Projekt SEMICONDUCTOR-X: Resiliente Lieferketten für die Halbleiterindustrie

Im Mai begann ein wegweisendes Forschungsprojekt zur Digitalisierung von Lieferketten in der Halbleiterindustrie. Unter der Leitung von Intel Deutschland und dem Fraunhofer IFF haben sich über 20 Partner, darunter auch das Fraunhofer EMFT, im Projekt „Semiconductor-X“ zusammengeschlossen. Ziel ist es, die komplexen Lieferketten in dieser Branche nachhaltiger und widerstandsfähiger zu gestalten. Die Corona-Pandemie hat die Schwachstellen der Lieferketten insbesondere in Deutschland und Europa aufgezeigt. Im Rahmen von „Semiconductor-X“ arbeiten die Partner daran, die Chip-Industrie unabhängiger und besser geschützt zu machen sowie den dezentralen, souveränen Datenaustausch zu fördern.

Fraunhofer EMFT JFET
© Fraunhofer EMFT/ Bernd Müller
Fraunhofer EMFT JFET

Projekt Semiconductor-X

Für bessere Lieferketten in der Halbleiterindustrie und Chipproduktion haben Intel Deutschland und das Fraunhofer-Institut in Magdeburg (IFF) ein neues Forschungsprojekt gestartet. Zusammen mit Unternehmen wie Elmos, Bosch, Infineon und Siemens gehe es darum, gemeinsam Standards für einen sicheren Datenaustausch zu erstellen, teilte das Fraunhofer IFF mit. Das Projekt hat ein Gesamtvolumen von 30 Millionen Euro. Es sind neben dem Fraunhofer EMFT noch rund 20 weitere Unternehmen aus ganz Deutschland daran beteiligt.

Die Corona-Pandemie habe gezeigt, wie abhängig Deutschland und Europa bei Computerchips seien und welche Folgen schon kleine Störungen bei einzelnen Firmen für die gesamte Lieferkette haben könnten, erklärte Institutsleiterin Julia Arlinghaus vom Fraunhofer IFF. Dies habe einerseits Auswirkungen für Kunden, wenn technische Geräte nicht verfügbar seien oder teurer würden, andererseits für kleine Zulieferunternehmen, die Teil der langen Lieferkette seien. Ziel sei es, einen Datenaustausch zwischen den Unternehmen zu ermöglichen, um so auf Störungen in Lieferketten besser reagieren zu können. Mithilfe von Künstlicher Intelligenz (KI) könnten Prognosen erstellt und so Lieferketten effizienter und nachhaltiger gestaltet werden.

Themen wie Datensicherheit und Betriebsgeheimnisse führten dazu, dass Unternehmen oft sehr zurückhaltend beim Austausch von Daten seien, erklärte Arlinghaus. Auch die Angst vor Hackerangriffen spiele eine Rolle. „Wir schaffen hier Standards für die ganze Branche.“ Erfahrungen hatte das Fraunhofer IFF Magdeburg bereits mit einem ähnlichen Projekt für die Autobranche gesammelt.

Einzelbeladung des Wafer-Probers für automatische Full-Wafer elektrische Messung für Qualitätskontrolle von fertig prozessierten Wafern
© Fraunhofer EMFT/ Bernd Müller
Waferhandling
Reinraumgang bei Fraunhofer EMFT
© Fraunhofer EMFT/ Bernd Müller
Reinraum Gang am Fraunhofer EMFT
Entwicklung einer Machine Learning-basierten prädiktiven Wartungslösung für Anlagen in der Fertigung.
© Fraunhofer EMFT/ Bernd Müller
Datenanalyse und -auswertung mit ML-Methoden

Beteiligung des Fraunhofer EMFT 

Im Rahmen des Projekts Semiconductor-X tragen die Mitarbeitenden des Fraunhofer EMFT mit einer Vielzahl von innovativen Maßnahmen zur Weiterentwicklung bei.

Lebenszyklusanalyse (LCA) und Datenstruktur

Zunächst wird eine Datenstruktur zur Ablage der Lebenszyklusanalyse (LCA) in der Asset Administration Shell (AAS) entwickelt, orientiert an umweltrelevanten Parametern. Diese LCA-Prozesse werden durch die Anbindung der Prozessanlage von HQD im Reinraum unseres Instituts durchgeführt.

Neue Sensorknoten und Softwareintegration

Ein weiterer Schwerpunkt liegt auf der Entwicklung neuer Sensorknoten, die umweltrelevante Parameter im Reinraum- und Halbleiter-Fab-Kontext erfassen und an die AAS anbinden. Das Fraunhofer EMFT integriert zudem alle notwendigen Softwaremodule und die Serverinfrastruktur in die AAS.

Methodologie und Supply-Chain Integration

Die Methodologie für die LCA wird entlang der vertikalen und horizontalen Supply-Chain erarbeitet. Zur Schaffung einer Datenbasis für zukünftige Analysen mittels mathematischer Methoden und Machine Learning werden Demoruns auf der HQD-Anlage durchgeführt.

Optimierungen durch Machine Learning

Optimierungen hinsichtlich des LCA-Ergebnisses und anderer umweltrelevanter Parameter erfolgen durch den Einsatz von Machine Learning (ML) Methoden. Dabei werden ML-Modelle der Partner aufbereitet und in die AAS sowie auf Edge Devices mit limitierten Hardwareressourcen implementiert.

Demonstratoren und Clusterorganisation

Abschließend entwickelt und implementiert das Fraunhofer EMFT Demonstratoren für die definierten Themenfelder. Gemeinsam mit dem Industriepartner HQD ist es für das Anwendungscluster "Nachhaltigkeit" zuständig und übernimmt die Leitung des Arbeitspakets Integration, Validierung, Demonstration. 

 

Semiconductor-X wird durch das Bundesministerium für Wirtschaft und Klimaschutz unter dem FKZ: 13MX008B gefördert.

Das könnte Sie auch interessieren:

AI on the Edge

Condition Monitoring und Predictive Maintenance

Halbleiterbauelemente