top of page
hero-bg-08.jpg
Profet AI Insight

透過我們了解最新資訊、產業觀點

Profet AI 談 AI 於產業應用(二) : 虛擬資料科學家平台與半導體產業頂尖客戶合作,加速推展全員 AI,探索更多 AI 應用可能。

21 世紀以及未來最重要的產業之一

半導體產業可以說是 21 世紀最重要的產業之一,廣泛應用在電腦、手機、工業應用、車載資通訊、自駕車與電動車、AIoT、5G 等等,2021 年半導體產業也延續 2020 年的供需吃緊狀況,在 2021 年依然蓬勃發展。世界半導體貿易統計組織(WSTS)預估,2021 年全球半導體產值可望年增約 8.4%。


整體而言電動車、人工智慧、雲服務、手機等行業應用需求晶片、面板產業鏈將持續向上發展,台灣在此產業在全球當中居於領先地位。


台灣半導體產業的成就並非偶然、而是源於過去的擘畫與勵行


台灣半導體成就並非偶然,遠於 1970、1980 年代由當時行政院長孫運璿、李國鼎資政等人擘畫未來,成立科學園區,招募國際人才返台,創立聯電 (UMC)、時任工研院院長張忠謀先生創立了台灣積體電路 (TSMC) 藉以提升民間的積體電路製造能力。


張忠謀董事長考量台灣的競爭力創造全新的商業模式為全球第一家專業晶圓代工廠,其設立代表了積體電路產業,一種新分工型態的出現,其在晶圓代工市場區隔的成功,也代表了台灣積體電路製造技術的生根,經歷數十年的發展經過多次重大事件的淬鍊承襲下來,累積了強大的底蘊,成就了許多行業於世界具有舉足輕重的地位舉凡台積電、日月光、環球晶等。


約莫於 2013 - 2014 年左右,當時全球製造業倡導 工業 4.0 、智慧製造、乃至後期的數位化轉型等活動,杰倫智能團隊積極在台灣各行業進行觀念宣導及解決方案,我們開始涉略電子製造服務業 (EMS)、工具機設備、半導體、光電產業鏈等行業。


半導體製程高精密且工藝複雜,不斷挑戰著製造工藝極限


整個半導體製造經數十年發展,產業鏈複雜且專業分工明確,由磊晶廠將磊晶切割成晶圓,再由 IC 製造廠於晶圓將電路圖,透過薄膜、光阻、曝光顯影、蝕刻、去除光阻等製程不斷的循環反覆的增層與消去材料方式,將元件在晶圓上製作出來,由於 IC 上的電路設計是層狀結構,因此還要經過多次的光罩投入、圖形製作、形成線路與元件等重複程序,才能製作出完整的積體電路。


隨著半導體製程技術逐年不斷的演進不斷的微小化,整個電晶體的密度不斷創下紀錄。

隨著半導體製程技術逐年不斷的演進不斷的微小化,整個電晶體的密度不斷創下紀錄。(插圖取自 TSMC 官網)


IC 製造廠完成晶圓製作後,交付下游給封測廠,經過 WAT 測試後,進行切割、黏貼、焊接、封膜、測試等製造工序完成 IC 的製作。


半導體/封測領先型企業運用大數據分析,早已是企業 DNA 的一環


整個半導體產業,製作高精密度產品,無塵室控制環境控制條件佳,過程環境控制嚴謹、材料純度以及來料品質穩定、運用非常多的高端機台設備,機台相關可控性與自動化程度高,監控與檢測相關設備完整。


在過去透過監控相關製造與環境參數做數值分析手法,來確保產品的品質穩定的手法大量運用於這產業。當製程良率不佳或效率改善需改善運用到非常多的數據分析技術來協助判斷,無論是 In-line 或 off-line 的方式進行各種工程數據收集與分析,整個產業相較於其他產業於數據治理以及數據分析運用上有更成熟的能力。


整個行業內數十年的數據運用,經由外訓或招募經驗累積了非常多頂尖的人才,進行品質提升、效率提高、預防性保養、環境節能等個項議題的數據應用 AI 相關技術的應用,於領先型的企業早已經是企業數據運用文化的一環深植在企業的 DNA 當中。


 

客戶已聘數十至上百名資料科學家,仍舊覺得 AI 議題產出太慢

數百名資料科學家的團隊很可觀,但對於營收數百至數千億客戶而言仍然不夠,當數據應用文化成為企業 DNS 一環時,資料科學家資源就相對稀缺,我們觀察到 AI 機器學習技術相對成熟,但 AI 於產業的運用成熟度才剛起步。


半導體工藝複雜繁多,製造品質部門都思考 AI 可以怎麼應用?

