数週間前、私はSEMIの 「半導体製造におけるAI技術」 というワークショップに参加しました。このワークショップでは、半導体メーカー、装置サプライヤー、EDAベンダー、ソフトウェアプロバイダーが、実際の製造上の課題にAIを適用した経験について発表しました。
ユースケースは様々でしたが、ほぼすべてのプレゼンテーションに共通するテーマが浮かび上がりました。それは、業界が孤立したAIモデルから、製造データ全体を分析して推論を行い、行動の推進を支援できる、相互接続され、ガバナンスが確保され、ますます自律性を高めたシステムへと移行しつつあるということです。
半導体業界が直面する最大の課題と機会
このワークショップから得られた最も重要なメッセージの一つは、半導体製造において「データ不足」という問題はないということでした。むしろ、データの断片化、ワークフローの連携不足、そして情報を実用的な知見へと転換することの難しさといった問題が存在するのです。
製造に関する知識は、計測システム、装置のセンサー、プロセスレシピ、技術報告書、MESシステム、そして各分野の専門家のノウハウなど、さまざまな場所に分散しています。技術ノードが複雑化するにつれて、これらの要素を結びつけることはますます困難になっています。
「信頼」もまた、繰り返し取り上げられたテーマの一つでした。製造企業においては、AIが生成した推奨事項を業務に導入する前に、説明可能性、ガバナンス、再現性、そして人間による監督が求められます。
同時に、業界では、予測分析にとどまらず、データソース間の関係性を理解し、アクションを提案し、ワークフローを調整し、最終的には「洞察」から「成果」に至るまでの時間を短縮できるシステムへと移行しつつあります。
ワークショップ全体を通じて示された解決策の取り組み
製造業の文脈に基づいて構築されたエージェント型AI
複数の講演者が、分析、機械学習、LLMを、製造分野特有の知識やワークフローと組み合わせたエージェントベースのシステムを紹介しました。
繰り返し取り上げられたテーマの一つは、製造の文脈の重要性でした。いくつかのプレゼンテーションでは、製造データ、プロセス知識、およびエンジニアリングのワークフローを結びつけるために、セマンティックモデルやナレッジグラフを活用することが強調されました。これらのアプローチにより、AIシステムは孤立したデータセットを個別に処理するのではなく、製品、プロセス、設備、計測結果、および過去のエンジニアリング知識間の関係性を横断的に推論することが可能となり、より関連性が高く、説明可能な推奨事項を生成できるようになります。
予知保全と根本原因分析
設備の監視と予知保全は、重点分野の一つでした。ある発表者は、予測、異常検知、そしてオペレーターがすぐに実行できる推奨事項を生成できる自律型エージェントを組み合わせたアーキテクチャを紹介しました。
その他のプレゼンテーションでは、因果関係に基づくAIや根本原因分析に焦点が当てられ、製造上の問題の異常を検知するだけでなく、その背後にある要因を理解することの重要性が強調された。
共通の目標は明確でした。それは、調査時間を短縮し、意思決定を改善し、品質や生産性に悪影響が出る前に、先手を打った対応を可能にすることです。
AIは既存の製造ツールを基盤としている
また、AIは既存の製造・エンジニアリングツールの代替として位置づけられていないという点も指摘されました。 従来の分析手法、統計的手法、プロセス制御システム、および分野特化型アプリケーションは、引き続き意思決定の基盤を提供している。その一方で、AIは、これらの機能を連携させ、調査を加速させ、関連する知見を引き出し、複数のシステムにわたるワークフローを調整するために、ますます活用されるようになっている。多くの場合、その価値は新しいアルゴリズムそのものよりも、データから理解へ、そして理解から行動へと至るために必要な労力を削減することにある。
これはPDFソリューションにとってどのような意味を持つのでしょうか？
このワークショップを通じて、PDF Solutionsのビジョンを支える3つのテーマ、すなわち「統合」「増幅」「拡張」の重要性が改めて確認されました。
「統合」 は、各プレゼンテーションを通じて一貫して取り上げられたテーマでした。ユースケースが予知保全、歩留まりの向上、あるいは能動型AIのいずれであったとしても、成功には複数のソースからのデータを統合し、それを理解するために必要な文脈を提供することが不可欠でした。セマンティックモデル、ナレッジグラフ、および連携された製造データに関する議論が繰り返し行われたことは、AIが有意義な価値を生み出す前に、共通の基盤を確立することがいかに重要であるかを浮き彫りにしました。
