能生产芯片的设备就像是能下蛋的鸡一样重要,人们总是讨论芯片的重要性,把焦点聚焦在我们如何生产出芯片,却往往忽视设备的重要性。但,实际上,最为重要的是如何生产出这些设备才是关键——这就是“授人以鱼,不如授人以渔”的道路。直到最近几年,美国半导体的封锁才让“光刻机”这个词成为了流行词-网络和视频号里传出了各种科普、解读多了起来,使得它成为了个尽人皆知的热词。
本文作者宋华振,贝加莱工业自动化(中国)有限公司技术传播经理,本文由公众号「说东道西」原创首发。
![](/wp-content/uploads/2023/05/frc-db022193e4d7a34caa436b8197ccfd56.png)
图1-TSMC的FAB工厂充满了装备
大部分人对制造业的理解都是我们能生产出什么产品—能造出28nm的芯片,或者,我们能造出像iPhone一样工艺精湛的手机,我们也能造出航母,或者隐形战斗机,我们能造出高铁、我们能造出电脑、空气压缩机。但是,这都是“终端产品”,属于在产业链的最下游的,其实,真正赚钱的、卡脖子的都在产业链的上游,其实,更为关键的是上游的制造装备、设计的软件以及装备自身的嵌入式软件(即现在的工业软件领域)、以及设备相关的材料、传感器。
![](/wp-content/uploads/2023/05/frc-58f26ba00ac982f6def8dd6746de8c64.png)
图2-半导体晶圆制程中的设备流
不否认,制造本身也是需要非常强大的“集成能力”的,很多专业人士意识到我们是一个科技应用型的国家。就是在造出这些产品背后是什么?制造设备所需的装备-这些基本上都是进口的。如果要谈卡脖子,可能大家被最近的芯片设备所关注,很多人聚焦到了光刻机身上,但是,在芯片制程里可不止光刻机被卡脖子,基本上离子注入、机械/化学抛光、各种沉积设备,都是比较落后的—这就像你能造28nm芯片,但如果别人把设备这个源头卡住,那这些所有的产品可能就会造不出来了。其实,除了这些设备,包括光刻胶、电子特种气体(超超高纯气体)、半导体产线所需的仪表、传感器、运动平台、乃至于整个半导体工厂的空气过滤系统所需的材料、设备,都是极高要求的。
当然,比设备更为关键的还在材料——个可以另外阐述,材料上卡脖子的地方可能会比设备还要多。只不过这不是我的专业范畴-只是有这个基础认知,但需要专业人士解读而已。
如果把整个制造分为流程、离散两大块,可以看到,流程工业基本上是在为离散制造业提供原材料,比如冶金为制造业提供各种板材(板材、棒材、型材等)、化工则提供了像纤维、化学原料、添加剂、包括制药所需的原料药等,而硅酸盐工程则提供了像玻璃、陶瓷等材料。石油炼化则会提供一部分直接到消费端的(汽油、天然气),但也包括大量如聚合物材料..凡此种种,基本上流程工业都在生产原材料。流程工业的装备需要的是大型装置,它往往由前处理配料系统、反应釜、蒸馏塔、干燥床、分离装置,以及为之配套的锅炉/燃气轮机、空分、压缩机组、变压器等涉及动力与辅助气体等装置。当然,在流程工厂后道也会有离散的,如钢铁后道的冷轧、热轧设备,就会偏向于离散装备。
而离散制造业的工厂,其实,它分为了两个大的部分,首先是用成型类设备生产出零配件,例如一个手机工厂里会需要来自于切削研磨的手机金属外壳、注塑机用于生产精密的结构件,以及来自于半导体工厂提供的各种芯片、功率器件、镜头—当然,这些本身都是由各种成型设备生产的。进入后道组装,比如将芯片贴装到基板的SMT,以及波峰焊、回流焊—机器人来输送到各个单元,当然,早期也可以通过人工来完成组装过程,然后贴标、检测、包装、装箱—这些都是组装类设备来实现的。