成功的客戶之中,領域專家深度參與是成功關鍵的一環,程序上歸納分三步驟

1. 問題的轉化 - 領域專家將問題的轉化解析到數據探討


2. 數據整備與建模評估 - 資料科學家開發程式處理數據並進行模型的建立,評估模型運用可行性


3. 應用與擴展 - 當可行探討 AI 服務於場域應用的樣貌並放大擴展


這樣的循環持續不斷的在企業內發生,而 AI 運用場景能實現落地的數量占總案量不到1成,因此資料科學家的資源已難以應付大量的 AI 應用議題評估。


領域專家自主服務 (Self-Service) 探索 AI 運用場景,分工加速 AI 落地速度

領域專家自主服務 (Self-Service) 探索 AI 運用場景,分工加速 AI 落地速度


虛擬資料科學家平台,2 小時教學就可以運用平台 開始探索並讓 AI 議題探索效率提升 5 倍

AI 技術複雜艱深,但杰倫智能認為 AI 的運用必須是簡單的,因此我們將產品設計的簡單易上手;客戶常給予我們反饋:「你們產品真的只要短短的兩個小時的訓練,馬上可以開始建模應用了!」


領先型企業針對工程數據大都建立不少 Data Lake,日常作業當中製程整合工程師產品生產完畢後,會運用這些數據進行分析,進行各項改善調優。


Profet AI AutoML 虛擬資料科學家平台,這時會變成客戶數據分析的其中一種手法,當然不僅是分析,針對各種改善方案客戶也會提出構想來做數據運用。


典型製造場域客戶會聚焦於

1.品質異常關鍵因子查找。

2.品質目標虛擬量測/模擬。

3.開線參數的推薦。

4.輔助材料配方研發,材料特性的模擬。


半導體行業中的應用場景包括薄膜、曝光等製程,我們有不少實際應用場景與成效;在一些領先型的企業,我們的產品與客戶有更深層的合作,往 R2R 運用邁進讓我們的產品運用更即時的協助客戶。


另外在封測行業客戶,運用虛擬資料科學家平台,資料科學家及領域專家合作開啟大量 AI 議題探索,由複雜工藝當中短時間內大量尋找 AI 運用的可能性,加速數據變現產生效益。


 
有別傳統 AI 專案委外,藉由杰倫智能虛擬資料科學家平台,讓客戶更敢於提案探索 AI 運用的可能性

客戶也跟我們反映很多機密性的東西過去過去想要執行,但限於資源有限,委外以專案形式外包,關鍵的商業機密難免有外流的疑慮。 我們觀察運用杰倫智能虛擬資料科學家平台,客戶可以更大膽的進行各種議題評估,避免公司關鍵技術的外流。


AI 由一次性的委外專案轉由建置虛擬資料科學家平台化是個趨勢,平台提供各項的管理機制,高度機密性的 AI 運用議題可以透過分權管理來,避免機密外流。


各 AI 專案的產出也可以用模型組態 (Model Configuration) 管理的方式,讓未來後進者得以了解過去內部 AI 專案的模型如何建立,其中包含了用甚麼數據,選擇那些特徵及目標是甚麼,透過哪些演算法與模型得分為何。


企業透過 Profet AI 平台模型組態管理機制傳承 AI 建模方式,讓 AI 經驗得以保留與擴散沿用。

企業透過 Profet AI 平台模型組態管理機制傳承 AI 建模方式,讓 AI 經驗得以保留與擴散沿用。


 
結語: 領域專家 + Profet AI 虛擬資料科學家。 半導體產業大幅提升競爭力的關鍵!

半導體產業永續發展的關鍵在於維持技術領先,並快速持續優化經營績效。


成功的企業之所以能特別突出,往往有其特殊的企業文化,而文化二字概略上可理解是一群人做事或思維的方式。


AI 的成功也涉及問題探索與數據應用文化的轉變,善於提問題與運用數據的文化是一切 AI 能否成功的起源,過往數據分析是企業內特定人做的事情,Profet AI 的願景是打造好的 AI 產品,讓企業全民都能使用 AI 產生價值的企業文化,使企業每個員工都能成為 AI 應用的貢獻者 (contributor)。


透過 Profet AI 的平台,製造業能快速提升人員的分析能力與素質,進而擴大 AI 在企業內部應用的數量與面向,提升企業經營績效,達到持續擴大競爭優勢的終極目標。


試著思考一個情境,如果企業落實全民 AI 文化,每年比競爭對手多產生 50 個具價值的 AI 應用題目,而每個專案對企業來說,假設能有 200 萬的成本節省,一年內就能產生上億的成本節省,勢必能為企業帶來難以追趕的競爭力! 這就是施行全民 AI 對企業的核心價值,而 Profet AI 期待能伴隨全球的製造業新進一同落實全民 AI 的目標。


Profet AI 期待能伴隨全球的製造業新進一同落實全民 AI 的目標。

 
 

相關文章 :

 

案例分享 :

Comments


bottom of page