くわけではありません。
AIを使うこととAIで運用することは違う
AI導入ではmodel developmentとaccuracyに注目しがちです。AIで動くFabではproduction stability、repeatability、workflow integration、process changeへの対応、validated methodの再利用まで評価する必要があります。
Model performanceとproduction performanceは分けて見る
MAE、RMSE、R²だけでなく、equipment state、consumable、product mix、upstream conditionが変わる中でモデルが使い続けられるか、trust boundaryはどこかを見ます。
量産は毎日繰り返される
PoCは定義されたdatasetとscopeで仮説を検証します。量産では製品も装置状態も変わり続けるため、peak offline performanceよりconsistencyとchange responseが重要になることがあります。
AIが新しい手作業になってはいけない
新しいdashboardを毎回確認し、すべてのoutputを人が解釈し、model stateを手作業で管理するならworkloadは減りません。
工程が変わればmodelも再確認する必要があります
装置状態は変化し、consumableは交換されます。新しいproductが入り、recipeも変更されます。導入時の条件だけを基準にすると、時間とともにmodelと実際の生産環境の間に差が生まれます。
量産ではmodel状態と工程変化を継続的に確認し、必要なときに再検証する必要があります。
Scaleはmodel countではなくoperating burdenで測る
モデルが1個から10個になって管理作業も10倍なら意味のあるscaleではありません。
Production AIはmodelを作った後の仕事を扱います
AmouslyがいうProduction AIはmodel開発後の運用までproductの中で扱います。Virtual MetrologyとAPCを検証してproduction dataへ接続し、現場で状態と結果を確認しながら継続運用します。