加速邁向先進製程 機器學習、大數據扮功臣

受惠於先進半導體製程，許多許多入門平價車也有先進駕駛輔助系統(Advanced Driver Assistance Systems；ADAS)，有助於降低交通事故的發生。圖片來源：Ford

過去20多年來，全球半導體產業幾乎都是依照摩爾定律(Moore's law)發展，即積體電路上可容納的電晶體，約每隔2年或18個月便會增加1倍。

此種快速發展趨勢，讓半導體產業成為驅動創新應用發展的重要核心，讓許多原本複雜的硬體結構，都可用功能強大的半導體晶片完成，進而實踐縮小體積、提高產量、降低成本的目標。

如以往只有在高級車上才有的先進駕駛輔助系統(Advanced Driver Assistance Systems；ADAS)，現今也出現在許多入門平價車上，有助於降低交通事故的發生。

然而受限於材料技術上的限制，半導體發展曾經一度陷入發展上的瓶頸，也讓許多專家認為摩爾定律已走到盡頭。但台積電自2014年試產16奈米晶片成功之後，過去幾年又完美詮釋摩爾定律，已不可思議速度跨入10奈米、7奈米領域，坐穩全球晶片帶動龍頭的寶座。

箇中關鍵，於運用大數據結合人工智慧、機器學習等技術，預先找出跨入先進製程可能面臨的問題，進而達成在最短時間完成量產的工作。

台積電創辦人張忠謀曾公開表示，台積電整體工時能夠縮短、工作效果提高的關鍵，在於利用最新的大數據分析技術，讓工程師得以把時間花在刀口上，專注於針對具附加價值的資料進行分析、判斷，而不需要浪費時間在資料蒐集工作。

大數據、AI加持  台積電搶進先進製程

隨著先進製程中的晶片線寬持續微縮，半導體產業被迫採取更嚴格的製程管制，才能達到提升良率的目標，這也成為晶片製造上的一大挑戰。台積電因應客戶需求設計的獨有製造架構，是為多樣化產品組合所量身訂作，唯有以採用嚴格製程管制制度，才能達成追求產品品質精進的目標，進而提供客戶所需的高品質與高效能。

台積電為達到機台、製程與良率的全面最佳化，公司在製程管制和分析系統上，已整合多個智慧功能模組，分別是自我診斷、自我反應等，有助於達到提升良率、改善流程、錯誤偵測、降低成本與縮短研發週期等目標。目前台積電更進一步研發的精準即時缺陷偵測分類系統、先進智慧機台控制和先進智慧製程控制系統等模組，具備即時監控並準確調整製程條件的功能。

另外，為滿足先進且精準的製程控制，以及確保高效率和高效能的生產流程，台積電亦開發出精準機台腔體匹配和良率採礦分析等模組，可將製程變異和潛在的良率損失降至最低。

此外，該公司更進一步將自動化生產製造系統融入機器學習技術，配合大數據分析工具協助，將生產流程從自動化進步為智能化，並應用在排程與派工、人員生產力、機台生產力、製程與機台控制、品質防禦以及機器人控制等面向，進而達成提升生產效率、彈性和品質、最大化成本效益，並加速邁向全面創新的目標。

科技部推IC產業同盟  分享大數據經驗

面臨全球產業競爭日趨激烈，台灣半導體正面臨晶片製程技術良率越來越難，以及研發成本與資本支出提升以及本土人才不足等挑戰。

為此，科技部在2013年即攜手清華大學成立IC產業同盟計畫，投入研究半導體產業跨公司的重要問題，包括製造策略、供應鏈效率、良率提升、全面資源管理、物聯網、工業4.0等議題，以協助不同公司解決跨供應鏈的上下游問題。

目前IC產業同盟計畫會員人數非常廣泛，涵蓋台積電、創意電子、廣達電腦、友達光電、華亞半導體、台達電等大廠，且已連續舉辦多屆半導體大數據競賽，延伸大數據技術的應用範圍。

其實隨著晶片進入奈米製程，半導體機台產出的FDC(Fault Detection and Classification)資料量極大，且不容易運用傳統分析工具進行分析的狀況，企業若加速引進新技術，恐怕難以突破製程問題。

所幸在人工智慧技術成熟、機器演算法持續進化下，在結合多元收集的大數據之後，即可將整個生產系統的流程串，進而為團隊提供絕佳的解決之道，也為邁入先進製程打下良好的基礎。

科技部IC產業同盟計畫主持人簡禎富說，在半導體奈米製程在製程線寬持續微縮，逐步挑戰物理極限的狀況下，晶圓製造過程將變得更複雜、影響變數更多，包含巨量、變動性、多樣性、 真實性等，且彼此間具有複雜的交互作用和共線性。

在IC元件多樣化、生命週期愈短的狀況下，半導體若能適時大數據分析協助，達到提升晶圓奈米製程的良率，將有助於取得在產業中的競爭力。而IC產業同盟則是希望將產業累積的大數據經驗分享，進而帶動台灣半導體產業的發展。

美光啟動大數據專案  打造智慧晶圓廠

在競爭激烈的記憶體市場，擁有多項獨家專利的美光(Micron)，在美國、日本、新加坡、台灣等各地均有設立12吋DRAM和3D NAND晶圓廠，以便就近供應消費市場需求。

在技術自主與先進晶圓製造加持下，該公司在2018年第1季全球市場市佔率暫居第三，但距離第二名的SK海力士僅有些微差距。多年來，該公司為維持在市場上的競爭力，早已在各地12吋晶圓廠中導入人工智慧、大數據專案，期盼從品質、良率、產出、生產週期與營運成本等五大面向著手，強化在記憶體市場上的競爭力。

在品質改善部分，美光透過設立遠端操作中心的方式，在各個晶圓廠實施的故障感應檢測、預測維修、即時流程控管與預測分析等機制，至今已將達成提升35%效益。

其次，在提升良率方面，主要是透過深度學習技術協助，自動辨識矽晶圓上的缺陷種類，並分析造成矽晶圓缺陷的根本原因，作為團隊改善該問題的參考。

第三部分，系統在生產過程中，也會蒐集、分析與生產流程相關的數據，如故障檢測結果、生產資訊等等，以便能掌握各晶圓廠生產線的狀況，進而透過生產數據即時調整的方式，達到優化產線狀況、落實品質管理的目的。

美光表示，第四項生產週期方面，主要是透過收集分析晶圓生產流程、需求預測等數據，再透過後台人工智慧資料進行方式，讓生產排程更貼近市場需求。

至於營運成本方面，則是蒐集晶圓耗損等非結構化數據資料的方式，搭配零件管理與降低浪費、耗能等方式，來達到降低營運成本的目標，讓記憶體、SSD等產品更具競爭優勢。