Hoe kun je besparen op kostbare chipproductie? Hoe kun je de optelsom van twee grote halfgeleiderbedrijven op drie laten uitkomen? Het antwoord op deze en meer businessvragen is data analytics. NXP doet een boekje open.
Het Nederlandse NXP staat in de belangstelling. De uit Philips voortgekomen halfgeleiderfabrikant, wiens naam staat voor Next eXPerience, krijgt zelf een nieuwe ervaring te verwerken. Het gaat samen met Qualcomm, de Amerikaanse chipmaker die bekend staat als de Intel van de mobiele wereld. Deze chipmaker heeft eind oktober vorig jaar een definitief akkoord bereikt met NXP over de beoogde overname.
Qualcomm nu, na Freescale
Hoe kun je de optelsom van één plus één laten uitkomen op meer dan twee? Door een goede, data-gedreven integratie te doen. Dit zijn geen hoopvolle, voorspellende woorden, want NXP heeft dit ‘trucje’ eigenlijk al eens gedaan. Vóór het bod van Qualcomm en straks het samengaan met die halfgeleiderfirma heeft NXP zelf al de Amerikaanse branchegenoot Freescale ingelijfd.
NXP’s koop van de voormalige halfgeleiderdivise van Motorola is in maart 2015 ingezet en formeel eind dat jaar afgerond. Deze integratie van twee grote bedrijven met complexe operaties is uitgevoerd met behulp van analytics-software, van leverancier Teradata. NXP heeft de eigen analytics-ervaringen uit de doeken gedaan op het Teradata Innovation Forum 2016, dat eind vorig jaar plaatsvond in de Van Nelle Fabriek in Rotterdam.
Groot plus groot
Informatie-architect David Prinsen van NXP Semiconductors heeft daar verteld hoe een team van edw- (enterprise datawarehouse), etl- (extraction, transformation en load) en informatie-experts de fusie met Freescale heeft verzorgd. Lang geleden heeft NXP al ervaring opgedaan met een soortgelijke omvangrijke operatie, maar dan andersom. Dat was toen het in 2006 als halfgeleiderdivisie van Philips zich afscheidde van dat moederbedrijf.
Nu heeft NXP de grote samenvoeging met Freescale achter de rug. Het ging hierbij niet om een grote koper en een kleine koop, maar om twee halfgeleiderbedrijven van elk zo’n vijf miljard dollar. Bovendien hebben beide fabrikanten omvangrijke it-systemen. Wat analytics betreft, was het SAP Business Warehouse (SAP BW) plus SAP als erp-omgeving aan de kant van NXP, en een Teradata-datawarehouse plus meerdere inhouse ontwikkelde applicaties aan de kant van Freescale.
Zelfopgelegde regels
De logische keuze zou dan kunnen zijn om voor SAP BW te gaan. Maar dit zou teveel tijd kosten. Bij het it-matig samengaan heeft NXP zichzelf namelijk eerst enkele regels opgelegd. Daaronder het gebod om gelijk vanaf dag één van de gefuseerde organisatie alle managementinformatie geconsolideerd te hebben. De integratie van systemen en datastromen moest dus vaart maken.
De opzet hierbij was om eerst te integreren, geeft Prinsen aan in zijn presentatie. Als dat eenmaal is gedaan, kan er daarna aan verbeteringen worden gewerkt. Hierbij heeft NXP wel oog voor latere verbeteringen. Het houdt rekening met de toekomst door bijvoorbeeld bridges tussen systemen niet als slechts tijdelijke maatregel op te zetten. De bridge-structuren definiëren de uiteindelijke oplossing, legt Prinsen uit. Daarmee is alles wat er nu gemaakt is een blijvende zaak voor de voorzienbare toekomst.
Van SAP BW naar Teradata
Verder had NXP zichzelf ook een ‘verbod’ op hybride oplossingen opgelegd, aldus Prinsen. Dus moest het bedrijf kiezen. Uiteindelijk is het door Freescale al gebruikte datawarehouse van Teradata uitverkoren om dienst te gaan doen voor de nieuwe, samengesmolten organisatie. Dit betekende een migratie vanaf NXP’s legacy-omgeving, die bestond uit SAP BW draaiend op het Hana-platform van die Duitse leverancier.
NXP’s SAP-omgeving is wel in gebruik gebleven en vervangt de diverse zelfontwikkelde applicaties van Freescale. De bedrijfsdata die is opgeslagen in de SAP-omgeving moet dus worden ontsloten voor het Teradata-systeem. Tegelijkertijd moet het legacy-datawarehouse van de BW-installatie middels een bridge over naar de Teradata-omgeving. De BW-modellen moesten dan eerst worden vertaald in termen van de onderliggende SAP-componenten.
