Di atas rantai industri semikonduktor, sebelum keberadaan kembar digital: Analisis juara tersembunyi dalam peningkatan tingkat keberhasilan

Jika menganggap manufaktur semikonduktor sebagai sebuah sistem, akan ditemukan posisi yang selama ini diabaikan secara jangka panjang: di atas rantai industri, sebelum kembar digital benar-benar diterapkan, terdapat sebuah lapisan yang belum sepenuhnya didefinisikan, lapisan “pengakuan” lintas perusahaan, seluruh prosesnya. Nilai dari PDF Solutions berasal dari sini.
Ini bukan mengelola data titik tunggal, melainkan rantai sebab-akibat yang meliputi desain, proses, peralatan, dan pengujian: sebuah struktur desain tertentu, pada langkah proses tertentu, di atas peralatan tertentu, membentuk cacat tertentu, yang akhirnya memetakan kegagalan listrik. Sebuah pabrik tunggal atau lembaga pengujian mungkin memiliki semua data asli dari beberapa bagian, tetapi sangat sulit menghubungkan data tersebut secara stabil menjadi model sebab-akibat yang dapat digunakan kembali, inilah esensi dari PDFS yang masuk.
Mengapa EDA, pabrik, dan produsen peralatan tidak menyelesaikan hal ini sendiri? Bukan karena tidak mampu, tetapi karena tidak ada motivasi untuk melangkah ke tahap tersebut.
Di sisi desain seperti Synopsys, Cadence Design Systems, mereka hanya mampu melakukan optimisasi umpan maju, kurangnya umpan balik tertutup setelah manufaktur;
Di sisi pabrik seperti TSMC, Intel, data paling lengkap, tetapi sistem terpecah-pecah, organisasi tersebar, biaya integrasi lintas proses sangat tinggi;
Di produsen peralatan seperti KLA Corporation, Applied Materials, mereka menguasai pengujian dan kontrol, tetapi pandangan terbatas pada satu proses tunggal.
Setiap lapisan mengoptimalkan bagian lokal, masalah lintas batas tidak ada yang menanggung, sehingga di atas rantai industri, secara alami muncul kekosongan “sistem penjelasan”, di sinilah posisi PDFS.
Penggunaan PDFS di rantai industri disebabkan oleh adanya celah data—desain melihat desain, proses melihat proses, peralatan melihat cacat, tetapi tidak ada mekanisme terpadu untuk menghubungkan informasi ini menjadi sebuah rantai sebab-akibat yang dapat dijelaskan. Fungsi utama PDFS adalah menyediakan “bahasa universal” lintas tahap, mengubah data yang sebelumnya tidak terkait menjadi struktur pengenalan yang dapat digunakan untuk pengambilan keputusan.
PDFS menggunakan lapisan abstraksi: klasifikasi cacat, rekayasa fitur, jalur analisis, dan hubungan “pola—penyebab”. Ini adalah bentuk “penggandaan pengenalan”, bukan efek jaringan kuat ala internet. Semakin banyak pelanggan, semakin baik modelnya.
Mengapa PDFS bisa mencapai posisi hari ini? Karena mereka memulai dari pekerjaan tersulit.
Mereka awalnya bukan perusahaan platform, melainkan masuk melalui layanan rekayasa, menyelesaikan masalah tingkat keberhasilan yang paling rumit. Masalah tingkat keberhasilan secara alami melintasi desain, manufaktur, dan pengujian, sehingga sejak awal harus menghubungkan seluruh rantai. Dengan akumulasi proyek, masalah serupa muncul berulang kali, metode analisis dan struktur data terus dipadatkan, secara bertahap beralih dari “didorong manusia” ke “didorong metode”, akhirnya diproduksi menjadi platform (Exensio). Istilah “menutupi seluruh rantai industri” bukan hasil dari desain dari atas ke bawah, melainkan ekspansi alami yang didorong oleh masalah.
Perusahaan saat ini masih belum cukup kuat untuk secara otomatis berevolusi menjadi standar industri. Tiga kondisi yang menentukan batas atasnya, saat ini hanya satu yang sedang dipercepat: ketergantungan AI terhadap struktur data. Seiring AI masuk ke proses manufaktur, perusahaan lebih cenderung membangun model berdasarkan kerangka data yang ada, daripada membangun ulang sistem, ini memperkuat posisi PDFS. Tetapi standar model data masih lambat, kolaborasi antar perusahaan juga masih di tahap awal, roda penggerak belum tertutup.
Dibandingkan dengan KLA Corporation, perbedaan ini menjadi lebih jelas. KLA mengendalikan “apa yang terlihat”, data berasal dari peralatan, terkait dengan dunia fisik, dan bentengnya kokoh dan langsung; PDFS mengendalikan “bagaimana memahami”, berada di lapisan pengenalan, bergantung pada struktur data dan akumulasi pengalaman. Yang pertama tidak bisa diabaikan, yang kedua memiliki jalur alternatif. Oleh karena itu, saat ini, KLA lebih kuat dan pasti; batas atas PDFS lebih tinggi, tetapi jalurnya belum terkunci.
Dilihat dari kata-kata yang sering diucapkan oleh Jensen Huang dari Nvidia, permainan akhir PDFS adalah kembar digital.
Kembar digital membutuhkan data waktu nyata, model sebab-akibat, dan kemampuan kontrol yang tertutup. PDFS sudah mencakup bagian tersulit—pemodelan sebab-akibat dan struktur data lintas rantai, sehingga posisinya sangat halus: berada di atas rantai industri, tetapi sebelum kembar digital. Ia bertanggung jawab untuk “memahami dunia”, agar orang lain bisa “mengubah dunia”.
Dari jalur pengembangan, langkah berikutnya dari PDFS kemungkinan akan mengarah ke tiga garis utama: standarisasi, AI, dan integrasi. Standarisasi berarti mengubah struktur data mereka menjadi bahasa default industri; AI berarti membuat kemampuan model bergantung pada sistem data mereka; integrasi berarti beralih dari “saran analisis” ke “pengambilan keputusan produksi”. Jika ketiga poin ini terpenuhi, mereka berpotensi menembus batas tersebut, dari lapisan pengenalan menuju lapisan sistem yang sesungguhnya.
Oleh karena itu, penilaian paling akurat terhadap PDFS adalah: mereka berada di posisi istimewa—di atas rantai industri semikonduktor, sebelum keberadaan kembar digital.
Jika lapisan ini akhirnya distandarisasi, mereka bisa menjadi infrastruktur dasar; jika tidak, mereka tetap hanya alat bernilai tinggi.
Penafian: Saya memegang saham yang disebutkan dalam artikel ini, pandangan saya tentu saja bias, bukan saran investasi, risiko investasi sangat besar, masuk harus sangat berhati-hati.