制造业,早期都是组装,因此,我们对于制造的很多理解来自于组装,因为劳动力成本低,但是随着很多因素导致了自动化水平必需的提高。包括人口红利的消失,现在人工成本已经不再像90年代那会,几百块钱就能找到工人,回不去了。其次,随着产品的复杂度的提高,个性化也导致了人工组装不经济-因为品质一致性无法良好的保障,以及竞争不断加剧,使得成本不断苛刻。记得小时候,大概在86年家里买了台18寸的彩色电视机,我记得1368块钱,现在18寸电视机都不要这个价钱,而且分辨率更高,体积更小。小时候一瓶矿泉水3块,现在一瓶也就3块—但是,大家都知道这个实际上是便宜了很多,相对于过去来说,大部分产品的便宜都来自于高速的生产线在不断降低着产品的成本—但是,这种降低,无法依靠人工组装的效率,就像很多人都惊讶于饮料灌装设备一小时可以灌装10.8万瓶一样,而报纸印刷机可以一小时印刷多达21.6万份报纸一样。
所有竞争力的提升都来自于装备及其自动化水平的大幅提升,今天我们能够过得更好的生活。记得在80年代自行车、收音机、缝纫机就是家里三大件,这在今天的人们看来是无法想象的。其实,这一切都是来自于装备水平的大幅提高,大规模的产品自动生产带来的成本持续下降。
相信芯片领域所遇到的问题,已经给了我们充分的明证,设备才是关键-因为,这些设备是包含了生产工艺在其中的,而非仅仅是一个机械的组装即可。另外,对于半导体这样的长流程,以及包含了循环加工而使得工序被拉到几百甚至上千的生产来说,精益运营水平也是相当关键的。
但是,今天,我们被卡脖子的是设备,而不是芯片,因为如果我们可以制造这些高级别的设备,我相信我们也可以生产出高性能芯片。
![](/wp-content/uploads/2023/05/frc-6aca2183a3ef9edc93ab5bee9ee9b4da.png)
图5-应用材料的PECVD设备
其实,不止于半导体,在众多的其它领域里同样是设备,只不过,其它很多领域没有半导体那么复杂。机床,作为工业母机,它本身就决定了下游各个装备的精度—无论哪个装备行业的设备,它都需要精密的加工和组装,因为,其它设备要达到较高的精度就需要加工设备更高一个数量级的精度。
目前制造业卡脖子的地方,其实都不在后道那个组装,而都是在前道的成型部分。而我们更多的关注所谓的数字化,其实都是在关注组装领域的运营效率,包括所谓的MES、APS—并非不重要,而是说,真正的难题并未得到解决。
装备为什么很关键,因为,它有非常多的配套,考验整个国家的制造业水平,记得1998年在一个大型仪表厂实习,那会有一个罗斯蒙特合资的1151差压变送器车间实习。那会就有师傅告诉我这个仪表最为关键的是那个膜片,都是进口的。然后到了2018年,又遇到该厂的人士,就很好奇这个膜片问题是否已经可以自己生产,该人士说那个膜片还是需要进口。希望现在2023年的今天,这个已经解决了,但至少在1998-2018年这个20年里,这个问题是并未得到解决的。
仪表算是我本专业,很多来自仪表领域的前辈都感慨过,以前四大仪表,现在也就剩下川仪还在,其它几家仪表的存在感也不是那么强了,大概是我在离散制造业比较久,鲜有了解该领域的进展。仪表偏向于流程领域,但是在离散制造业里的传感器,包括高精度的编码器、光栅尺,也还是需要进口的,国内目前就实而论尚在高精度的领域有待提高。
注塑机、工程机械就需要大量的液压阀、伺服阀。设备上需要的丝杠、轴承,之所以成为了关键零配件,其实,主要是稳定与可靠,以及长寿命,还有像刀具这种领域,都是需要大量的这些零配件。
![](/wp-content/uploads/2023/05/frc-376ebfb30604e8b17a14204721a61d42.png)
图6-刀具也是一个看上去不大却关键的市场
人们经常拿当年的圆珠笔上的球珠材料说事,因为他们认为这个不是我们生产不出来,而是这个玩意市场太小,根本不赚钱-那么问题来了,我们生产就不赚钱,人家生产就可以赚钱,这个逻辑究竟该如何解释?
