現在半導體產業界都在談論人工智慧或智慧製造4.0，其實旺宏電子早在20幾年前就已經起步。旺宏電子董事長吳敏求曾經表示，旺宏自行研發生產控制系統「Super Nova」，基本上就是AI的概念，透過系統追蹤製程開發、生產流程以及品管作業。

非揮發性記憶體廠旺宏電子成立於1989年，全球員工人數約4100位，目前擁有一座十二吋晶圓廠（晶圓五廠）、一座八吋晶圓廠（晶圓二廠）及一座六吋​晶圓廠 （晶圓一廠），晶圓五廠及晶圓二廠主要生產製造旺宏電子自有品牌的非揮發性記憶體產品​，晶圓一廠則以利基型類比及邏輯產品的晶圓代工業務為主，主要客戶廣佈於消費、通訊、電腦、工業、汽車電子、網通各大領域。近幾年來，旺宏將兩成的投資營業額投入於研發工作，目前擁有超過7,600​項國際關鍵技術及專利等智慧財產權，並與全球高科技業界領導廠商成立技術合作聯盟，共同進行相變化記憶體先驅技術的研究。

表一、旺宏電子小檔案

資料來源：旺宏

旺宏電子從1991年就開始發展電子設計自動化（Electronic Design Automation，簡稱EDA），EDA是利用電腦軟體工具將複雜的電子產品設計過程自動化，以縮短產品開發時間、協助工程師設計電子產品，EDA是IC設計所需的軟體，同時也是半導體製程技術提升的必須品。

旺宏電子陳瑞坤副總經理日前出席「智造時代：轉型未來工廠戰略研討會」時指出，旺宏發展AI算是很早，1991年第一座六吋晶圓廠成立，在那個時代招了兩位統計博士放在工廠，一般半導體的生產製造都是招聘Double E（電機電子）、理工背景的員工，統計博士在工廠裡面能幹嘛？在當時是很大膽嘗試。

圖一、旺宏電子陳瑞坤副總經理分享AI在半導體製造中的應用。

圖片來源：台北市電腦商業同業公會

旺宏電子將當時的EDA系統稱之為NOVA，意思是「太空中的行星」，直到2000年，覺得這個行星不太夠用了，就將系統改版為Super NOVA「超行星」，從產品設計、技術研發、工廠的生產製造、廠務系統、測試到成品，全部都涵蓋在這個超行星系統裡面。sNOVA是一個100％由旺宏內部開發的系統，目標是應用大數據技術，包括統計方法、數據挖掘技術、訊息技術和用戶領域知識，以持續和高效的方式提高產品品質，sNOVA的服務領域幾乎包括完整的半導體工業領域，進行準確及時的分析。

圖二、旺宏電子的EDA系統：sNOVA

圖片來源：陳瑞坤簡報

統計方法和大數據加速解決問題

在過去，解決問題依賴於工程判斷，在如此複雜製造環境中需要很長時間，sNOVA是解決問題的新解方。陳瑞坤指出，以前要訓練一個好的師傅，可能需要10年、20年時間，要有10年以上功力的師傅才有辦法一眼就看出IC晶片差別和分類；導入AI影像辨識後，10年和1年資歷的師傅可能差異已經不大，因為AI系統會協助分類，並帶出後續的解決方案，AI系統解決了很大的問題，不用再光倚靠人的智力。

「半導體生產過程是十分繁複的，一個完整IC的製程要經過700多站，後續還有封裝測試及切割，只要裡面任何一個環節出錯，產品就完蛋了」，陳瑞坤進一步解釋，半導體電子產品不良率計算，已經從PPM（Parts-Per-Million，百萬分率）進化到PPB（Parts Per Billion，十億分之一），等於10億個產品裡面只能容許有幾個不良品，這嚴苛的挑戰，逼得半導體業者不得不去開發製程系統。

早期故障檢測工具

旺宏在每個機台中架設偵測器，可以想做是一台汽車加裝的胎壓偵測器，在爆胎之前就會主動示警，平均一個機台有40個偵測器，針對壓力、震動、流量、溫度等指標加以監控，確保機台不會有超出預期的表現。導入早期故障檢測工具（Tool Early Failure Detection）後，當系統顯示out of control時，維修機台的設備工程師就會出動檢查零配件；製程工程師負責處理貨的量測和產品的品質，在產品真正出問題之前，就找出有可能出問題的地方提前改善。以製程眼光來看，每批產品都會根據以前的行為或外在環境進行校正，陳瑞坤形容這就像射箭一樣，「每枝箭雖然都射中靶心，但羽毛、風向都可能帶來影響，用前面的數據來預測產品的表現，讓每一枝箭確實的打在靶心上」。

而要在品質跟成本間取得平衡，最好的方式是採取抽樣檢查，抽樣的前提是每個產品的變異數都不大，抽樣的結果才能代表整個族群，隨著半導體製程日益嚴格，對於產品「全檢」的要求變高，因為在機台上都有加裝偵測器，運用大數據導入虛擬量測（Virtual Metrology）的技術，從監測到的參數就能預測未來產品的表現，準確度已經超過99％，即使沒有進行全檢，也能確保產品的良率。

零件壽命的預測性維護系統

生產機台的維護又是如何進行呢？陳瑞坤說，工業生產就是在品質和成本之間作掙扎，以前都是一台機器「run到死」，這代表最後一定有晶片會跟著報廢陪葬，現在導入零件壽命預測的PdM（Predictive Maintenance）系統，就能進行機台的預測性維護。從圖三來看，當系統顯示達到最上方第一條線時，就會通知物管開始備料，既能維持機台運作的品質及安全，又可以避免太早備料增加庫存成本；第一條和第二條線之間則是備料的時間，等料一到就可以更換；即使遇到特殊狀況或很重要的貨要趕工，達到第三條線時就一定要先關機暫停。

圖三、利用AI進行零件的預測性維護

圖片來源：陳瑞坤簡報

對於半導體業者來說，光是一個產能2萬片的十二吋晶圓廠，一天要收的data就多達20幾億，換算成一個正常產能10-12萬片的十二吋晶圓廠，一天的data就破百億了，如何將龐大的資料變成有用的資訊，就是最大的挑戰。陳瑞坤表示，以前會很擔心工廠設在哪裡，未來走向智慧製造，所有資料都是由中央控管、加密，遠端工廠端都被管制使用，業者不用再提心吊膽機密會外洩。

資料來源：2019/4/30「智造時代：轉型未來工廠戰略研討會」，陳瑞坤簡報資料

Facebook 在北美智權報粉絲團上追踪我們