美光揭露轉型智慧工廠多年成果，不只大量運用AI、數位分身技術，下一階段更要朝向智慧企業來發展

「美光工廠的AI模型每周就要分析2,300萬張晶圓影像，來優化製程與提升製造效率。」美光科技技術部門資深總監曾耀瑩如此說道。這正是這家跨國記憶體大廠多年數位轉型的成果，這些年智慧製造推動成果，也成了這家高科技半導體製造公司朝向下一階段智慧企業來發展的關鍵助力。

美光很早就展開數位轉型，從轉型智慧工廠做起，多年發展下來，美光全球工廠在上千道晶圓製程中已經運用到許多ML、AI技術，來提升良率和確保產品品質。在今年臺灣AI年會上，有更多成果揭露。

全球工廠部署57萬個IoT感測器，成了發展大數據分析與AI應用的關鍵數據

為了發展智慧製造，美光很早就開始在晶圓廠安裝大量IoT感測器，迄今一共部署了57萬個IoT感測器在全球工廠中，能存取超過2.3億個資料控制點（control points）。這些年來，美光在全球工廠累積了34 PB的資料，這些資料都成為了美光用來發展大數據分析與AI應用的關鍵數據。並以每天新增30TB的速度持續增長。

有了這些感測器產生的大數據後，為蒐集與分析這些數據，美光還建立IIoT平臺和Hadoop大數據分析平臺，從多種感測器的大數據中，用於建立預防性設備維護和製程異常檢測機制，更用這些數據訓練不同AI模型，全力發展AI應用，解決工廠製程問題。

像是為了提高良率，美光不只打造YMS良率管理系統，還結合ML演算法，能夠即時分類與辨識出有瑕疵的晶圓，提供更精準的結果給產線人員，經由大數據分析，系統能馬上給出造成晶圓製程問題的建議，讓設備工程師能基於這些建議來檢測機臺的狀況。他們還建立KM知識管理系統，將這些造成良率問題的事件建立成一套知識和經驗，只要ML系統偵測到有異常情況（如陰影），就會比對KM系統，找出過去有無發生相似的情況，提供給產線工程師建議，能夠更快找出問題加以解決。

美光的晶圓製程有上千多道製程工序，黃光製程是其中一個關鍵製程，但以往機臺噴頭偶爾會出現液體滴漏的現象，對於良率影響甚大，但過去難以靠人工判斷，為了解決這個問題，後來美光在工廠導入噴嘴液滴檢測系統，結合AI影像辨識，能夠更快偵測到機臺有無漏滴，避免良率損失。

另外在洗淨製程中，噴灑機臺會在晶圓上噴灑多種不同的化學液體，但過往機臺上容易因為液體殘留產生結晶體造成噴嘴口堵塞，導致出現噴灑不均勻的情況，這些都會影響到洗淨的效果，後來他們導入影像AI偵測模型加以解決。其他AI應用，還有像是因為長期使用，使得放置晶圓的底座表面容易產生沉積物而附著在晶圓上，對良率產生影響，現在透過AI影像識別處理，一旦偵測到有殘留物的地方就會告警，通知相關人員盡速處理。

不光大量運用大數據、AI技術，來提高生產良率，Fab廠內近年來也導入自動化倉儲，結合地面AGV無人搬運車，來提高物料搬運效率，舉例來說，以往設備工程師進行設備維護前須自行到倉庫領料，再把這些料搬到機臺旁，現在只需透過App就能進行物料搬運排程，系統就會自動把維護用到的物料放進搬運箱中，再由AGV送到指定的機臺附近位置，能提高人員工作效率。

導入數位分身系統模擬工廠運作，能根據生產排程變化靈活調度產線

美光更打造一套數位分身系統，用於模擬廠內運作狀況，包括晶圓製程流程、機臺的使用狀況，讓生產人員能更快根據生產排程變化靈活調度產線機臺，來縮短周期支援更大產能，不光如此，這套系統也能透過模擬方式提供跨廠區不同產品組合的建議。此外，目前在機臺設備的維修巡檢、遠端培訓上，都已結合AR與VR應用。

幾年下來，美光因為推動智慧製造帶來不少效益，不只製造設備工具可用性提高4%，新產品推向市場和品質問題改善的時間大幅減半，晶圓報廢減少20％以上，就連員工生產力也因此提高近2成。也因為這些轉型成果，讓美光台中A3廠在2年前獲世界經濟論壇評選為工業4.0燈塔工廠。

這些重要智慧製造成果，更仰賴一群資料科學團隊，協助這家公司掌握智慧製造關鍵技術與應用，美光目前全球超過600位資料科學家、資料工程師及解決方案架構師，其中有100位在臺灣。

從智慧製造邁向智慧企業

對美光來說，不只是要讓工廠智慧化，更進一步開始推向企業內部，從設計、研發、採購到供應鏈等，都開始運用AI來協助公司解決問題與增加更多營收。

像是採購部分，美光就找來相關廠商合作，運用AI加強供應鏈風險控管和透明性，如他們開始結合不同地域、國家、天災等資料，透過數據分析找出影響交期的潛在風險並提供警訊給採購部門，進而避開向高風險的原料供應商下單。廠內物料庫存管理上，也改用AI預測每月有多少用料來決定叫料數量，取代過去人工判斷，因此能夠更準確掌控物料數量，也能預防斷料的問題。

甚至在產品定價策略上，美光也開始通過蒐集各個供應商、客戶狀況、歷史資料、市場動向以及產品特性，建立AI定價策略模型，曾耀瑩說，希望透過AI給出定價的建議，未來能夠幫助公司增加營收。而因應ESG永續發展潮流，美光也有相關結合AI的做法，目標是希望訓練出來的AI模型能夠預測公司未來3年永續績效指標。

供應鏈管理結合AI更是美光未來幾年重點發展之一，曾耀瑩表示，供應鏈參與（Supplier engagement）對於半導體廠來說是很重要也是最難一環，尤其製程演進從20奈米縮小到10奈米，越來越多製程容易受供應商原料的影響，嚴重甚至可能造成良率損失，他表示，未來他們將與供應商合作建立信任的基礎，取得這些相關資料做大數據分析與預測，減少製程受供應商原料的影響。