趨勢觀察／半導體智造業 邁向AI機器學習

為了掌握從「製造」到「智造」的契機，半導體廠商紛紛利用物聯網、大數據分析、人工智慧（AI）、機器人、自動化和雲端運算等智慧化技術，將製造流程和設備相互連接，實現生產過程的智慧化和自動化，並重新設計業務流程與優化價值鏈，驅動數位創新。

收集大數據 提高生產效率

絕大多數的半導體廠商，都已具備自動化製造的能量，但自動化製造與智慧製造仍有著本質上的差異：自動化製造關注生產過程中的控制和監測，多採用固定、標準化的生產方式，強調機器的自主性和自動化程度，以及關注單個系統的優化和升級；智慧製造更著重大數據的收集、處理與分析，並透過AI演算來提高生產效率和品質，同時提倡靈活、可變的生產方式，重視人機協作，以實現數據的無縫流動和生產流程的協調。

傳統的自動化製造主要是將製造流程中的重複性工作自動化，但對於複雜的製造流程和變化多端的產品，仍需要人工介入調整和管理；相較而言，智慧製造則可以根據大數據分析、AI與機器學習等新技術，實現更高精度的自動化控制和調整，甚至進行生產流程的實時監控和預測，迅速調整生產計畫和避免製造過程中的問題。

我們可以用一套金字塔模型，來說明如何達到AI驅動全自主化工廠的願景。例如，在金字塔底端，有一些局部使用的客製化單點系統，則可以計畫一至三年後進入Smart 1.0階段，開始使用數位雙生（digital twins）來串接不同點系統。

三至五年後邁向Smart 2.0階段，利用AI與機器學習技術來強化預測、推薦與最佳化的能力；五至十年後達到全自主化的境界，廠內大部分工作可以被系統自行判斷，找到最適當的方式來執行。

然而，在智慧製造落地實施的過程中，廠商要面對諸多技術或管理思維上的挑戰。為了增進半導體上下游各領域業者的平行協作，並了解數位轉型或邁向智慧製造的目標和需求，SEMI國際半導體產業協會特別延攬產業學研等單位成立了智慧製造委員會，並透過年度主題設定，彼此分享經驗和聚焦未來趨勢，進而創造各種價值，以期達到提升效率、降低成本、改善品質、打造更有彈性的生產環境等目標。

新決策核心 強化人機協作

目前SEMI正在推動許多與智慧製造有關的項目。例如，智慧製造要藉助新的物聯網技術，來獲取豐富且能反映問題的資料，但如何確保數據的完整性、一致性、準確性、及時性、有效性以及變更管理等方面的品質和安全，就是一大難題。

有鑑於此，SEMI標準委員會在2021年創建了設備邊緣數據治理（Equipment Edge Data Governance, EEDG）工作小組，聚集了來自晶片製造商、設備／子系統供應商、解決方案提供商及學術／研究機構等30多家公司的代表，討論並制定機台資料獲取的方式，透過標準制定減少溝通成本，加速半導體智慧製造的進展。

另外，智慧製造委員會今年的一大重點，就是強化AI與機器學習的新決策核心，所帶來的改變與實作上的經驗分享。

如果以自駕車來比喻，工程師就是正駕駛，AI驅動的數位模型則是輔助工程師的副駕駛，透過學習機台資料，不斷訓練和驗證數字模型的能力和精度，最後再讓工程師做最後的專業判斷與審核。

一旦AI與機器學習日益成熟，同時強化人機協同合作的能力，能夠建立一套判斷複雜問題、解決問題並預測未來的智慧決策核心，將會成為下一世代智慧製造的關鍵能力。

除了技術標準的討論交流外，各界更應重視智慧製造人才的培育。智慧 製造面對的問題包羅萬象，絕非單一專業技術就能解決，必須招募跨領域的整合型人才，除了半導體專業知識以外，也要涵蓋電子、機械、資訊科技、AI應用等領域，建立多元化的團隊，從不同角度解決問題。

期待學界與業界擴大合作，強化學校教育訓練並建立產學合作，一方面培養如何運用新的資訊技術與數位工具、開發和實踐智慧製造技術，吸收實務經驗；一方面加強問題解決、領導力、溝通協調、跨部門協同合作的能力，藉以培養智慧製造的菁英，迎向AI智造的新未來！