作者：萧剑安‒日月光研发副总，黄翁贤，许奕中
人工智能(AI) 正在改变世界，并在许多方面改善我们的生活。半导体产业在AI变革中扮演着关键角色，因为它不只提供AI应用所需的强大运算芯片，还使用AI来增强其企业内部的运营与管理、客户服务、办公流程、系统/产品/电路设计以及制造。在这篇文章中，我们将重点介绍AI如何协助制造自动化。
什么是AI运算？
AI是计算机科学的分支领域，专注在创建拥有人类智能行为的系统或机器，其目标为模拟人类的各种认知功能，包含学习、推理、解决问题、感知、语言理解等等。AI涵盖了各种技术领域，如机器学习、深度学习、自然语言处理、计算机视觉、机器人等。
AI是如何运算的呢？
我们经常听到AI仰赖机器学习或深度学习运算，这些不仅需要大量硬件资源，并涉及到极为复杂的神经网络计算。那这些背后计算又如何关联至实际的应用呢？为了避免复杂的数学公式解说，我们介绍一种相对简单的核心概念来理解，即 AI运算中的“潜藏空间 (Latent Space) ”(如下转图所示)。尽管底层的计算非常复杂，潜藏空间通常是将高维度复杂的原始资料，转换并浓缩至较低维度的空间，在这个转换过程中，可降维压缩数据并同时撷取保留原始资料的重要特征。在潜藏空间的每一笔资料皆代表原始资料的一种特征或特征组合。在各种产业的应用领域中，AI技术时常与潜藏空间相关联，例如常见的资料维度缩减、讯息压缩、代表性学习、数据预测和数据生成等。「潜藏空间」概念已可广泛地连结到真实世界人类的知识空间，如数值资料空间、影像资料空间、文本空间，甚至是这三种空间同时发生。
AI/机器学习如何解读人类智能(HI)的资料
当AI遇上制造自动化
近年来，AI应用不断导入于制造业且应用面向持续扩大。半导体制造业可利用AI算法、机器学习/深度学习、和数据分析等方式，来优化和自动化生产线制程。常见的AI实际应用如下：
预防性维护：透过分析自动化系统机台或设备上的传感器数据，AI可预测出该机台与设备何时需要进行维护，让作业人员得以预先安排维护时间，减少非预期的停机，大幅减少机台问题所造成的停机时间，进而提高生产效率。在此应用场景中，回归模型是最常使用的方法，模型的回归因子变量可同时考虑各种数据型态，例如传感器的量测、记录的时间序列、制程方法、材料等不同类型数据皆可。当完成收集这些数据后，模型在学习过程中，会将这些变量转换至潜藏空间用于进一步运算，针对我们真实世界的实际状况进行预测，提前预测机台或设备未来可能遇到的问题。
质量保证(QA)：AI可让系统自动解析相机图片数据，进行实时质量控制，检测制程中的产品是否有缺陷或异常。常用技术包含监督式学习的物体检测模型，以及无监督式学习异常检测模型，目标是高准确度判断视觉图片是否有瑕疵或异常。这些基于图像的模型通常利用复杂深度学习的神经网络层，将数据转换到潜藏空间运算出机率值，再输出异常的区域与类别。这些先进技术已可高度准确判读图像资料，侦测出缺陷产品，并自动移除异常产品，以确保生产品质。
制程参数优化：AI算法可通过分析各种数据来优化制程，提升生产效率。例如，在制程开始前，AI可模拟并分析大量的历史数据，生成最有效的设计解决方案，缩短产品开发时间。可解释的AI模型被广泛应用在这个阶段，为使用者提供适当的决策方案。在制造过程中，AI可精细地分析过去生产的数据，且同时考虑机器、配方、操作员和环境等因素，以确保最有效的参数设定。除了数值预测模型和整合式学习等常见的模型外，可涵盖各种因子的大型神经网络转换模型也经常被使用。通常更复杂的模型代表运用更大的潜藏空间。这种方法已广泛导入制造业中，显著地提高生产效率和稳定产品品质。
机器人流程自动化(RPA)：AI亦可透过RPA自动执行重复与规则性的任务，例如人工的手动数据输入、订单处理、财务报告和行政事务等，使人力可专注更具挑战性和创造力的工作。常见的AI应用有图像与文本识别，如OCR技术已可显著地协助人类判断图像文字，帮助用户快速将数字、表格和文本转换为数据数据，并将其整合至报表系统中，甚至可轻易监控数据的变化，实时排除异常状况。
供应链优化：AI也能优化整个供应链流程，包含采购、需求预测、订单状态、物流分配和财务管理等各个面向。透过AI分析数据，可预测市场趋势，制定生产流程、有效资源分配和库存管理。此部分最常使用数值回归模型、定价模型和时间序列模型，让模型预估数量或监控数量变化，来提升工作流程效率与减少费用的开支。
AI辅助自动化可带来什么效益呢？
将AI与自动化系统整合，在各种产业应用已带来许多优点，其中最显著的效益如下：
提高准确度与精确度：利用数据分析方法，使AI透过大量数据不断学习与调整，可提高自动化流程的准确度与精确度，避免决策错误，确保品质表现一致性。
提高效率和生产力：AI驱动的自动化流程，可减少人工手动操作，优化产线的工作流程，让工作任务完成更快，产量更高，整体生产效率更提升。
节省成本：AI可自动化例行性和重复性的工作，使资源分配更优化，让企业更节省劳动成本和运营成本。
AI协助日月光迈向智能制造的未来
AI和自动化协同可创建智能、高效和机敏的制造系统。AI的智力、学习和预测能力可为自动化增添了许多加值应用，提供更正确的决策与更优化的流程。我们深信: 每当需要人类智慧进行判断、操作、或决策时，必定潜藏存在以AI来协助人类智慧的无限可能，以此理念为基石，日月光倾力打造更具竞争力和生产力的智能制造生态系统。
来源：ASE日月光
