「美光工厂的AI模型每周就要分析2,300万张晶圆影像，来优化制程与提升制造效率。」美光科技技术部门资深总监曾耀莹如此说道。这正是这家跨国记忆体大厂多年数位转型的成果，这些年智慧制造推动成果，也成了这家高科技半导体公司朝向下一阶段智慧企业来发展的关键助力。

美光很早就展开数位转型，从转型智慧工厂做起，多年发展下来，美光全球工厂在上千道晶圆制程中已经运用到许多ML、AI技术，来提升良率和确保产品品质。在今年台湾AI年会上，有更多成果揭露。

全球工厂部署57万个IoT感测器，成了发展大数据分析与AI应用的关键数据

为了发展智慧制造，美光很早就开始在晶圆厂安装大量IoT感测器，迄今一共部署了57万个IoT感测器在全球工厂中，能存取超过2.3亿个资料控制点（control points）。这些年来，美光在全球工厂累积了34 PB的资料，这些资料都成为了美光用来发展大数据分析与AI应用的关键数据。并以每天新增30TB的速度持续增长。

有了这些感测器产生的大数据后，为搜集与分析这些数据，美光还建立IIoT平台和Hadoop大数据分析平台，从多种感测器的大数据中，用于建立预防性设备维护和制程异常检测机制，更用这些数据训练不同AI模型，全力发展AI应用，解决工厂制程问题。

像是为了提高良率，美光不只打造YMS良率管理系统，还结合ML演算法，能够即时分类与辨识出有瑕疵的晶圆，提供更精准的结果给产线人员，甚至经由大数据分析，系统能马上给出造成晶圆制程问题的建议，让设备工程师能基于这些建议来检测机台的状况。他们建立KM知识管理系统，将这些造成良率问题的事件建立一套知识和经验，只要ML系统侦测到有异常情况（如阴影），就会比对KM系统，找出过去有无发生相似的情况，提供给产线工程师建议，能够更快找出问题加以解决。

美光的晶圆制程有上千多道制程工序，黄光制程是其中一个关键制程，但以往机台喷头偶尔会出现液体漏滴的现像，对于良率影响甚大，但过去难以靠人工判断，为了解决这个问题，后来美光在工厂导入喷嘴液滴检测系统，结合AI影像辨识，能够更快侦测到机台有无漏滴，减少良率损失。

另外在洗净制程中，喷洒机台会在晶圆上喷洒多种不同的化学液体，但以往机台上容易因为液体残留产生结晶体造成喷嘴口堵塞，导致出现喷洒不均匀的情况，这些都会影响到洗净的效果，后来他们也导入影像AI侦测模型加以解决。其他AI应用，还有像是因为长期使用，使得放置晶圆的底座表面容易产生沉积物而附著在晶圆上，对良率产生影响，他们也结合AI影像识别技术做运用，一旦侦测到有残留物的地方就会告警，通知相关人员尽速处理。

不光大量运用大数据、AI技术，来提高生产良率，Fab厂内近年来也导入自动化仓储，结合地面AGV无人搬运车，来提高物料搬运效率，举例来说，以往设备工程师进行设备维护前须自行到仓库领料，再把这些料搬到机台旁，现在只需透过App就能进行物料搬运排程，系统就会自动把维护用到的物料放进搬运箱中，再由AGV送到指定的机台附近位置，能够提高人员工作效率。

导入数位分身系统模拟工厂运作，能根据生产排程变化灵活调度产线

美光更打造一套数位分身系统，用于模拟厂内运作状况，包括晶圆制程流程、机台的使用状况，让生产人员能更快根据生产排程变化灵活调度产线机台，来缩短周期支援更大产能，不光如此，这套系统也能透过模拟方式提供跨厂区不同产品组合的建议。此外，目前在机台设备的维修巡检、远端培训上，都已结合AR与VR应用。

几年下来，美光因为推动智慧制造带来不少效益，不只制造设备工具可用性提高4%，新产品推向市场和品质问题改善的时间大幅减半，晶圆报废减少20％以上，就连员工生产力也因此提高近2成。也因为这些转型成果，让美光台中 A3 厂在2年前获世界经济论坛评选为工业4.0灯塔工厂。

这些重要智慧制造成果，更仰赖美光的资料科学团队，协助这家公司掌握智慧制造关键技术与应用，美光目前全球超过600位资料科学家、资料工程师及解决方案架构师，其中有100位在台湾。

从智慧制造迈向智慧企业

对美光来说，不只是要让工厂智慧化，更进一步开始推向企业内部，从设计、研发、采购到供应链等，都开始运用AI来协助公司解决问题与增加更多营收。

像是采购部分，美光就找来相关厂商合作，运用AI加强供应链风险控管和透明性，如他们开始结合不同地域、国家、天灾等资料，透过数据分析找出影响交期的潜在风险并提供警讯给采购部门，进而避开向高风险的原料供应商下单。其他还有厂内物料库存管理上，也改用AI预测每月有多少用料来决定叫料数量，取代过去人工判断，因此能够更准确掌控物料数量，也能预防断料的问题。

甚至在产品定价策略上，美光也开始通过搜集各个供应商、客户状况、历史资料、市场动向以及产品特性，建立AI定价策略模型，他说，希望透过AI给出定价的建议，未来能够帮助公司增加营收。另外因应ESG永续发展潮流，美光也有相关结合AI的做法，目标是希望训练出来的AI模型能够预测公司未来3年将要达到永续的的绩效指标。

供应链管理结合AI更是美光未来几年重点发展之一，曾耀莹表示，供应链管理对于半导体厂越来越重要，尤其制程演进从20奈米缩小到10奈米，越来越多制程容易受供应商原料的影响，严重甚至可能造成良率损失，他强调，之后将透过AI、大数据分析来加以解决。