【導讀】人工智能(AI) 正在改變世界，并在許多方面改善我們的生活。半導體產業(yè)在AI變革中扮演著關鍵角色，因為它不只提供AI應用所需的強大運算芯片，還使用AI來增強其企業(yè)內部的運營與管理、客戶服務、辦公流程、系統/產品/電路設計以及制造。在這篇文章中，我們將重點介紹AI如何協助制造自動化。

人工智能(AI) 正在改變世界，并在許多方面改善我們的生活。半導體產業(yè)在AI變革中扮演著關鍵角色，因為它不只提供AI應用所需的強大運算芯片，還使用AI來增強其企業(yè)內部的運營與管理、客戶服務、辦公流程、系統/產品/電路設計以及制造。在這篇文章中，我們將重點介紹AI如何協助制造自動化。

什么是AI運算？

AI是計算機科學的分支領域，專注在創(chuàng)建擁有人類智能行為的系統或機器，其目標為模擬人類的各種認知功能，包含學習、推理、解決問題、感知、語言理解等等。AI涵蓋了各種技術領域，如機器學習、深度學習、自然語言處理、計算機視覺、機器人等。

AI是如何運算的呢？

我們經常聽到AI仰賴機器學習或深度學習運算，這些不僅需要大量硬件資源，并涉及到極為復雜的神經網絡計算。那這些背后計算又如何關聯至實際的應用呢？為了避免復雜的數學公式解說，我們介紹一種相對簡單的核心概念來理解，即 AI運算中的“潛藏空間 (Latent Space) ”(如下轉圖所示)。盡管底層的計算非常復雜，潛藏空間通常是將高維度復雜的原始資料，轉換并濃縮至較低維度的空間，在這個轉換過程中，可降維壓縮數據并同時擷取保留原始資料的重要特征。在潛藏空間的每一筆資料皆代表原始資料的一種特征或特征組合。在各種產業(yè)的應用領域中，AI技術時常與潛藏空間相關聯，例如常見的資料維度縮減、訊息壓縮、代表性學習、數據預測和數據生成等。「潛藏空間」概念已可廣泛地連結到真實世界人類的知識空間，如數值資料空間、影像資料空間、文本空間，甚至是這三種空間同時發(fā)生。

AI/機器學習如何解讀人類智能(HI)的資料

當AI遇上制造自動化

近年來，AI應用不斷導入于制造業(yè)且應用面向持續(xù)擴大。半導體制造業(yè)可利用AI算法、機器學習/深度學習、和數據分析等方式，來優(yōu)化和自動化生產線制程。常見的AI實際應用如下：

1. 預防性維護：透過分析自動化系統機臺或設備上的傳感器數據，AI可預測出該機臺與設備何時需要進行維護，讓作業(yè)人員得以預先安排維護時間，減少非預期的停機，大幅減少機臺問題所造成的停機時間，進而提高生產效率。在此應用場景中，回歸模型是最常使用的方法，模型的回歸因子變量可同時考慮各種數據型態(tài)，例如傳感器的量測、記錄的時間序列、制程方法、材料等不同類型數據皆可。當完成收集這些數據后，模型在學習過程中，會將這些變量轉換至潛藏空間用于進一步運算，針對我們真實世界的實際狀況進行預測，提前預測機臺或設備未來可能遇到的問題。

2. 質量保證(QA)：AI可讓系統自動解析相機圖片數據，進行實時質量控制，檢測制程中的產品是否有缺陷或異常。常用技術包含監(jiān)督式學習的物體檢測模型，以及無監(jiān)督式學習異常檢測模型，目標是高準確度判斷視覺圖片是否有瑕疵或異常。這些基于圖像的模型通常利用復雜深度學習的神經網絡層，將數據轉換到潛藏空間運算出機率值，再輸出異常的區(qū)域與類別。這些先進技術已可高度準確判讀圖像資料，偵測出缺陷產品，并自動移除異常產品，以確保生產品質。

3. 制程參數優(yōu)化：AI算法可通過分析各種數據來優(yōu)化制程，提升生產效率。例如，在制程開始前，AI可模擬并分析大量的歷史數據，生成最有效的設計解決方案，縮短產品開發(fā)時間?？山忉尩腁I模型被廣泛應用在這個階段，為使用者提供適當的決策方案。在制造過程中，AI可精細地分析過去生產的數據，且同時考慮機器、配方、操作員和環(huán)境等因素，以確保最有效的參數設定。除了數值預測模型和整合式學習等常見的模型外，可涵蓋各種因子的大型神經網絡轉換模型也經常被使用。通常更復雜的模型代表運用更大的潛藏空間。這種方法已廣泛導入制造業(yè)中，顯著地提高生產效率和穩(wěn)定產品品質。

4. 機器人流程自動化(RPA)：AI亦可透過RPA自動執(zhí)行重復與規(guī)則性的任務，例如人工的手動數據輸入、訂單處理、財務報告和行政事務等，使人力可專注更具挑戰(zhàn)性和創(chuàng)造力的工作。常見的AI應用有圖像與文本識別，如OCR技術已可顯著地協助人類判斷圖像文字，幫助用戶快速將數字、表格和文本轉換為數據數據，并將其整合至報表系統中，甚至可輕易監(jiān)控數據的變化，實時排除異常狀況。

5. 供應鏈優(yōu)化：AI也能優(yōu)化整個供應鏈流程，包含采購、需求預測、訂單狀態(tài)、物流分配和財務管理等各個面向。透過AI分析數據，可預測市場趨勢，制定生產流程、有效資源分配和庫存管理。此部分最常使用數值回歸模型、定價模型和時間序列模型，讓模型預估數量或監(jiān)控數量變化，來提升工作流程效率與減少費用的開支。

AI輔助自動化可帶來什么效益呢？

將AI與自動化系統整合，在各種產業(yè)應用已帶來許多優(yōu)點，其中最顯著的效益如下：

• 提高準確度與精確度：利用數據分析方法，使AI透過大量數據不斷學習與調整，可提高自動化流程的準確度與精確度，避免決策錯誤，確保品質表現一致性。

• 提高效率和生產力：AI驅動的自動化流程，可減少人工手動操作，優(yōu)化產線的工作流程，讓工作任務完成更快，產量更高，整體生產效率更提升。

• 節(jié)省成本：AI可自動化例行性和重復性的工作，使資源分配更優(yōu)化，讓企業(yè)更節(jié)省勞動成本和運營成本。

AI協助日月光邁向智能制造的未來

AI和自動化協同可創(chuàng)建智能、高效和機敏的制造系統。AI的智力、學習和預測能力可為自動化增添了許多加值應用，提供更正確的決策與更優(yōu)化的流程。我們深信: 每當需要人類智慧進行判斷、操作、或決策時，必定潛藏存在以AI來協助人類智慧的無限可能，以此理念為基石，日月光傾力打造更具競爭力和生產力的智能制造生態(tài)系統。

（來源：ASE日月光，作者：蕭劍安?日月光研發(fā)副總，黃翁賢，許奕中）

推薦閱讀：

碳化硅MOS管在三相逆變器上的應用

克薩重磅發(fā)布高性能超輕薄、帶有四個分布式CAN模塊的緊湊型嵌入式通訊卡

榮耀加冕！榮湃半導體榮獲VDE頒發(fā)“最具競爭力合作伙伴獎”

利用 SPICE 中的磁滯減少磁帶錄音的失真

學子專區(qū)—ADALM2000實驗：集成駐極體麥克風的音頻放大器