36氪首发 | 专注泛半导体行业智能制造，润石科技获数千万元A轮融资

36氪获悉，润石科技已于今年4月完成数千万元A轮融资，本轮投资方为字节跳动。本轮融资由义柏资本担任独家财务顾问。据悉，本轮融资资金将主要用于产品技术研发和市场销售开拓等方面。

润石科技是36氪持续关注、报道的一家泛半导体领域智能制造技术供应商公司。公司致力于帮助泛半导体行业厂商加速度过产能与良率爬升期，基于工业物联网、大数据与AI技术，为企业提供包括设备健康管理系统（PHM）、工业流程机器人系统（RPA）、智能缺陷分类检测系统（ADC）、智能机台失效分类系统（FDC）等在内的完整解决方案。目前公司已经在晶圆加工、封测、面板、PCB/FPC等泛半导体领域落地应用。

公司产品架构方面，在半导体机台用IoT边缘设备作为最基础的数据采集传输层，中间层是大数据分析平台，而RPA工业流程机器人、FDC智能机台失效分类系统及ADC智能缺陷分类检测系统等可以理解是最上层工艺制程控制的AI应用。

致力于由机器智能实现最佳生产工艺流程，帮助企业加速产能爬坡

从行业整体来看，近年来国内半导体行业产能扩张势头迅猛，同时日本、韩国及中国台湾地区的泛半导体产能也在继续向中国大陆地区迁移。虽然新建设产线数量众多，但是通常无法迅速形成新产能，一方面是因为产线的良率和产能往往需要24个月-36个月的爬升才能达到量产要求，另一方面，新产线的产能良率爬升需要经验丰富的工艺工程师，但是目前资深工艺工程师供给严重不足，一定程度上也会影响新产线爬坡的速度。

从需求上来看，半导体行业工艺流程优化一直是行业的刚需，也是各厂商难啃的硬骨头。润石科技创始人兼CEO李安东向36氪表示，工艺参数的调试通常需要工程师依据实验设计等手段来手动调节，调节效果则完全依赖于工程师的经验。而一道工艺的一条产线上可能有数十个机台，每个机台又有若干个反应腔室，不同颗粒度的生产单元可能需要分别调优，在顾及一致性和可靠性情形下很难实现全局最优。此外，制成品中如果出现缺陷或瑕疵不良，工程师也很难追溯源头查找问题根因。

因此，泛半导体企业迫切需要从依靠人工经验提升效益转变为依靠机器智能来提高产能与效率。

润石科技通过IoT工艺数据采集-预处理-特征提取-多变量建模-训练迭代等一系列步骤，为企业建立一个当前工艺参数最优的生产模型。该生产条件将被固化下来作为生产的基准，业内也称之为Golden Recipe。在此过程中，润石科技会对企业产线的各个工序进行分析，帮助企业找到瓶颈工序，进而有针对性地排除生产瓶颈。

企业工程师可以依靠润石科技提供的工程数据分析平台，针对不同设备乃至设备的不同反应腔室分别进行最优生产工艺模型的自动下发和调整，并可以持续进行生产工艺参数的调优。

有别于传统EDA系统只能事后处理与离线分析，FDC智能失效分类系统可以实现在线监控，实时判断当前工艺状态是否有偏离之前设定的最优生产条件。与传统YMS良率分析系统多用统计回归模型来分析问题不同，FDC加入了AI模型以实现精准分析与预测。

FDC可从人、机、料、法、环、测各个层面去分析产品的制程差异，依据当下工艺状态向企业提供潜在良率改善目标，从而实现精细化的制程控制，系统性地提升产线的工艺良率，进而帮助泛半导体厂商缩短良率产能的爬坡期。

从效果上来看，部署润石产品后，半导体厂商产能良率爬升周期可从36个月缩短至24个月，或从24个月缩短至18个月。润石还会在产能爬坡结束后为企业持续提供工艺优化与精进相关产品与服务。

