這幾年隨著AI浪潮的來襲，諸多產業都受到了直接或間接的影響，對於全球最受關注的半導體產業又會造成哪些層面的應用？本次訪談邀請到，於半導體領導封測廠的數據分析師Sonic，與JMP台灣半導體資深顧問Eric對談，分享當今半導體產業與技術的第一線應用觀察，以及AI與資料分析如何在半導體製造中發揮關鍵作用。
AI趨勢下，AI在半導體產業的應用
Sonic首先強調了AI在半導體製造中的關鍵應用。他指出，半導體製造涉及多個階段，包括設計、製造、測試等，AI能運用在這些階段。舉例來說，在產品開發設計階段，他們利用PCA、機器學習等手法建模，以BOM(物料)和生產參數為基礎，作為產品設計的準則。又例如，當機台出現異常時，他們運用資料庫SQL結合JMP自動分析可能的原因，以便工廠快速改善。此外，他們也對深度學習和影像處理有所研究。
Eric則進一步補充，指出半導體製造因資料量大，不適合以人眼比對產品好壞，而AI則能夠應用於許多層面。他提到，在晶片製造領域，AI可用於判斷不同參數或指標在各製程段是否有特殊表現，甚至用於尋找最佳的配方。他也強調了AI在製程監控及報錯方面的應用，指出隨著技術進步，AI工具的應用範圍也逐漸擴展至半導體設備商和封測廠。
AI在半導體產業的普及性與易用性
對於AI在半導體產業的普及性和易用性，Sonic表示近年來已經有顯著提升。他列舉了以下幾點觀察：
- 設計階段： AI可以協助工程師加速設計流程並提高效率，例如BOM的選擇 & 程式撰寫等。
- 製造階段： AI能分析製造數據，檢測和預測製造中的缺陷，提高生產效率和品質。
- 測試階段： AI在半導體測試領域的應用相當重要，例如自動分析測試數據，提高測試效率和準確性。
- 工具開發： 公司開發針對半導體的AI工具和平台，降低對AI專業知識的要求，提供更直觀易用的界面。
他指出這些AI應用有助於提高生產效率、品質和創新能力，並加速半導體行業的發展。
JMP顧問則強調由於半導體領域的高速發展，要實現AI做到產線控管，實務上還有一段距離，原因在於AI工具需要人工編寫和調整，需要耗費大量的時間成本，常常建構完程式，此程式已經不敷使用，又要去做調整，可能會面臨AI程式優化追不上半導體發展的情形。
他強調解決這個問題的關鍵在於讓AI程式是否能易於修改且快速調整到位。目前，半導體廠商已運用JMP做小插件，幫助客戶更快地聚焦問題，節省開發時間。
半導體企業智動化？建立智慧工廠的關鍵要素
Sonic認為，在談到智慧工廠建置前，所有的基礎建設都必需到位，例如需要完善的傳感器和物聯網技術，將所有生產設備運行狀態和數據保存在資料庫中。透過統計分析和演算法，對數據進行處理和分析，實現智慧製造的優化和決策力。同時，他強調了人員的培訓和技能提升的重要性，企業也需要提供完整的人員訓練，做到企業內的人才培育。
JMP顧問則補充了對於資料庫串接和智動化工廠遊戲規則，如運用程式語言編輯機器學習或是AI的判斷標準，是轉型的一大關鍵。他指出這不僅是經費方面的挑戰，更是時間方面的壓力。他認為軟體需要跟上硬體的發展，否則前期開發的成果將受到影響。因此，在實現智動化工廠之前，應該完善測試資料及分析平台的串接，確保問題能夠適時反應出來，為實踐智動化工廠做好充分的準備。
在投入AI之前的製程優化與品質改善
Sonic表示，能蒐集到的數據當然越多越好，但常常在異常時會是使用現有資料去找問題點，例如手動分析機台LOG，找到資料的相關性和趨勢性，以便後續自動分析使用。
JMP顧問則分享了JMP提供的優化模型的工具，包括迴歸分析、機器學習、決策樹等。他指出JMP Pro提供更多建模工具，如SVM、K最近臨、隨機森林等。透過優化模型的工具，可以得到更好、更準確的模型。他還提到JMP Pro提供的Model screening功能，可以比較所有建模平台，找到適當的模型建立平台。最後，他分享了JMP的Profiler和Design Space Profiler工具，有助於找到最佳的參數組合和Process window。
資料分析結合半導體常用軟體與EDA工具
Sonic提到他們公司主推使用JMP做EDA的工具，分析結果更能得到客戶的信任與滿意，包括機台LOG分析、異常分析、品質和效率管控等功能。工程師使用這些工具可以快速取得資料和結果，甚至可以透過資料靈活啟動其他JMP分析工作，做出更符合需求的報告。
JMP顧問提到JMP提供的工具，如Clustering用於晶圓問題分類，找出潛在的新問題；Control Chart和JMP Live Warning Test用於自動發報系統。這些工具有助於半導體製造中的資料分析和即時監控，提高效率和品質。
總結
在這次訪談中，我們深入探討了半導體產業中AI和資料分析的應用，從設計到製造再到測試，AI和資料分析在各個階段都有顯著的作用，推動半導體行業不斷創新和發展。如欲瞭解更多JMP在半導體產業的應用，歡迎觀看更多話題：半導體專題探討：判別不良晶圓，基於JMP的自動偵測與自動化分析 或試用JMP 30 天完成你的半導體資料分析。
推薦閱讀：
You must be a registered user to add a comment. If you've already registered, sign in. Otherwise, register and sign in.