现在半导体产业界都在谈论人工智能或智能制造4.0，其实台湾旺宏电子早在20几年前就已经起步。旺宏电子董事长吴敏求曾经表示，旺宏自行研发生产控制系统「Super Nova」，基本上就是AI的概念，透过系统追踪制程开发、生产流程以及品管作业。

非挥发性内存厂旺宏电子成立于1989年，全球员工人数约4100位，目前拥有一座十二吋晶圆厂（晶圆五厂）、一座八吋晶圆厂（晶圆二厂）及一座六吋​晶圆厂 （晶圆一厂），晶圆五厂及晶圆二厂主要生产制造旺宏电子自有品牌的非挥发性内存产品​，晶圆一厂则以利基型模拟及逻辑产品的晶圆代工业务为主，主要客户广布于消费、通讯、计算机、工业、汽车电子、网通各大领域。近几年来，旺宏将两成的投资营业额投入于研发工作，目前拥有超过7,600​项国际关键技术及专利等知识产权，并与全球高科技业界领导厂商成立技术合作联盟，共同进行相变化内存先驱技术的研究。

表一、旺宏电子小档案

数据源：旺宏

旺宏电子从1991年就开始发展电子设计自动化（Electronic Design Automation，简称EDA），EDA是利用计算机软件工具将复杂的电子产品设计过程自动化，以缩短产品开发时间、协助工程师设计电子产品，EDA是IC设计所需的软件，同时也是半导体制程技术提升的必须品。

旺宏电子陈瑞坤副总经理日前出席「智造时代：转型未来工厂战略研讨会」时指出，旺宏发展AI算是很早，1991年第一座六吋晶圆厂成立，在那个时代招了两位统计博士放在工厂，一般半导体的生产制造都是招聘Double E（电机电子）、理工背景的员工，统计博士在工厂里面能干嘛？在当时是很大胆尝试。

图一、旺宏电子陈瑞坤副总经理分享AI在半导体制造中的应用。

图片来源：台北市计算机商业同业公会

旺宏电子将当时的EDA系统称之为NOVA，意思是「太空中的行星」，直到2000年，觉得这个行星不太够用了，就将系统改版为Super NOVA「超行星」，从产品设计、技术研发、工厂的生产制造、厂务系统、测试到成品，全部都涵盖在这个超行星系统里面。sNOVA是一个100％由旺宏内部开发的系统，目标是应用大数据技术，包括统计方法、数据挖掘技术、讯息技术和用户领域知识，以持续和高效的方式提高产品质量，sNOVA的服务领域几乎包括完整的半导体工业领域，进行准确及时的分析。

图二、旺宏电子的EDA系统：sNOVA

图片来源：陈瑞坤简报

统计方法和大数据加速解决问题

在过去，解决问题依赖于工程判断，在如此复杂制造环境中需要很长时间，sNOVA是解决问题的新解方。陈瑞坤指出，以前要训练一个好的师傅，可能需要10年、20年时间，要有10年以上功力的师傅才有办法一眼就看出IC芯片差别和分类；导入AI影像辨识后，10年和1年资历的师傅可能差异已经不大，因为AI系统会协助分类，并带出后续的解决方案，AI系统解决了很大的问题，不用再光倚靠人的智力。

「半导体生产过程是十分繁复的，一个完整IC的制程要经过700多站，后续还有封装测试及切割，只要里面任何一个环节出错，产品就完蛋了」，陈瑞坤进一步解释，半导体电子产品不良率计算，已经从PPM（Parts-Per-Million，百万分率）进化到PPB（Parts Per Billion，十亿分之一），等于10亿个产品里面只能容许有几个不良品，这严苛的挑战，逼得半导体业者不得不去开发制程系统。

早期故障检测工具

旺宏在每个机台中架设侦测器，可以想做是一台汽车加装的胎压侦测器，在爆胎之前就会主动示警，平均一个机台有40个侦测器，针对压力、震动、流量、温度等指针加以监控，确保机台不会有超出预期的表现。导入早期故障检测工具（Tool Early Failure Detection）后，当系统显示out of control时，维修机台的设备工程师就会出动检查零配件；制程工程师负责处理货的量测和产品的质量，在产品真正出问题之前，就找出有可能出问题的地方提前改善。以制程眼光来看，每批产品都会根据以前的行为或外在环境进行校正，陈瑞坤形容这就像射箭一样，「每枝箭虽然都射中靶心，但羽毛、风向都可能带来影响，用前面的数据来预测产品的表现，让每一枝箭确实的打在靶心上」。

而要在质量跟成本间取得平衡，最好的方式是采取抽样检查，抽样的前提是每个产品的变异数都不大，抽样的结果才能代表整个族群，随着半导体制程日益严格，对于产品「全检」的要求变高，因为在机台上都有加装侦测器，运用大数据导入虚拟量测（Virtual Metrology）的技术，从监测到的参数就能预测未来产品的表现，准确度已经超过99％，即使没有进行全检，也能确保产品的良率。

零件寿命的预测性维护系统

生产机台的维护又是如何进行呢？陈瑞坤说，工业生产就是在质量和成本之间作挣扎，以前都是一台机器「run到死」，这代表最后一定有芯片会跟着报废陪葬，现在导入零件寿命预测的PdM（Predictive Maintenance）系统，就能进行机台的预测性维护。从图三来看，当系统显示达到最上方第一条线时，就会通知物管开始备料，既能维持机台运作的质量及安全，又可以避免太早备料增加库存成本；第一条和第二条线之间则是备料的时间，等料一到就可以更换；即使遇到特殊状况或很重要的货要赶工，达到第三条线时就一定要先关机暂停。

图三、利用AI进行零件的预测性维护

图片来源：陈瑞坤简报

对于半导体业者来说，光是一个产能2万片的十二吋晶圆厂，一天要收的data就多达20几亿，换算成一个正常产能10-12万片的十二吋晶圆厂，一天的data就破百亿了，如何将庞大的数据变成有用的信息，就是最大的挑战。陈瑞坤表示，以前会很担心工厂设在哪里，未来走向智能制造，所有数据都是由中央控管、加密，远程工厂端都被管制使用，业者不用再提心吊胆机密会外泄。

数据源：2019/4/30「智造时代：转型未来工厂战略研讨会」，陈瑞坤简报数据

好消息～北美智权报有微信公众号了！ 《北美智权报》内容涵盖世界各国的知识产权新闻、重要的侵权诉讼案例分析、法规解析，以及产业与技术新知等等。 立即关注北美智权微信公众号→ NAIP_IPServices ～欢迎读者分享与转发～