台積電卓越製造中心總主持人暨清華大學講座教授簡禎富認為,未來半導體市場將慢慢會走向智慧工廠,而大資料分析對於半導體發展智慧工廠則扮演一定的關鍵重要性。

圖片來源: 

iThome

去年4月,擁有全世界最具競爭力製造業之一的德國,在國家級技術戰略上,發布了一份長達百頁的「工業4.0 (Industrie 4.0)」報告,正式宣告德國將朝向工業自動化的智慧工廠(Smart Factory)邁進。而無獨有偶,早在2009年時,美國也宣布推動「再工業化」政策,未來將透過傳統產業現代化升級和創新,來重振美國本土工業。

而今年才剛由英特爾、思科、GE、IBM及AT&T等網通、電器及電信大廠,共同組成的工業網路結盟(Industrial Internet Consortium,IIC),更打算透過建立一套開放互通標準的工業物聯網智慧系統,將未來所有智慧型設備、工業機器、人員、流程與資料通通連結在一起,來降低未來工業應用和流程,所需花費的人力時間和操作複雜度。

然而,對於從傳統微米走向奈米世界的競爭,半導體產業一直以來面對的都是最嚴苛的先進製程挑戰,因此如何在這一波潮流中,運用大資料分析找出優化良率的製程關鍵,甚至靠著大資料分析不斷學習走向智慧工廠,很大一部分也將成為臺灣半導體能否在這場世界級半導體競賽中,領先全球的關鍵。

從大資料分析走向智慧工廠

根據德國工業4.0報告,未來的智慧工廠,在每一個生產環節過程中,每個操作設備都具獨立自主的能力,可以自動化完成生產線操作,而每個設備和設備間也都可以相互溝通,並即時監控周遭環境,隨時找到問題加以排除,甚至也具有更加靈活彈性的生產流程,可以因應不同客戶的不同產品需求。

就像是現在非常熱門的IoT物聯網,透過物聯裝置感測器取得資料,拿來加以分析找到各種關聯應用,其背後蘊藏的技術關鍵就是大資料。

台積電卓越製造中心總主持人暨清華大學講座教授簡禎富也認為,未來半導體市場將慢慢會走向智慧工廠,而大資料分析對於半導體發展智慧工廠則扮演一定的關鍵重要性。他表示,透過大資料分析,最終要做的是讓這些機臺設備可以自己做決定,只是其決定的能力,是透過大資料分析不斷從大量資料中學習,而這也已經不是憑空想像,是已經正在持續發生當中。

就像是人發燒體溫升高,自己身體就會知道應該要如何恢復。簡禎富指出,現在半導體廠也開始走向自律調控或製造系統的免疫系統,如果將製造系統想像成一個有機的話,他說,未來半導體製造也能做到跟人體反應一樣,自行感測有問題的機臺設備,即時自動發出警示,通知製程工程師來處理,而不用等到產品壞掉以後,才開始重頭找問題出在哪裡。

將資料採礦用在先進智慧控制上

簡禎富也以其團隊在工廠實際的應用為例,隨著機臺長期運轉生產,機臺設備甚至是感測器的零件損耗率也會變高,過去作法是等到分析結果出來後,才能找出問題加以解決,因此受到的損失也較大。

而現在比較先進的作法是直接在線上即時監測,以及從歷史資料來分析,在機臺還沒有發生耗損問題時,就先偵測到細微變化,提前避免損害的發生。而透過這樣的預測機制,甚至可以用來做機臺保養,依照每個機臺設定情況、使用時間長短等變化來提前維護,這也是資料採礦用在先進製程控制或先進智慧控制的應用,「這些也都是現在正在做或已經做到的。」簡禎富說。

此外,台積電也表示,隨著新世代先進製程技術難度的增加,可以容許製程或機臺偏移的容許偏移量都非常小,因此未來的大資料分析關鍵在於,如何精確找到機臺零件損耗程度和即時校正之間的關係,才能知道何時該換,而不會提早換,也不會因為遲換而產生問題。這也是產線機臺能否持續維持高品質、高健康狀況,甚至是機臺與機臺間高匹配程度的難題,也是台積電未來希望透過大資料分析,做到的自我診斷與自動修復的目標。

