科技产业报订阅
ttc
 

双化融合驱动产业转型专辑

迈向智能制造之路首重AI、大数据

日月光引进成功大学智能制造研究中心的解决方案,分别是全自动虚拟量测、智能型预测保养、智能型良率管理等三大服务系统,强化在半导体封测领域的竞争力。日月光

自2013年被提出至今,智能制造已成为全球制造业积极追求的目标,市面上亦有不少转型成功的案例。如本身即拥有完整解决方案的西门子集团,便运用自家技术方案改善位于德国安倍格工厂,该工厂在引进MES、PLM系统,顺利集成众多生产设备,并且从众多生产资料中顺利找到最佳生产流程,目前该工厂自动化程度高达75%、产品合格率达到99.998%,也成为西门子集团广为宣传的案例。

清大推工业3.5,用AI技术助企业提升良率

 点击图片放大观看

台积电为达到机台、制程与良率的全面最佳化,公司在制程管制和分析系统上,运用大数据结合人工智能、机器学习等技术,预先找出跨入先进制程可能面临的问题,进而达成在最短时间完成量产的工作。台积电

成功大学团队研发全自动虚拟测(AVM)技术,可助企业达成产品接近零缺陷目标,这即是工业4.1概念,此解决方案在2019德国汉诺威工业展中吸引不少国外业者的关注。imrc.ncku.edu.tw

只是各国制造产业的发展状况迥异,加上各产业营运特性有极大差异,根本没有可适用于全产业的成功案例。尤其智能制造是一套漫长的旅程,若无法在短时间内展现出一定成果,很难说服企业投注大笔资金推动大幅度改革,所以清华大学特聘教授简祯富特别推出工业3.5的概念,即在工业3.0基础上融入AI、大数据等技术结合,进而达到改善生产线质量,奠定日后迈向智能生产的基础。

简祯富指出,企业在引进工业4.0软硬件系统之余,相关生产流程也必须同时逐步改变,才能真正达到智能生产的目标,然这并非在短时间内可达到。在此状况之下,若能在原有的信息基础之上,运用AI技术强化机能,建立数码转型策略和智能制造技术蓝图,即可将整个生产系统的流程串连起来,进而为团队提供绝佳的解决之道,也为迈入先进制程打下良好的基础。

如某知名半导体业者每天会生产高达2万个5mm精度的传感器,过去只能仰赖经验丰富的工程师搭配高密度显微镜,透过目测方式逐一确认产品质量。但此种做法每次约得花费5秒钟,而精准率仅有60%左右,代表有高达40%产品可能是被误判,导致生产成本难以降低。

「但是该公司透过与清华大学决策分析研究室合作,将工业3.5概念融入到生产线之中,透过引进AIoT技术的方式,将检测工作交由AI系统负责。」简祯富解释:「AI系统判别产品仅需花费0.5秒,且正确率达到100%,企业初期投入费用并不是太高,却能创造出极大效益,这正是工业3.5概念。」

成大首创工业4.1,有效改善质量

2018年初,成功大学为配合行政院推动的智能机械产业推动方案,特别成立智能制造研究中心(iMRC),并由成大制造信息与系统研究所讲座教授郑芳田担任计画主持人,协助台湾各式产业实现工业4.1,让产品质量能接近零缺陷(Zero Defects)目标。

郑芳田指出,市面上工业4.0技术主要放在提升生产效率,但并没有考虑到提高产品良率的重要性,也代表产品质量仅能接近零缺陷。相较之下,成功大学团队研发的全自动虚拟测(AVM)技术,不仅可助企业达成产品接近零缺陷目标,另个查找算法(KSA)还可进一步找出质量缺陷主要原因,进而能根本解决生产率不佳的问题,这即是工业4.1的概念。

传统若要达成高产品良率的目标,就必须购置大量的量测机台,在生产过程中对所有半成品及成品进行全检。只是此举不仅成本极高,且得耗费大量生产时间,所以在考量成本、时间等多重因素下,泰半采取以抽检的方式来进行质量监测。但是,成功大学团队研发的全自动虚拟测技术,主要是利用生产机台在生产过程中产生的参数,进而推估生产时的产品质量,以进行在线且实时的产品质量预测,进而达到类似生产线全检的效果。

「虚拟量测技术可应用在半导体、面板或太阳能产业中。该技术最大特色除可监控机台效能,还能实时发现异常生产状况,避免生产过程中造成损失。」郑芳田指出:「2017年,智能制造研究中心与日月光签署技转合作,提供全自动虚拟量测、智能型预测保养、智能型良率管理等三大服务系统,全力助该公司大步迈向工业4.1的里程碑,强化在半导体封测领域的竞争力。」

台积电坐稳晶圆代工宝座,AI、大数据扮演幕后功臣

半导体技术从1958年问世开始,就成为驱动全球创新应用发展的重要核心,让许多原本复杂的硬件结构,都可用功能强大的半导体芯片完成。然而半导体发展过程也一度受限于材料技术上的限制,让芯片制程面临难以突破瓶颈,不过身为全球芯片代工龙头的台积电,自2014年跨入16纳米制程后,便几乎以不可思议速度跨入10纳米、7纳米领域,不仅超越原本技术领先的英特尔,更坐稳全球芯片带动龙头的宝座。

随著先进制程中的芯片线宽持续微缩,半导体产业被迫采取更严格的制程管制,才能达到提升良率的目标,这也成为芯片制造上的一大挑战。台积电为达到机台、制程与良率的全面最佳化,公司在制程管制和分析系统上,运用大数据结合人工智能、机器学习等技术,预先找出跨入先进制程可能面临的问题,进而达成在最短时间完成量产的工作。

根据该公司提供的资料,目前已顺利集成多个智能功能模块,分别是自我诊断、自我反应等,有助于达到提升良率、改善流程、错误侦测、降低成本与缩短研发周期等目标。目前台积电更进一步研发精准实时缺陷侦测分类系统、先进智能机台控制和先进智能制程控制系统等模块,具备实时监控并准确调整制程条件的功能。

另外,为满足先进且精准的制程控制,以及确保高效率和高效能的生产流程,台积电亦开发出精准机台腔体匹配和良率采矿分析等模块,可将制程变异和潜在的良率损失降至最低。此外,该公司更进一步将自动化生产制造系统融入机器学习技术,配合大数据分析工具协助,将生产流程从自动化进步为智能化,并应用在排程与派工、人员生产力、机台生产力、制程与机台控制、质量防御以及机器人控制等面向,进而达成提升生产效率、弹性和质量、最大化成本效益,并加速迈向全面创新的目标。

  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: 智能工厂 智能制造