与AOI相辅相成，ADC可提高缺陷分类检测智能化水平

缺陷和瑕疵不良一直是泛半导体企业质检环节的焦点，润石科技ADC智能缺陷分类检测系统在对图像数据进行有效前处理和特征取值后，再进行缺陷分类检测。

与采集大量数据后直接进行模型训练不同，润石基于自身团队深刻的行业理解，首先会基于工艺原理、设备机理等对缺陷的分布样态进行地理空间分析，之后再进行模型训练，这种方式可以在训练模型方面少走许多弯路，更高效地训练出高检出准确率的算法。李安东表示在部署过程中，视觉检测算法一般会从监督式学习逐步发展到半监督式学习，未来走到无监督检测学习。

半导体生产中通常会使用AOI设备进行光学检测，而润石科技也与国际头部AOI检测设备厂商开展合作。因为AOI设备报告的缺陷点中会有一定比例的误报，过去是由人工来复判，现在ADC来进行复判，可进一步判定真缺陷点或真瑕疵点的范围，也将替代这部分人工。再运用润石的RPA工业流程机器人将检测、复判、修补多机之间形成联动，实现智能制造。

目前润石科技针对泛半导体的不同细分行业都有成熟的缺陷分类检测解决方案与实施案例，检出率依据训练样本可趋近100%。

部署RPA以实现更高水平的自动化生产管理

如果说FDC和ADC解决的是智能化生产和工艺提升的问题，那么工厂在执行端的自动化问题则交由工业流程机器人系统RPA来解决。在实际生产过程中，几乎每一道工序中都需要作业员对设备进行管理和操作。部署RPA后，使工厂实现无（少）人化，可有效缓解因人才缺口造成的用工荒问题。

例如成膜工艺的PVD或是CVD制程作业中，润石科技依据上位系统提供的Golden Recipe下发后，通常需要作业员管控机台的几百个物理量参数。过去一个作业员只能管理2~3个机台，人工效率较低，且无法保证长时间的可靠性。部署RPA之后，实现机器自动标准作业，当机台出现机况时才需要作业员进入无尘车间进行具体操作，未来一个作业员最多可以同时管控75个机台，大幅降低了人机比，提高作业效率。

反馈控制+追根溯源，产品线形成完整APC系统

值得强调的是，半导体厂商良率提升并不是单点式地在产成品质检环节加入AI视觉检测就可以完全解决的，厂商既需要对缺陷等不良类型的检测，更需要形成对残次原因追根溯源和精细化工艺参数反馈控制的能力。因此，润石科技的ADC会和FDC形成闭环的联动关系，可以帮助企业快速定位缺陷是在哪一道工序的哪一个机台发生的，甚至具体是由于哪个物理量参数的变化导致的问题，最终可形成Round to Round的APC先进制程控制。

此外，相较于从MES、SCADA等软件系统自上而下地进行制程控制，其数据收集是在秒级，无法接收高频率的实时数据。润石科技则是从设备工艺控制出发自下而上地实现制程控制，两者可以形成互补。 

业务进展

润石科技产品部署周期一般在2~3个月，较为复杂的项目周期会在3~6个月左右。渠道方面，公司会同半导体领域的大型集成商如IBM、应用材料等一起为厂商提供解决方案。公司依据授权或是集成方式来提供技术服务并获得收入。

业务进展上，客户包括半导体制造、半导体封测、PCB线路板、FPD平面显示器及被动元器件等各领域头部企业。从ROI视角看，润石科技产品满足客户投资回收期在12个月内的要求。今年将在提高标杆客户内部产线渗透率的同时，润石科技将进一步向腰部客户拓展，预计今年营收规模将实现翻倍增长。

智能制造相关阅读

实现智能制造应理解为是要打造一个闭环控制系统，控制目标即为实现最佳生产工艺流程，控制系统运行的关键在于可以实现良好的负反馈调节，以及实现从决策端到执行端的打通。以本篇报道的润石科技为例，IoT设备可视为感受器，工人/设备/RPA/可视为执行端的效应器，FDC和ADC则共同组成了以最优工艺生产为目标的决策端，三者就共同形成了一个可实现负反馈调节的制程控制系统。

以下是36氪曾报道的其他致力于智能制造的初创公司：

36氪首发 | 「博依特科技」完成1亿元A轮融资，将继续提升工业智能服务能力

将虹膜识别与其他视觉解决方案结合，「虹星科技」切入“智能制造”市场