製程良率是關鍵績效指標，高良率可以同時提升產品品質和生產力，縮減產品回流再製時間，降低重工等成本。因應前瞻半導體智慧製造的挑戰，本研究整合大數據分析、智能控制、人工智慧、機器學習與數位決策等技術，以研發先進品質/設備/製程控制的智能化解決方案，具備良率診斷、機臺健康預測、製程參數優化、虛擬量測與批次控制、主動預警、先進控制、適應性、彈性和即時決策等功能，以提升製程良率之自癒力，並能兼顧成本效益分析與推論的資訊價值。產學合作實證研究已證明效度，並能導入產業創造具體價值，以達到工業3.5聰明生產。

圖說：科技部陳良基部長（左）頒發工程技術領域最具影響力研究專書給簡禎富教授所著的《工業3.5：台灣企業邁向智慧製造與數位決策的戰略》

　　隨著AI、大數據、物聯網、雲端、邊緣運算、智慧機械和5G技術快速發展，製造系統和各種設備已建置大量的傳感器以蒐集生產過程中自動產生的大數據，美國工業網際網路聯盟所發布的工業互聯網參照架構與德國工業4.0標準化路徑皆強調製造系統應具備自癒力，能動態針對生產中的異常狀況進行避免、預警、管理或補償，快速並即時的將製程重新調節穩定，避免製造中的異常所導致的產能及良率損失。

　　臺灣產業也陸續在設備和生產環境設置大量傳感器和工業電腦等基礎設備以蒐集製造大數據，然而，由於製造過程中「人、機、料、法、環」所收集的大數據有複雜的相依關係及共線性，一般的分析工具已經難以有效正確擷取出有用的資訊，且深度的分析通常必須結合製造場域、領域知識等才能有效。因此，如何針對生產過程中的大數據挖掘潛在有用資訊成了關鍵議題。

　　製程良率是高科技製造的關鍵績效指標，良率高可以同時提升產品品質、可靠度和生產力，並可減少由於不良品重工回流再製造所增加的時間和重工成本，以及檢測故障分析等品管成本。隨著越來越複雜的製造程序和精密設備，大量共線性的製程變數有前後複雜交錯的交互作用，為了有效監控並即時調整製程以提升良率，本研究發展先進品質/製程/設備控制的整合解決方案以提升半導體聰明製造，包括批次控制、故障偵測與分類、機臺健康度監控和預保養、機臺健康狀態變數之架構與預測性分析等技術，透過減少批次間的變異以確保產品品質符合目標規格，透過機臺健康狀況的監控減少不良品的出現機率（圖一）。產學合作實證研究已證明效度，並能導入產業創造具體價值。

圖一：半導體先進製程控制以即時降低晶圓曝光覆蓋誤差提升先進製程良率
 

　　因應前瞻半導體智慧製造的挑戰，產品精密度提升，導致製程產品特性之標準規格不斷微縮，本研究整合大數據分析、智能控制、人工智慧、機器學習與數位決策等技術，以研發先進品質/設備/製程控制的智能化解決方案，具備良率診斷、機臺健康預測、製程參數優化、虛擬量測與批次控制、主動預警、先進控制、適應性、彈性和即時決策等功能，以提升製程良率之自癒力，並能兼顧品質與生產力的綜效。以半導體前後端製程做為測試場域，藉由現有製造系統的改良和先進製造管理的混合，發展先進製程控制技術，進而將成功經驗平展至其它產業，彈性化地考量不同製造系統的特性和需求，以提出良率精進模式和架構，並配套相關智能化決策支援模組，並提供及時資訊及決策之整合系統平臺，有效提升彈性決策的韌性、提升決策品質，以協助臺灣產業邁向工業3.5。

延伸閱讀：

1. 如何先打造出「工業3.5」的能力？ - 哈佛商業評論
2. AI與大數據強化數位決策工業3.5智慧製造最佳路徑- 今周刊
3. 彭双浪推薦3套必讀書單，這一本他認為科技製造業都該讀