FabAgent: un nuovo alleato per la progettazione dei processi di fabbricazione
FabuBlox, spin‑off del MIT, ha presentato FabAgent, un collaboratore di IA pensato per supportare gli ingegneri dei semiconduttori nella definizione, analisi e emulazione dei processi di produzione prima di portarli in una sala bianca. L’obiettivo è collegare l’agente a design di processi strutturati e a conoscenze approfondite delle strutture, fornendo un contesto che consenta di ragionare sulle numerose dipendenze che determinano se un flusso di fabbricazione sarà efficace.
La presentazione è avvenuta tramite una pubblicazione su LinkedIn, dove la società ha illustrato la sua visione: l’intelligenza di processo deve comprendere sia la fabbrica sia il processo stesso, poiché una sequenza di fasi produttive deve essere allineata alle capacità delle attrezzature, alle regole sui materiali, alle ricette operative e ai limiti della struttura.
Integrazione con Facility OS per un contesto decisionale completo
FabAgent è collegato a Facility OS, la piattaforma di FabuBlox che modella in modo strutturato le strutture di produzione. Il modello include capacità delle macchine, risorse compatibili, restrizioni sui materiali, intervalli di parametri, ricette e dati di calibratura. Grazie a questa integrazione, l’agente può accedere a informazioni critiche durante la fase di decisione ingegneristica, migliorando la coerenza tra il flusso di processo proposto e le condizioni operative reali.
Dal design al dispositivo: visualizzazione e tracciamento delle trasformazioni
FabAgent è parte di una piattaforma più ampia che già organizza le conoscenze sulla fabbricazione. La suite di design di processi di FabuBlox combina:
- Descrizioni standardizzate dei processi
- Visualizzazione di sezioni trasversali
- Emulazione di apilamenti di strati
- Controllo di versioni
- Repository condivisi
Gli ingegneri possono descrivere l’obiettivo di fabbricazione e utilizzare l’assistente IA per creare flussi, configurare singole fasi e esplorare strumenti e ricette, mantenendo al contempo la possibilità di revisionare il processo proposto.
Visualizzazione basata su ray‑tracing per una comprensione fisica
La componente visiva fornisce un riferimento fisico alle decisioni di processo. Gli algoritmi di tracciamento di raggi di FabuBlox simulano come le successive fasi trasformino l’apilamento di strati del dispositivo, includendo la copertura dei film e i profili delle pareti laterali. Gli ingegneri possono selezionare una linea di taglio in un file di design GDS per collegare la sequenza di fabbricazione a una sezione trasversale del dispositivo previsto. Man mano che il design evolve, le modifiche al flusso si riflettono immediatamente nella visualizzazione.
Questa sinergia è cruciale perché ogni fase del processo modifica le condizioni iniziali delle fasi successive. Controllare la struttura in evoluzione insieme alle istruzioni consente di individuare per tempo problemi di integrazione. Tuttavia, l’utilità dell’emulazione dipende dalla fedeltà dei parametri rispetto alle macchine e alle condizioni reali, rendendo la calibratura e le misurazioni sperimentali una parte fondamentale del ciclo di ingegneria.
Facility OS: il motore di conoscenza delle strutture
Facility OS rappresenta l’insieme dei vincoli che condizionano un processo produttivo. Il modello strutturato delle strutture comprende:
- Capacità delle attrezzature
- Risorse compatibili
- Restrizioni sui materiali
- Intervalli di parametri operativi
- Ricette associate a specifiche macchine
- Dati di calibratura e caratterizzazione
Gli ingegneri possono cercare nella biblioteca di strumenti, mentre la corrispondenza assistita da IA aiuta a identificare le macchine più adatte per una determinata operazione. Le ricette, legate a strumenti specifici, sono costantemente aggiornate; la piattaforma evidenzia i cambiamenti per consentire una sincronizzazione selettiva con i flussi di processo.
Gestione della contaminazione e compatibilità dei materiali
Il controllo della contaminazione è integrato nel modello di Facility OS. La piattaforma combina definizioni dei materiali, informazioni sugli apilamenti di strati e restrizioni specifiche per ogni macchina, facilitando decisioni di compatibilità durante la pianificazione. In questo modo, un agente che valuta un processo può verificare se una fase rispetta le combinazioni di materiali e attrezzature consentite nella struttura, evitando di trattare ogni operazione come un’istruzione isolata.