拡大 は、業界がエンジニアリングの専門知識の拡張に注力する中で台頭した。多くの発表者は、エンジニアをAIで置き換えることを目指していたわけではなく、既存の知識へのアクセス、適用、再利用をより容易にすることを目指していた。説明可能性と信頼性が重視されたことは、製造業におけるAIの導入が、分析能力の向上と同様に、人間の意思決定を支援することにも大きく依存しているという現実を反映していた。
この広がり は、エージェント型ワークフローへの関心の高まりに反映されていました。最も説得力のある事例のいくつかは、AIがツール、データ、プロセスを連携させ、洞察から実行へと移行するために必要な労力を軽減できることを示していました。AIは、既存の製造アプリケーションに取って代わるのではなく、それらを統合・調整するためにますます活用されており、エンジニアが複雑さを乗り越え、ワークフローをより効率的に実行できるよう支援しています。
私が特に注目したのは、これら3つのテーマが互いに独立していないという点です。この業界は、連携されたデータによってAIが専門知識を強化し、その強化された専門知識が、より効果的な自動化とワークフローの調整を可能にするというモデルへと向かっているようです。課題は、個々のAIモデルを構築することから、データ、知識、分析、そして行動が連携して機能する環境を構築することへと、その重点が移りつつあります。
この方向性は、PDF Solutions社の新しいAIファーストアーキテクチャである「Exensio® Aurora」のビジョンと密接に一致しています。ワークショップで議論された課題の多くは、根本的にはAIの問題ではありませんでした。それらはデータや実用化に関する問題でした。製造データは、ツール、組織、サプライチェーンパートナーの間で断片化されています。 貴重なエンジニアリングの知見は、報告書やワークフロー、あるいは各分野の専門家の経験の中に埋もれていることがよくあります。また、インサイトが得られたとしても、それを信頼性が高く再現可能な行動へと転換することは依然として困難です。
Exensio Auroraは、こうした課題に対処するために特別に設計されています。本ソリューションは、半導体業界に特化したデータ基盤、ペタバイト規模の製造データを処理できるスケーラブルな分析機能、統合されたMLOps、ワークフローオーケストレーション、そして数十年にわたる製造分野の専門知識に基づいたエージェント型AIを組み合わせています。同様に重要なのは、ワークフローが、エンジニアリングのベストプラクティスを定着させ、コンテキストを維持し、説明可能性を確保し、製造環境における信頼性の高いAI導入に必要な安全対策を構築するための仕組みとして機能する点です。
このワークショップは、多くの点で、未来とは単にAIモデルを個別に導入することではないということを改めて浮き彫りにしました。重要なのは、データ、分析、ドメイン知識、そして業務ワークフローを共通のシステムに統合し、信頼とガバナンスを維持しつつ意思決定を加速させることです。まさにそれが、Exensio Auroraが支援することを目指している方向性なのです。
これらの概念の多くについては、 「PDF Solutions CONNECT 2026」において、スケーラブルな分析、製造環境を考慮したデータモデル、ワークフロー主導の自動化、そして半導体製造プロセスやより広範なサプライチェーン全体におけるエージェント型AIの実用的な応用など、これらの概念の多くについてさらに詳しく議論する予定です。
体験するには Exensio Auroraを実際に体験し、 開発チームと直接交流し、その機能の一部をいち早く活用しているユーザーからの体験談を聞くために、ぜひご登録の上、 PDF Solutions CONNECT 10月15日～16日、カリフォルニア州サンフランシスコで開催されます。
こちらをご覧ください PDF Solutions CONNECT 2026 の会議ウェブサイトをご覧いただき、議題、登壇者、開催場所、参加案内、および参加登録に関する詳細をご確認ください： https://events.pdf.com/connect2026/