應用場景
製程優化、產品品質、參數最佳化
現況
半導體產業是經濟發展的關鍵引擎，廣泛應用於所有電子產品相關領域。
在地緣政治的影響下，除追逐新進製程，挖鑿與競爭對手的護城河。成熟製程的設計與製造成本恐大幅下降。為提前因應成熟製程的紅海，除技術升級與鎖定利基市場外，應評估與檢討全球佈局態勢，思考如何更貼近歐美大廠，特別是高端客戶，提升供應鏈靈活和應對能力，恐怕是未來幾年要審慎佈局的方向。
挑戰
在追逐先進製程的路線上，大量的數據蒐集、監控和精準的控制是不可或缺的。這些因素導致企業在生產效率和產品品質上需面對更大的挑戰，也帶來了技術、數據安全和人才培訓等方面的障礙。因此，如何透過 AI 達到良率提升並提升產能，為該產業需要注意的重要課題。
資源預測與有效分配
IC 設計離不開各式電腦輔助與模擬，以確保效能與品質無虞；但由於 IC 電路極為複雜，因此如何有效預測所需運算資源並進行合理分配，加速產品開發速度。
痛點分析
- 變數複雜：設計數據與參數量龐大，且參數之間關係複雜，難以使用傳統方式推估
- 人事成本高昂且人才取得不易：如何提升 IC 設計效率並有效留存決策經驗
成果效益
- 有效建模，提升 20% 的模擬產能
- 快速建模，降低 90% 的分析及建模時間
機況偵測與預警
在製程精進部分，傳統統計製程管制手法已無法滿足極為細小的差異，如何精確監控設備狀態，辨識異常並快速反應，維持生產效率和品質為當務之急
痛點分析
- 異常樣本不易蒐集：傳統監督式學習不易取得有效辨識效果
- 無法使用傳統統計方法：傳統統計製程方法無法監控極細微變動，且變動可能一閃即逝，需透過高精密資料擷取以及機器學習方法捕捉異常機況
成果效益
- 利用模型來監控生產流程，即時發現機台異常狀況，降低生產中斷風險，提高生產效率 30%
- 透過辨識出關鍵要因，快速定義問題並針對根因進行處理，提升產品品質 22%
新材料與製程研發加速
為拉開與競爭對手差異，先進技術研發除路線選擇外，研發速度為掌握先機的關鍵能力。
如何加速研發速度，克服技術、成本、市場需求變化等諸多挑戰，需使用和過去不同的方法。
痛點分析
- 製程參數經驗無法有效複製：新製程導入後，機台對應設置需要仰賴外部供應商，且無法大量複製決策
- 製程參數設計與控制：如何有效提升良率，減少試產所需時間與資源
成果效益
- 模擬參數組合的分析有效地節省了 8% 的時間成本
- 透過數據分析預測參數結果為現場人員提供方向性指引，提高生產效率 10%