由資料來驅動半導體工廠的進化

亦思科技系統發展處處長江孟峰表示,從半導體工廠走向智慧工廠的階段,其實也是一個由資料來驅動(Data-Driven)的演進過程,像是透過生產機臺取得源源不絕的感測資料,再依照大資料分析找到不同的呈現結果,做為調整機臺或拿來預估良率變化的依據,這些都是因為先有蒐集資料的行為,才由資料來驅動應用產生一連串結果。

江孟峰也舉例說,就像現在在12吋晶圓廠的無塵室裡,已經很少看到作業員,所有晶圓幾乎都改用自動搬運系統來搬運,但他也認為,運用大資料來發展智慧工廠並非一蹴可幾,仍是大家必須長期努力發展的目標。

精誠集團首席顧問陳昭宇也指出,即時品質控制也是智慧工廠所要追求的概念之一,為的就是協助半導體廠減少不避要的浪費。以半導體業來說,就是運用在線上良率即時監控及設備管理維護,因為機臺設備配方參數都非常多,所以就會產生機臺間的差異。

比如說100條生產線的上千臺機臺,儘管設定相同的製程配方,但這些機臺跑出來的結果並非都相同,這時就能透過大資料分析製程當下發生的異常,就可以避免不必要的浪費。陳昭宇也說,像是現有的大資料分析工具Spark和Impala,就提供一個這樣的即時分析技術,可以運用在即時品質控制上。

發展半導體大資料,關鍵在於找到資料分析人才

然而,要從大資料開始朝向智慧工廠,簡禎富也認為,真正缺少的不是軟、硬體的問題,而是能不能找到資料分析人才,如台積電設立專門的大資料分析部門,投入半導體大資料分析開發和應用,但相較其他半導體業者,現在看到有不少作法都只是透過買軟、硬體方式來解決,而非真正有設立大資料分析部門。

對於資料分析團隊在組織功能的定位上,簡禎富認為,如果只是在公司內部設立大資料分析部門,較不容易獲得成長,因為他說,大資料分析所需要的核心能力,多半跟半導體製造不同,因此比起在公司內部成立非半導體核心的部門,反而是採取在集團內成立大資料分析公司,更有助於垂直整合,達到更好的發展效果。

面對臺灣半導體廠想要發展大資料分析,陳昭宇也指出,最大的問題是技術人才的缺乏,現在很多技術都是新的,即便是像Hadoop工具推出已經好幾年,但由於其生態系龐大且一直不斷演進,可能今天學的,下個月又出新版本,如果不是專門研究的人,不太可能有時間去更新技術知識。

所以,企業就得要花更多時間自己找人投入學習,然而現實的問題是,這些大資料技術對許多公司而言,畢竟不是主要的核心業務,所以很多企業會對是否要投入大資料分析仍有些猶豫。

不過江孟峰也觀察到,臺灣半導體廠在發展大資料分析應用上,現在也慢慢擴及到其他應用,像是有半導體廠就開始將大資料分析應用在市場脈動,找出下一個產品流行的趨勢。因為,對半導體廠商而言,在短暫的產品生命周期中,必須掌握投入生產的時機,而大資料分析也提供一個平臺,搜集大量資料來觀察市場的脈動。

隨著德國工業4.0以及美國再工業化的提出,簡禎富表示,未來半導體的製造環境將是一個智慧化的生產環境,而在這樣的智慧化製造環境背後,同時也會累積更多大量的資料。因此,如果臺灣還是同樣仰賴過去勞力密集,低成本的生產作法,而不去運用大資料分析掌握製程技術的關鍵,那麼,最後在這場全球半導體市場競爭中,臺灣很容易成為你拿大刀與人家拿機關槍對打的懸殊局面。

 


相關報導請參考「半導體前進大資料」


Advertisement

更多 iThome相關內容