所以,现在国家发展“专精特新”的确是个很令人称赞的方针政策。这就是应该由专精特新企业来进行,对于大企业不合算,但是,这种可以提高技术壁垒,获得较高的市场定价权和溢价能力的工作,特别适合中小企业来干。
装备的设计软件,无论是大型空分装置、燃气轮机、发电机组、空压机组,还是离散装备的注塑、印刷、包装、半导体、电子设备,他们都是由大量的机械零配件构成,本身就需要设计与仿真软件来实现。
![](/wp-content/uploads/2023/05/frc-d266225c762bf43c7565c565471969c3.png)
图7-建模仿真类软件普遍应用于装备开发
这里就牵扯到了复杂的问题,材料的变化,印刷工艺的变化、机械传动方式的极大变化,而随着机械速度的不断提高,机械系统间的物理因素之间的干扰对于品质影响也变得难以控制,必须采用建模与仿真的方式来进行测试验证设计是否可行—每个领域都是如此,毕竟,以物理的方式进行测试验证极为烧钱,另外,知识的积累与复用才能分摊前期的成本。这是为什么数字化建模与仿真类软件成为了重要的装备设计构成。
![](/wp-content/uploads/2023/05/frc-9f502bfbb0c4cf912b14a5a3156fa216.png)
图8-装备开发工程与工业软件分布
为什么我们的这类软件比较匮乏,因为,在这个原创性的设计过程积累中,我们较少参与,直接复制带来的最大结果就是我们欠缺对隐藏在这个过程中的其它知识的缺失。在形成一个稳定与成熟的工艺组合过程中,有大量的测试验证的试错过程,而这个试错过程往往会有大量的知识,以及在这个过程中工程能力的练就—如何取舍,选择,获得最短实现路径,这种能力,也产生在这个过程中,而不仅仅是结果。因此,我们可以抄到结果,却抄不到过程中形成的能力。
而这个过程,又是一个刚性的—没有前期的积累,就缺乏对这个过程中为什么要这样,而不那样的理解,因此,当你想基于现在的开发更高级的装备的,是缺乏相应的知识的。这就相当于刚学了加减乘除,就开始学习微积分,省略了对初中对切线的理解,以及高中对函数的理解,这无法用微积分来解决问题。
现在很多做数字化的,都谈拿不到数据。很多人怪这些数据属于进口设备,都不开放—这是不合理的。不管是进口还是国产设备,作为数据的拥有者-因为这些都与工艺相关。现在国内比较领先的如光伏设备、锂电类设备领域,一样不会给你开放数据-这不难理解,因为,你要的东西往往超出了你的需求。当然这里有个很有意思的现象,就是做数字化的人不知道自己能干什么,就问装备你有什么数据,装备的人觉得我干嘛要把数据都给你?然后就问,你要什么数据,两边的人讨论这个问题,似乎也讨论了有些年头了。这就是需求不清晰的问题,对于装备并非不能给你数据,但是,你要我所有数据,嘿,这就过分了—这里有很多我的Know-How,你觉得不重要,懂行的人可知道这是什么。
这就相当于你买了杯可乐,你还想拿到可乐的配方一样不合理。设备制造商通常不会开放太多数据。因为,那些在不懂的人看来是个数据,但是,在懂的人就从其有哪些数据、数据的值等判断出内部的工艺模型或软件的核心算法。这是装备制造商不大愿意的。
但是,如果制造业有个数据标准与规范,装备厂商还是可以据此来提供数据的,因为与生产相关的数据还是要提供的-例如用于产线OEE相关,这还是可以提供的。
任何的分析、规划最终要由装备来实现。很多所谓的优化、最终还是要落在机器的执行上,尤其是自动化程度越来越高的设备。
很多试图要去进行所谓的“优化”,往往并不了解物理对象的复杂性,它完全不像我们在理想世界里那样的听话。经常产生一些莫名的干扰,或者其背后的机理并非清晰。
人们对于物理建模有一定的了解,但,它是有边界的,这就像高等数学里学习的定义域,x取值范围对应不同的y值。而有些区域里,我们可以对其进行函数的表达式描述,而另一些区间里则会发生变化,甚至无法被描述,而x值,也并非无限。
对于复杂系统,它经常会超越我们的边界,那么这个时候的表达式就无法被描述,而因此,需要通过数据方法来“归纳”。通过这种方法寻找到规律,但是,这些都是要用于生产的判断,以及决策,并去执行改善动作,但是,无论如何,所有的智能化,最终也是要这个设备来执行的。
