AI排程助攻智能制造 宇清数码智能工厂论坛解析关键技术

宇清数码智能董事长暨技术长郭仲仁博士。DIGITIMES摄

宇清数码日前受邀参与 DIGITIMES举办的「智能工厂2.0启航：从AI预测到自主创造（新竹场）」论坛活动，由董事长暨技术长郭仲仁博士以「AI生产计划与排程-从晶圆制造龙头经验谈起」为题进行专题演讲，分享其在半导体制造领域累积的生产计划经验，以及如何运用AI技术改善生产排程问题。

准确预测Cycle Time 强化生产计划管理

郭仲仁表示：「生产计划能否成功，关键在于是否能准确预测生产周期（Cycle Time）。当企业掌握 Cycle Time，便能更精准预测产出与出货时间，进而提升达交率并提高整体产线效率。」他进一步指出，在晶圆制造等高度复杂的生产环境中，Cycle Time预测难度极高。例如晶圆厂可能同时生产上百种产品，每个产品平均需经过上千道制程步骤，若直接预测所有制程的Cycle Time，将面临极高的计算复杂度。

机器学习建模  降低预测问题复杂度

针对此问题，宇清提出以机台群组（Machine Group）为单位建立Cycle Time预测模型，运用机器学习分析需求量、在制品（WIP）及机台相关KPI等因素，预测各机台群组的生产周期，再进一步推算各产品制程的Cycle Time，使企业能在维持预测准确度的同时，大幅降低预测问题的复杂度。

此预测结果亦可应用于生产计划管理，例如进行主生产排程（MPS）模拟与最佳化，协助企业分析产品组合、机台负荷与投料策略，同时透过数据分析检视在制品（WIP）状况，避免过多冗余WIP影响产线效率。

AI排程最佳化  提升产线运作效率

在生产排程层面，宇清透过基因演算法技术进行排程最佳化，在多项限制条件下安排生产顺序，降低机台闲置与效率损失，使排程结果更加紧密并提升产线运作效率。郭仲仁指出，宇清最初从半导体产业的生产计划需求出发，发展AI-based Planning与Scheduling技术，并逐步将相关经验延伸至PCB、显示面板、精密加工与生医制药等产业，协助客户提升整体生产力与达交率。

宇清数码亦将于2026年4月8日至10日于南港展览馆一馆参与2026 Touch Taiwan展览，现场将展示APS智能排程系统产品信息与应用概念，与制造业者交流智能制造解决方案。