i卡會員

半導體廠加速採用人工智慧(AI)與機器學習(ML)，原因有二：晶片製造的挑戰與複雜度增加，以及疫情導致晶片訂單大增。以上原因皆使得企業需要更精準地掌握並分析，龐大的產品訊息、生產流程、設備參數等資料。藉由導入AI到半導體製造中，執行機台調校、缺陷辨識等大量占用工程師時間的重覆性工作，可以讓研發人員更專注在新產品的開發，產線人員在處理突發異常事件時，也不再分身乏術。AI若再加上ML技術，自我訓練，更加聰明，執行任務的速度與準確性，未來還可能優於工程師。因此AI/ML技術的成熟與普及率，逐漸在半導體製造業扮演要角。本文分析AI/ML於半導體製造的應用情境，佐以廠商的案例說明，期盼拋磚引玉，提供給正在努力執行、正在初步規畫的半導體業者，建構更明確、更符合產業趨勢的轉型藍圖。

【內容大綱】

• 一、半導體製造對AI/ML的需求
• 二、AI/ML與半導體製造相輔相成
  • (一)AI/ML用於機台調校：減輕工程師負擔、增加調機一致性
  • (二)AI/ML用於缺陷分類—減輕工程師負擔、達成產品預診斷
  • (三)AI/ML用於產線派工—增加流程順暢度、優化各種生產條件
  • (四)AI/ML用於節能省電—提供設備商綠化商機，滿足產業綠色績效
• 三、AI/ML助攻半導體設備升級
  • (一)AI/ML用於設備機聯網絡—提升製程穩定度
  • (二)AI/ML用於混合計量—提升量測準確性
  • (三)AI/ML用於虛擬量測—節省量測時間與步驟、修復或擴充量測資料
• IEKView

【圖表大綱】

• 圖1、摩爾定律造成半導體製造步驟增加、開發速度放慢
• 圖2、AI/ML為半導體產業帶來的價值
• 圖3、AMAT ExtractAI™快速消除雜訊，將真實缺陷分類並統計
• 圖4、2021年KLA汽車產品組合
• 圖5、Nova混合計量提升關鍵尺寸量測結果準確性
• 圖6、半導體虛擬量測與實際量測流程示意圖