很多人对装备还停留在大、粗、笨的那种机械阶段,而且对于机械本身的复杂性理解不够,以及对装备里所蕴含的知识、物理化学基础认识不足。
机器已经非常智能,包括自身适应订单的变化能力、包括在线数据分析、数据返回、智能优化等。
就像印刷设备,早期的古登堡就是纯机械的手动,即使到了后来也是由其它动力驱动,而机械的操作,直到电子传动技术之后,才开始有了高精度的控制,以及色标检测、精密的张力控制与套色系统,才能更为达到极高的速度,印刷大量的制品,达到每分钟可以装订10000多本书的速度。印刷机最初只是以书刊为主,现在印刷的材料种类已经扩展到各种薄膜、金属材料,无纺布、而且以软包装印刷为最大市场。产品的种类发生了极大的扩展,以及品质、速度与效率都是极大的扩张。
![](/wp-content/uploads/2023/05/frc-e056c5c131608858a6c9cdbdc1c82078.png)
图X是印刷机械的发展,其中还有点小知识,很多人讲中国发明了活字印刷,但实际上雕版印刷才是印刷的主要技术,活字印刷的使用证据不是很多。在《技术与文明》一书中谈到活字印刷之所以未有真正的发展,因为相对于拉丁语系的那么点字母来说,汉字数量实在太庞大了,还有一个原因是铸币技术影响了欧洲印刷机—这些字母被铸造出来精度更高,更耐磨损。从古登堡到轮转印刷、卷筒印刷都是机械传动与操控,直到20世纪才开始有电气传动,到了最近20余年,印刷机开始变得更高精度要求,以及速度超出了我们想象的高速,像凹版国产的设备已经可以开到550m/min的高速,这与笔者10余年前220m/min的速度已经大幅提高。包括套印精度,材料适配性,甚至像大家家里用的保鲜膜,PE膜这种非常弹性的材料上,我们也可以做到小于0.1mm的偏差。
成型工艺才是工业软件知识的浓缩,组装更强调效率,以及在生产中挖掘潜在的效率损耗—从精益的视角,去消除浪费。例如避免生产不需要的产品,形成连续流、均衡负载以消除瓶颈,形成标准化的生产作业,以及实现柔性化的产品生产。
精益,是制造业的根基,它也是数字化需求的来源,就像OEE,是所有生产企业关心的指标,而这些指标可以被分解为机器所需的精度控制、品质优化、工艺改善、这些可以通过数字化来实现,数字化有数字化的优势,但是,必须清楚需求—才能选用好工具来解决问题。
但是,成型技术则不同,它实现需要材料科学、机械与传动、电气控制、工艺与配方等的积累—而这个有更高的护城河。用一个常用的词,就是这个技术有点“硬”,不像用于运营管理水平的数字化,偏“软”。软硬结合是必要的—在友好的年代,买了设备看运营可以,但在不友好的年代,看来还是得把装备的问题解决好,否则,就会出现所谓的卡脖子。
装备是制造最大的资产;半导体行业装备投资占到70%,大部分工厂其实装备都是大的投资部分,至少在50%以上。越是重资产的制造业,或者传统型的制造业,设备都是资产的大头。
转型—是从过去的粗放、抄袭、同质化转向到自主掌握核心技术、形成差异化竞争力,并且装备能够在技术视角应对生产的灵活变化的能力—这需要通过建模。
装备企业需要更专业的工程思维训练的卓越工程师力量;
![](/wp-content/uploads/2023/05/frc-687cb08b4ca3aed5e5b3179def6d634a.png)
图10-装备行业转型大逻辑
信息建模-通过信息建模来实现数据与事件分离,使得复杂的集成变得简单,包括垂直行业信息建模,能够让制造协同变得简单,降低工程量。
大量的物理建模是建立在机械、电气传动与控制,物理与化学的公式与方程上的,机理建模类似于“演绎法”的思维模式。
数字孪生其实也建立在模型+动态模型交互基础上,元宇宙也是如此。
策略模型:边缘计算里的优化、调度、队列、寻优、辨识都是属于策略、运筹模型范畴;
数据驱动建模:机器学习、深度学习,也是要学习人的经验、寻找非线性的规律(机理无法描述)。
因此,制造的一切都是建模。我们讲的各种工业软件,大抵就是对这些模型的工程积累的过程。
而我们需要让大家明白,整个装备及装备构成的产线,包括柔性输送系统,数字孪生,一切都是建立在模型基础上的。
数字化转型,即是利用数字化的工具,进行建模仿真与测试的正向开发过程。从过去的仿制,转为自主研发,掌握核心工艺、形成技术壁垒,以形成高的市场竞争力,获得高利润。