加速迈向先进制程 机器学习、大数据扮功臣

受惠于先进半导体制程，许多许多入门平价车也有先进驾驶辅助系统(Advanced Driver Assistance Systems；ADAS)，有助于降低交通事故的发生。图片来源：Ford

过去20多年来，全球半导体产业几乎都是依照摩尔定律(Moore's law)发展，即集成电路上可容纳的晶体管，约每隔2年或18个月便会增加1倍。

此种快速发展趋势，让半导体产业成为驱动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，进而实践缩小体积、提高产量、降低成本的目标。

如以往只有在高级车上才有的先进驾驶辅助系统(Advanced Driver Assistance Systems；ADAS)，现今也出现在许多入门平价车上，有助于降低交通事故的发生。

然而受限于材料技术上的限制，半导体发展曾经一度陷入发展上的瓶颈，也让许多专家认为摩尔定律已走到尽头。但台积电自2014年试产16纳米芯片成功之后，过去几年又完美诠释摩尔定律，已不可思议速度跨入10纳米、7纳米领域，坐稳全球芯片带动龙头的宝座。

个中关键，于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。

台积电创始人张忠谋曾公开表示，台积电整体工时能够缩短、工作效果提高的关键，在于利用最新的大数据分析技术，让工程师得以把时间花在刀口上，专注于针对具附加价值的数据进行分析、判断，而不需要浪费时间在数据蒐集工作。

大数据、AI加持  台积电抢进先进制程

随着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。台积电因应客户需求设计的独有制造架构，是为多样化产品组合所量身订作，唯有以采用严格制程管制制度，才能达成追求产品品质精进的目标，进而提供客户所需的高品质与高效能。

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，已整合多个智能功能模块，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的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、品质防御以及机器人控制等面向，进而达成提升生产效率、弹性和品质、最大化成本效益，并加速迈向全面创新的目标。

科技部推IC产业同盟  分享大数据经验

面临全球产业竞争日趋激烈，台湾半导体正面临芯片制程技术良率越来越难，以及研发成本与资本支出提升以及本土人才不足等挑战。

为此，科技部在2013年即携手清华大学成立IC产业同盟计划，投入研究半导体产业跨公司的重要问题，包括制造策略、供应链效率、良率提升、全面资源管理、物联网、工业4.0等议题，以协助不同公司解决跨供应链的上下游问题。

目前IC产业同盟计划会员人数非常广泛，涵盖台积电、创意电子、广达电脑、友达光电、华亚半导体、台达电等大厂，且已连续举办多届半导体大数据竞赛，延伸大数据技术的应用范围。

其实随着芯片进入纳米制程，半导体机台产出的FDC(Fault Detection and Classification)数据量极大，且不容易运用传统分析工具进行分析的状况，企业若加速引进新技术，恐怕难以突破制程问题。

所幸在人工智能技术成熟、机器演算法持续进化下，在结合多元收集的大数据之后，即可将整个生产系统的流程串，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。

科技部IC产业同盟计划主持人简祯富说，在半导体纳米制程在制程线宽持续微缩，逐步挑战物理极限的状况下，晶圆制造过程将变得更复杂、影响变量更多，包含巨量、变动性、多样性、 真实性等，且彼此间具有复杂的交互作用和共线性。

在IC元件多样化、生命周期愈短的状况下，半导体若能适时大数据分析协助，达到提升晶圆纳米制程的良率，将有助于取得在产业中的竞争力。而IC产业同盟则是希望将产业累积的大数据经验分享，进而带动台湾半导体产业的发展。

美光启动大数据专案  打造智能晶圆厂

在竞争激烈的存储器市场，拥有多项独家专利的美光(Micron)，在美国、日本、新加坡、台湾等各地均有设立12寸DRAM和3D NAND晶圆厂，以便就近供应消费市场需求。

在技术自主与先进晶圆制造加持下，该公司在2018年第1季全球市场市占率暂居第三，但距离第二名的SK海力士仅有些微差距。多年来，该公司为维持在市场上的竞争力，早已在各地12寸晶圆厂中导入人工智能、大数据专案，期盼从品质、良率、产出、生产周期与营运成本等五大面向着手，强化在存储器市场上的竞争力。

在品质改善部分，美光透过设立线上操作中心的方式，在各个晶圆厂实施的故障感应检测、预测维修、实时流程控管与预测分析等机制，至今已将达成提升35%效益。

其次，在提升良率方面，主要是透过深度学习技术协助，自动识别硅片上的缺陷种类，并分析造成硅片缺陷的根本原因，作为团队改善该问题的参考。

第三部分，系统在生产过程中，也会蒐集、分析与生产流程相关的数据，如故障检测结果、生产信息等等，以便能掌握各晶圆厂生产线的状况，进而透过生产数据实时调整的方式，达到优化产线状况、落实品质管理的目的。

美光表示，第四项生产周期方面，主要是透过收集分析晶圆生产流程、需求预测等数据，再透过后台人工智能数据进行方式，让生产排程更贴近市场需求。

至于营运成本方面，则是蒐集晶圆耗损等非结构化数据数据的方式，搭配零件管理与降低浪费、耗能等方式，来达到降低营运成本的目标，让存储器、SSD等产品更具竞争优势。