18世紀60年代，蒸汽機的發明，讓人類開始了第一次工業革命（工業1.0）；
19世紀下半葉，電力技術的廣泛應用帶來了第二次工業革命（工業2.0）；
而第二次世界大戰后的第三次工業革命（工業3.0），以原子能、電子計算機和生物工程等發明和應用為主要標志，涉及信息技術、新能源技術、新材料技術等諸多領域，對人類日常生活帶來的巨大變革一直影響至今。
直到自德國政府在2013年正式提出“工業4.0”戰略，全球范圍內又開始了新一輪的工業轉型競賽。工業4.0被認為是可與前三次工業革命比肩的技術革新，本質是數據流動自動化技術，核心就是工業物聯網（IIoT）和人工智能（AI）技術，因為主要關注制造領域，所以更多被提及的是——智能制造。
誰來助中國智能制造一臂之力？
目前，中國正處于智能制造初期，大部分企業還處于工業2.0邁向3.0階段。據德勤調查的數據，這些企業在轉型期間最關注實現工業自動化的軟件，關注比例達55%，高于排在后面的傳感器技術（51%）和通信技術（48%）。近年中國大力發展自主芯片產業，各大主流半導體廠商也正需要智能化改造和咨詢服務。誰可以做這些事？
BISTel這個名字可能大家不太熟，2000年成立至今，他們一直以智能制造為出發點，為半導體、平板顯示器、LED、pcb、SMT和電子制造系統提供實時、智能制造系統。日前BISTel在深圳和上海發布會上宣布將加大在中國投資力度，包括擴大辦公室、增加數據科學家和研發（R&D）中心的數量，以幫助中國在快速增長的智能制造領域實現領先。
BISTel公司簡介，目前在全球范圍擁有350名員工，其中310個是工程師。中國的總部在深圳，目前中國區雇員共有36人。（圖：BISTel，下同）
“中國的目標是在不到5年的時間內引領全球智能制造業，這是一個價值6000億美元的行業，” BISTel創始人兼首席執行官W.K.Choi說，“為了實現這一目標，我們在中國的半導體和平板顯示器制造客戶正在轉向BISTel基于AI的智能解決方案，以實時地檢測、分析、預測和處理每天在制造中遇到的問題，從而幫助他們充分發揮工業4.0的潛力。”
BISTel全球客戶分布，主要集中在半導體制造、平面顯示器和鋼鐵行業。
會上BISTel還宣布在中國推出首個供半導體和電子產品制造實時設備健康監測和預測維護（HMP）的解決方案，讓客戶了解其設備的剩余使用壽命（RUL），并預知何時設備可能發生故障，或何時需要維修。
用到機器學習的動態故障檢測
本次BISTel發布的幾款主打產品，包括其首款自適應基于AI的應用程序“動態故障檢測（DFD?）”，以及幫助半導體制造商防范影響產量事件的腔室匹配（Chamber Matching，CM）應用程序“黃金腔室”（ Golden Chamber）。
數據搜集、分析和應用在智能制造中十分關鍵
BISTel表示，動態故障檢測解決方案可提供全面傳感器跟蹤數據分析，以檢測故障并顯著提高工程、工具生產率和產量。
目前，大部分工廠還是依靠傳統的FDC系統進行故障檢測，其缺點是只能通過分析來自傳感器的摘要數據進行故障檢測，而不能發現傳感器行為微小變化對產量帶來的負面影響。
DFD對比傳統FDC的優勢
BISTel稱，他們的新型動態故障檢測系統（DFD）具有機器學習功能，可以動態建立跟蹤參考，通過提供完整的跟蹤分析來避免或降低這種風險。 傳感器跟蹤數據包含大量信息，可幫助制造商識別包括斜率變化、尖峰、毛刺、偏移和漂移等問題。
此外DFD不依賴于FDC使用的傳統控制限制方法，完全消除了手工建模，還使用更智能的算法來更好地區分真實警報和誤報，警報數量比FDC系統減少10倍。可快速檢測并分析影響產量事件的同時，DFD還可與傳統FDC系統無縫集成。
幫助半導體廠商提升良率
BISTel推出的腔室匹配應用程序，使半導體制造商能夠創建一個“黃金腔室”，更好地防范對產量產生負面影響的事件。
對于半導體晶圓制造商而言，優化晶圓腔(wafer chamber)性能對保障質量和產量至關重要。為實現這一目標并最大限度地提高客戶產線性能，關鍵在于分析腔室性能的變化并快速識別哪些參數正隨時間變化，方可確保每個腔室達到最大目標產量。
CM在生產周期中的應用
據BISTel介紹，新型腔室匹配應用程序可使客戶快速獲得性能最佳的腔室 ，通常稱為參考腔室（reference chamber）或黃金腔室。然后，客戶可以將參考腔室與所有其他腔室進行比較，以實現性能最大化。
“CM是我們四款新型智能制造解決方案中的第二款，它將直接影響客戶的晶圓質量和產量，”W.K. Choi表示， “借助這些先進的新工具，我們可以進行實時監控和分析，快速識別黃金腔室，并為我們的客戶提供最大化其設備和工藝性能的機會。”
BISTel把目前智能制造分為三個階段：應用級智能、系統級智能和企業級智能。大部分企業目前都處于第一階段，而BISTel正在幫助他們發展成第二階段。
階段一和階段二的主要差別可見下圖。階段一中，生產數據的檢測、分析和預測分別進行，并為關聯，而階段二中，在機器學習的作用下，各組數據實現了互動和自主升級。