Dal progetto alla produzione: flussi di lavoro e calcolo dei costi
FabuBlox descrive flussi di lavoro per revisionare le richieste di fabbricazione e calcolare i costi a partire dalle fasi di processo configurate e dalle tariffe delle strutture. Queste capacità estendono l’uso delle conoscenze strutturate anche alle attività di coordinamento che accompagnano la produzione, consentendo una gestione più trasparente dei budget e delle tempistiche.
Origini MIT e crescita come spin‑off
Le radici di FabuBlox risalgono ai problemi di condivisione della conoscenza incontrati dai fondatori al MIT. Secondo una biografia dei Microsystems Technology Laboratories (MTL) del MIT, Jan Tiepelt e i co‑fondatori crearono la piattaforma nel 2023 per facilitare una base dati condivisa nella community MIT.nano e MTL. Tiepelt ha conseguito il dottorato in ingegneria elettrica al MIT nel maggio 2024, dopo aver studiato la degradazione degli OLED blu.
MTL include FabuBlox tra le startup emergenti della sua comunità. L’investitore Pillar VC identifica il team fondatore come composto dai dottori del MIT Jan Tiepelt e Josh Perozek, insieme agli ingegneri Jack Muller e Eyal Perry. La società è entrata nel programma START.nano di MIT.nano, come annunciato dal MIT a gennaio 2025, ottenendo accesso a strutture a tariffa ridotta, consulenza tecnica e connessioni nella rete di innovazione dell’istituto.
In quell’annuncio, FabuBlox era già descritta per la sua interfaccia di design dei processi e per i repository simili a GitHub destinati a organizzare le conoscenze di fabbricazione. Tale background spiega l’attuale orientamento del prodotto: i flussi di processo con controllo di versione, i repository condivisi e i registri strutturati delle attrezzature forniscono all’assistente IA un contesto ricco su cui operare, mantenendo al contempo la cronologia evolutiva del design.
Fab Run Studio: collegare flussi, ricette e dati di wafer
Il terzo componente della piattaforma è Fab Run Studio, che collega versioni di flussi di processo e ricette a wafer fisici, registri di esecuzione e metrologia. Attualmente in fase beta, la suite supporta:
- Tracciamento di percorsi di wafer ramificati e divisioni di parametri
- Confronto dei risultati sperimentali
- Utilizzo di mappe di wafer e controllo statistico dei processi per rilevare variazioni
Il ciclo di retroazione previsto collega il risultato osservato all’wafer, al percorso, alla ricetta e alla macchina che lo hanno prodotto. FabAgent può quindi suggerire una revisione del flusso, una calibratura aggiornata o il prossimo esperimento, mantenendo viva la relazione tra dati fisici e parametri di processo.
Impatto sulla ricerca e sulla produzione ad alta varietà
Questa integrazione è particolarmente rilevante in ambiti di ricerca e in produzioni ad alta varietà, dove i processi cambiano frequentemente. L’intera industria sta investendo in cicli di apprendimento più rapidi, come dimostra la collaborazione R&D su processi di semiconduttori che avvicina team di materiali, attrezzature e integrazione. FabuBlox affronta il lato software e la gestione della conoscenza di questa sfida, offrendo una piattaforma che raccoglie, organizza e rende operativi i dati critici.
Visione a lungo termine: agenti specializzati e fabbriche autonome
La strategia futura di FabuBlox prevede lo sviluppo di agenti specializzati in aree quali litografia, deposizione e incisione. Questi agenti apprenderanno dai risultati fisici e aiuteranno a coordinare esperimenti e modifiche di processo. L’obiettivo è creare modelli del mondo specifici per le fabbriche di semiconduttori e avanzare verso una produzione sempre più autonoma.
Facility OS includerà inoltre segnali in tempo reale delle macchine e funzioni di manutenzione predittiva, ampliando le capacità di monitoraggio e ottimizzazione operativa.
Conclusioni
FabAgent rappresenta un passo significativo verso l’integrazione dell’intelligenza artificiale nella progettazione e gestione dei processi di semiconduttori. Collegando conoscenze strutturate sui processi, visualizzazioni realistiche e dati operativi delle strutture, la piattaforma di FabuBlox offre agli ingegneri uno strumento potente per ridurre i rischi, accelerare i cicli di sviluppo e migliorare la coerenza tra progetto e produzione. Con una solida base accademica MIT e un ecosistema di startup in crescita, FabuBlox è posizionata per guidare l’adozione di pratiche di fabbricazione più intelligenti e autonome nei prossimi anni.