技術資源
關於半導體製程控制、虛擬量測、製造 AI 與量產營運的技術內容。
關於半導體製程控制、虛擬量測、製造 AI 與量產營運的技術內容。
從建立、驗證、量產營運與重用角度,比較方程式、單一演算法與 Amfibian。
找到 endpoint,和讓最終品質長期維持在目標,是兩個不同的控制問題。
利用前次結果與目前狀態持續更新下一個 run 的製程條件。
建立 zone 操作變數與空間結果關係,不只控制平均值,也管理 target profile 與 WIWNU。
從 batch 設備的實測結果計算下一 batch 的 zone 條件。
在稀疏或延遲的直接量測之間使用推估值,連接後續判斷與控制。
把機台 baseline 對齊,和隨時間把實際結果維持在目標內,是兩件不同的事。
如何把製程知識留給下一台機台、下一個產品與下一道製程。
探討 Excel 巨集與個人自動化為何不容易留下成為組織知識,以及過去的判斷為何需要放回今天的脈絡重新解讀。
製造業把製程開發與量產技術分開是有原因的。資料與 AI 同樣需要把準備、模型開發、實際運行與持續改善串起來的體系。
每天使用、跨多道製程擴展的軟體,需要不同於一次性交付的營運方式。
真正的限制往往不是系統數量,而是有限工程人力能不能持續營運。
把物理系統狀態理解連接到真正的營運判斷與 action。
異常偵測、品質預測與製程條件變更,解決的是不同製造問題。
關鍵不是有沒有模型,而是製程環境改變後仍能不能穩定持續運作。
PoC 與量產的差異不只在精度,也在 operating trust、資料一致性、change management 與 workflow integration。
從 MES 中心架構走向 event-driven data flow 與 lakehouse 型平台。