科技專案成果

工研院首創半導體機台故障預診斷整體解決方案
 

從反應式維修進化到預測式處理 設備管理需要與時俱進
 

現行產業製程機臺管理，多半是被動反應的處置方式，再拿「乖乖」放在設備上庇佑，然而務實來說，要讓設備機臺順利維運不出錯，需要更積極的作法。根據Aberdeen研究報告，當中訪談140家製造業高階管理者，得到「重要資產設備故障是影響營運風險最重要的因素」之歸結，而工研院在本科技專案計畫前導研究中與我國業者大量的需求訪談也得到此一致結論。
 

以高精密製程的半導體而言，相當注重成品良率，穩定生產設備是維持高良率的關鍵要素之一，非預期性故障停機或當品質檢測發現問題時才知道機臺發生異常，往往造成大量廢片損失，且生產停滯將使得延遲耽擱成本難以計數，因此，開發「機台故障預診斷技術」有其高度需求與必要性。
 

集結各式演算法與領域專家知識
創建眾智式AI學習預測技術
 

故障預診斷技術在製造業已發展20多年，但預測準確度尚未達到製造產業實用要求，以至於擴散應用難度倍增。因此，在經濟部技術處科技專案支持之下，工研院以蒐集分析機臺資料來監控、評估設備及其零件的健康狀態，並整合十幾種人工智慧演算法建立「眾智式AI學習預測技術」，研發出「半導體機台故障預診斷整體解決方案」，具有以下優勢成果：
 

1.具備技術前瞻性：故障預診斷與剩餘壽命預測技術已與國際大廠如AppliedMaterials同居國際領先地位，完成進口取代，打破國際大廠寡占現況，目前已技術移轉華邦電子及帆宣公司，亦與重點光電廠進行智慧製造應用技術驗證。
創建眾智式AI學習預測技術
 

2.具高精度與即時性：具備95%高準確率，可提前預測到設備可能發生故障的零件並讓廠商有充裕的時間因應處理。另以實際導入應用之LED廠商為例，更可在製程與製程間，於下料與上料一半的時間內，即完成資料分析結果。
創建眾智式AI學習預測技術
 

3. 具備產線實用性：研發具擴充性與線上即時模型調適技術，可解決跨機型、跨零件、同機型同零件的機差，以及克服機臺發生操作偏移與處理未曾發生過的新異常型態問題，有效提高預測準確度。
創建眾智式AI學習預測技術
 

4.全方位專利布局：以研發健康評估、虛擬量測、故障與剩餘壽命預測、調適、排程、參數最佳化等技術進行國內外專利申請。
 

本技術有效減少設備非預期性停機，使工廠於設備或零件損壞前採取處理措施，更能積極掌握設備健康情形。可如此精準與即時，非單一領域知識所能及，需與光電、機電及資訊軟體等研發團隊進行跨領域合作，力克機臺維運症狀。
 

▲ 眾智式AI學習預測技術與機台預診斷系統的構成要素
 

▲ 故障預診斷技術四大功能
 

與MIT、IBM、NASA齊名
 

本項「半導體機台故障預診斷整體解決方案」於2017美國百大科技研發獎(R&D 100 Awards)榮獲軟體服務類的創新技術，與MIT、IBM、NASA等頂尖研究機構共同獲獎，實屬不易。
 

▲ 榮獲軟體服務類之美國百大科技研發獎
 

跨越技術門檻之後真實擁抱應用現場的難題
 

「資料看起來都有蒐集，但廠商可能沒有留存或資料格式不合用。」技術克服後，仍有產業應用推動門檻，研究團隊發現，即便於半導體產業亦鮮少有企業能直接導入本項技術成果，多數廠商於內部資料蒐集與保存具有極大缺口。此外，如何取得廠商信任並提供內部資料亦為困難點，若要實際導入應用於產業或企業仍需大動作協助，重新布局規劃建立蒐整資料流程。
 

▲ 半導體機台故障預診斷軟體操作實景
 

產業擴展及客製應用 放眼國際市場
 

此新型態設備健檢方案，在成功協助半導體產業之後，思索多方應用以造福我國產業並創造進一步產值的可能，目前朝以下兩方向進行：
 

1.協助我國關鍵廠商成立巨量分析部門，培育與建立系統整合業者巨量資料分析能力，合作開發ForeSight機台分析軟體。預計於2018年推出設備故障預診斷(PHM)產品，搶攻全球半導體設備分析軟體及服務新臺幣37億元市場。
 

2.促進產業鏈結構優化，串聯光電半導體、系統軟體、設備零組件等業者形成策略聯盟，實質建構智慧製造巨量資料分析應用產業。
 

透過積極研發布局，提高我國智慧製造分析軟體與服務的國際市場占有率，期許以智慧製造整體解決方案，真正實踐工業4.0智慧製造的應用。
 

• 出處：2017科技專案執行年報