ユーザー事例
機械学習がハイテク製造業界の革新を促進
半導体大手企業のSK Hynixは、機械学習を通じて技術開発を効率化
SK Hynix
| 課題 | 自動化の促進、時間の節約、半導体の研究開発を効率化する実験プロセスの設計に役立つノウハウとデータインフラストラクチャの開発。 |
|---|---|
| ソリューション | JMP®を使用して、製造プロセスにおけるデータの使用を迅速化できる機械学習アルゴリズムを作成。JMPの使用を標準とし、効率性を組織全体に影響を及ぼすほどに拡大。 |
| 結果 | SK Hynixは、新しい手法の実践とJMPによるソフトウェアツールキットの使用により、時間の大幅な節約に加え、社内の相乗効果を実現した。独自テクノロジーのさらなる開発により、機械学習ベースの工程への潜在的な影響力が拡大。 |
半導体業界の特徴は、急速な革新の多くが激しい競争によって引き起こされるという点です。企業は激しい競争に巻き込まれ、より速く、より小さく、より経済的な部品を開発しており、高密度集積回路のトランジスタの数は約2年ごとに2倍に増加しています。これは買い手にとっては素晴らしいニュースですが、マーケットメーカーにとっては、マージンが厳しく、研究開発にさらに集中しなければなりません。
研究者が開発や製造プロセスのあらゆる段階で相乗効果の実現を目指すなか、データ分析は長い間この成長に貢献してきました。これまで、データはテスト段階で最も有用でしたが、テクノロジーの進歩に従い、データは生産の初期段階にも導入されています。そして、SK Hynixは世界第3位の半導体メーカーとして、この導入の最前線に立っています。
「豊富なデータを使用することで、膨大な種類の分析を行うことができます」と、SK Hynix、データサイエンス部門データイノベーションチーム長のJu Yonghan氏は説明します。彼のチームは同部門でSK Hynixの製造環境の自動化と研究開発を行っています。Ju氏は、同僚とともに組織の最も複雑な統計上の問題の解決にあたりますが、時には自動化されたプロセスソリューションを作成するテクノロジーを使用することもあります。「従来のSPC分析からディープラーニングや最適化まで、統計やデータ解析に関して幅広い分野をターゲットにすることができます」と彼は言います。
データの可視化による製品改善
韓国と中国に製造拠点を置くSK Hynixは、間違いなく、世界の半導体業界で最も重要な企業のひとつであり、1983年からテクノロジーのリーダーとして活躍してきました。現在、SK Hynixの製品は普及しているIT機器で広く使用されています。SK Hynixは、取引先に多くの有名企業を抱え、その研究開発とシフトイノベーション能力は実証されています。Ju氏のチームメンバーは、このプロセスのデータ側の開発を担い、一貫した進歩を保証しています。
「私たちは主に、データエンジニアリングチームまたは現場組織から分析のためのデータを受け取ります。このようなデータは、最適なプロセス条件、装置や製品の生産に関係しています」とJu氏は説明します。彼はチームとともに、測定変数に応じて実験を効率化する新しい統計モデルの開発に取り組んでいます。データの可視化は、テスト設計に適したアプローチを開発する上で重要な役割を果たします。「決定係数やp値のみで適切な統計モデルを評価することは困難です」とJu氏は説明します。「外れ値の効果はその代表的な例です。さらに、現場エンジニアとより効率的にコミュニケーションを取るために、可視化ツールの必要性はとても高いです。JMPはその目的に合う直感的かつ高速なツールだと思います。しかし、JMPを使用するだけでは、3つ以上の次元でデータを可視化することは、困難です」。
データ分析における機械学習
これらのプロセスは、関係するデータの量とその品質を考慮すると難しい場合があります。データが不完全である場合、分析の成功に大きな障害となります。「非常に大きなデータの場合、PC上でデータを分析することが不可能な場合があります」と彼は説明します。「さらに、データを散発的に読み込むと問題が発生する可能性があります。そのため、今年はデータレイクのようなコンセプトでデータを統合的に管理しようとしています。また、ディープラーニングなどのモデルを実行するためにGPUサーバーを拡張中です」。
完全自動化の傾向は、現代の製造業においてますます顕著になってきています。Ju氏とそのチームは、機械学習によりSK Hynixの研究開発プロセスと生産を促進するためのソリューション開発に取り組んでいます。「半導体業界は多くのデータを生み出しています。研究開発面では通常、実験データを使用しますが、多くの場合、一般統計法を使用してこれらの実験を概説することができます。さらに良いことに、私たちは機械学習を利用してテクノロジーそのものを変えることができます」。彼は、実験の質を損なうことなくデータを消去してノイズを除去するためのアルゴリズムの開発について説明します。「機械学習アルゴリズムは、特定の分野では統計的アプローチよりもエラー防止に優れていると感じています。これはデータサイエンスを活用する絶好の機会です」。
Ju氏によると、JMPが特に役立ったのは実用的な範囲、限界、耐久性をテストする際でした。「この状況では、実験変数がたくさんあります。相互作用の影響を考慮する必要がある10または20の変数があるかもしれません。これまで、エンジニアは実験を補助するために統計を使用していませんでした。なぜかというと、比較的単純なデータでしか処理できなかったからです。しかし、DOEのためにJMPを使い始めると、実験に必要なサンプルサイズを劇的に減らすことができ、適切な統計分析を適用できるようになりました。これにより、分析に費やす時間が大きく改善されました」。
JMP®が採用された理由
Ju氏と彼のチームにとって、実験方法や研究成果をSK Hynix内の他の社員（特にデータサイエンティスト以外の社員）に伝えることが重要です。そこで、JMPの可視化ツールが会話を促進する上で非常に重要になります。「データ分析に関する認識は大きく変化しました」と彼は説明します。「データ分析はもはやデータサイエンティストの独占的な領域ではなく、実際の開発や製造条件における意思決定に不可欠なバックアップ資料となっています。このように、ビッグデータ環境や、特にリーダー間でのデータ分析の重要性に対する認識が高まったことで、JMPのライセンスが多く導入されることになりました。
Ju氏は、JMPを使用しているSK Hynixの数多くの部門長のうちの一人です。また、Ju氏によると、SK Hynixは、社内全体で他のデータ分析ソフトウェアパッケージよりもJMPを重用しています。その理由は、直感的な接続設備、予測モデリングの豊富な機能、機械学習などの手法です。JMPはSK Hynixでますます選択されるソフトウェアになっています。以前は各部門によって使うアプリケーションが違っていて、プロセスが不統一だったことをJu氏は思い出します。「当時、データ構造は変化していました。今ではJMPを使い、ほとんどの社内のメンバーが以前よりも簡単にデータに接続できています。そして、データの可視化を通じて、タスクを実行し結果を確認することができます。
今日、JMPはSK Hynixの研究開発プロセスにとって不可欠なものになっています。私たちはメンバーにJMPとその統計的方法を教えています。その環境がとても良いからです」。そして、SK Hynixのような業界リーダーは、このような環境により、韓国だけでなく世界のテクノロジーのランドスケープを形成しています。