キオクシアの心臓部、四日市工場と北上工場。
これら2工場は、ただの巨大な製造工場ではありません。
世界最高峰と言っても良いレベルの、最先端スマートファクトリーなのです。
今回はその凄さについて深掘りしていきます。
●AIとビッグデータによる24時間の品質管理
フラッシュメモリの製造プロセスは、期間にして数カ月に及び、その工程数は数百以上と言われています。
工程数が多いだけでなく、超高精度が求められる、超微細で究極的な世界。
わずかな塵、わずかな位置ずれ、わずかな温度変化が起こるだけで、大量の不良品が出てしまいます。
そのわずかな異変を検知するために、キオクシアはAIとビッグデータを活用しています。
●データの自動収集
工場内に設置された数千台規模の製造装置や、検査装置のセンサーから得られる、数十億件/日のデータを収集し、統合データベースに蓄積し続けています。
四日市工場のデータ＋北上工場のデータ（合計数十億件規模/日）
→統合データベースに送信
→AIが得られたデータを詳細に分析
→AIが補正、改善を指示
→生産性の最適化を実現
それぞれの工場から、クラウド基盤の統合データベースにデータを集約する構造のため、四日市工場で得られたデータの分析結果を、北上工場へも即座に反映する事ができます。
データ集約による相乗効果が生まれ、1工場ずつ単体でデータ管理するよりも、はるかに高い生産性が得られます。
●AI深層学習による異常検知技術
「CNN（畳み込みニューラルネットワーク）や1D-CNNなどの技術」
製造装置等に組み込まれた、振動センサーや音響センサーからの波形データを画像データのように捉えてAIが分析。
人間の感覚では検知できない、ごく微小な波形データの異常をAIが読み取ります。
「時系列変化の予測技術」
「過去数時間〜数日間の温度・気圧・圧力の推移パターン」を学習し、将来の推移を予測します。
このパターンの気圧変化が起きた場合、過去のデータに照らして、平均して4時間後にエラーが出る。というような予測をAIが行います。
「オートエンコーダ技術」
蓄積したビッグデータの中から「正常な時のデータ」を取り出し、無駄な情報を排除して圧縮。「本質的な特徴データ」のみを抽出します。（エンコード）
抽出した「本質的な特徴データ」を元データに復元します。（デコード）
「正常な時のデータ」であれば、デコードを行った際に、元データとの差異が最小になりますが「異常な時のデータ」をエンコード、デコードした場合には元データとの差異が、正常な時と比べて大きくなります。
AIはこの差分を読み取って異常を検知します。
●異常検知後の補正技術
「製造装置の物理的補正技術」
製造装置内部には、モーターやアクチュエーター、電動バルブ等の物理駆動パーツが組み込まれおり、これらのパーツは製造装置内部のプロセッサを介して、AIサーバーとリンクしています。
異常の兆候を検知したAIは、製造装置側に制御信号を送信。
装置内のプロセッサがそれを受けて、物理駆動パーツをミクロン単位で精密に制御することで、リアルタイム異常補正を行っています。
「自動搬送ロボットのルート変更・走行制御」
特定の処理エリアで不具合の兆候があったり、メンテナンス等で処理が止まってしまう場合にもAIがそのエリアで発生する搬送渋滞を予め予測。
ウェハの搬送、投入を停止するだけでなく、当該処理エリアへ向かう、
AGV（自動搬送ロボット）
AMR（自律走行搬送ロボット）
OHT（天井走行搬送車）
を別ルートへ迂回誘導する指令を送信。
空いている別の処理ラインへ振り替えるなどして、生産性の最適化を実現しています。