Overbruggen
Voor het vervolgens bridgen naar het Teradata-datawarehouse is de Nederlandse chipmaker uitgekomen op Teradata Analytics for SAP (TAS). Dit biedt een integratiepatroon om data uit de SAP-installatie naar het Teradata-datawarehouse te brengen. TAS geeft hierbij gelijk een voorsprong, vertelt Prinsen, omdat het werkt met voorgedefinieerde modellen. Daarbij drijven de SAP BW-modellen dan het reportingproces aan. De zo overgedragen BW-data wordt vervolgens gebruikt in veel van consolidatiescenario’s binnen de omvangrijke ict-omgeving.
Daarbij heeft NXP de eigen businessprocessen gemapped naar TAS-modules. Deze mapping-exercitie betreft processen zoals businessmanagement, finance & accounting, integraal beheer van de supply chain en de productie, inkoop, kwaliteitscontrole, r&d en sales. Uiteindelijk ging dit om 250 TAS-modules en negentien SAP-modules, vermeldt Prinsen in zijn presentatie op de Teradata-bijeenkomst in Rotterdam.
Snelle replicatie
Ondanks de complexiteit en omvang van de twee it-omgevingen is het samenbrengen, met zelfopgelegde tijdsdruk, goed verlopen. Prinsen spreekt positief over de snelheid van de implementatie, waarbij hij ook de vlotte werking van de tool Teradata Data Replicator specifiek noemt. Bij een datawarehouse-implementatie, wat een migratie in wezen ook is, spelen diverse factoren, waaronder vlotte replicatie van de initiële data.
Een andere belangrijke factor is de uitkomst van de keuze vooraf tussen een greenfield-implementatie en een aanpak waarbij bestaande systemen en processen worden vertaald. Eerstgenoemde is van nul af aan een nieuwe omgeving bouwen, wat de voordelen van een verse start heeft maar tegelijkertijd alles laat liggen wat ooit al opgebouwd is. De andere optie is het behouden van bepaalde systemen en processen, maar die dan vertalen en eventueel migreren naar een nieuwe omgeving.
Fundamentele keuze
Simpel gesteld is dit: weggooien wat je al hebt versus recreëren wat je al hebt. In het geval van NXP speelt data lineage ook een grote rol, aldus Prinsen. De hele levensloop van data binnen een organisatie is mede bepalend voor de aanpak van integratie- en migratieprojecten. Zeker als het om data analytics gaat, wat voor moderne ondernemingen zoals NXP het fundament is voor de business: nu en in de toekomst.
Dit artikel is ook gepubliceerd in Computable-magazine #2 van 2017.
Voordelen voor chipproductie
De voordelen van goede en vooral vlotte data-analyse gelden niet alleen voor nieuwe data-driven activiteiten. Ook ‘traditionele’ zaken zoals de fysieke fabricage van chips hebben – letterlijk – profijt van data analytics. NXP is een voorbeeld van Nederlandse bodem, maar zeker niet de enige halfgeleidermaker die de vruchten van data analytics plukt. Op dezelfde Teradata-bijeenkomst in Rotterdam, waar NXP zijn analytics-ervaring deelde, sprak ook Fuzzy Logix. Deze leverancier van high-performance analytics-software gaf het praktijkvoorbeeld van een geheugenchipfabrikant.
Cruciaal bij chipproductie is de zogeheten yield van elke ronde chipsplaat (wafer) die wordt gefabriceerd. Uit die platen met meerdere chips worden de individuele chips ‘gesneden’, waarna blijkt welk percentage goed en bruikbaar is. De rest kan geheel kapot zijn, of in het gunstige geval wellicht met uitgeschakelde delen alsnog dienst doen als minder model.
Het verbeteren van de yield kan een kwestie van productie-afstemming zijn. De kwaliteitsgevolgen van zo’n verandering moeten ook weer worden gemeten. Dit gebeurt aan de hand van de yield die de dan gefabriceerde wafers hebben. Hoe beter en sneller deze analyse gebeurt, hoe eerder verlies valt in te perken. Ondertussen loopt de fabricage immers door; een productielijn stilleggen in afwachting van analyse, is zakelijk gezien niet zinnig. ‘Dus een correctie sneller doorvoeren, is beter’, weet Fuzzy Logix’ marketingtopman Aashu Virmani.
‘Als de yield 1 procent wordt verbeterd, betekent dat tweehonderd miljoen dollar extra’, vertelt Virmani. Hij schetst hier het praktijkgeval van zijn officieel niet bekend gemaakte klant die geheugenchips fabriceert. Virmani weet complexe onderwerpen zoals data analytics en big data te vertalen naar begrijpelijke, zakelijke bewoordingen. Wat is de waarde? In het geval van de geheugenfabrikant was dat al snel duidelijk. Hoewel snel natuurlijk relatief is: ‘We hebben 32 miljard database-rijen aan data van één fabriek doorgenomen.’ En dat dus terwijl de productierun gewoon doorliep.
