工業技術研究院

技術簡介

製程分析與最佳化技術之AI虛擬工程師與製程工程師協作系統：具備從製程參數快速估測產品品質的能力，可與製程工程師透過互動協作方式，加速研發速度，優化製程效能。 •參數最佳化推薦技術：研發高效率循序取樣最佳化技術，由製程研發歷程提供下一個製程參數建議，由取樣實驗資料回饋更新模型。提供工程師輸入品質規格、真實實驗製程參數與品質量測資料，得到製程參數推薦。 •製程品質預測技術：利用大量製程資料 (實際生產製程參數與品質量測資料或模擬資料) 建立品質特性預測模型，提供工程師在尚未執行真實試驗前，就快速估測出設定製程參數的品質特性。

Abstract

Process Analysis and Optimization (PAO) technique and AI virtual/process engineer collaborating system have the ability to quickly predict the product quality characteristics, and precisely recommend process parameters, to accelerate R＆D speed and optimize process performance. •Recipe Parameter Recommendation：Providing recommend process parameters through the feedback of process engineer by self-learning to quickly find the optimal recipe which meets product quality specification. •Process Quality Prediction：Providing high-accuracy process quality prediction model by integrating multi-source prior data with domain expertise to assist process engineers in quickly evaluating process quality predictive value.

技術規格

製程分析與最佳化技術之AI虛擬工程師與製程工程師協作系統：具提供工程師在尚未執行真實試驗前，就快速估測出設定製程參數的品質特性，並可提供製程參數建議。可協助工程師加速產品配方研發時程、優化製程效能。

Technical Specification

Process Analysis and Optimization (PAO) technique and AI virtual/process engineer collaborating system have the ability to quickly predict the product quality characteristics, and precisely recommend process parameters, to accelerate R＆D speed and optimize process performance.

技術特色

隨著全球製造業生產技術的迅速發展，如何提高生產良率和降低生產成本已成為企業提高競爭力的關鍵指標。由於製程技術不斷突破新的極限，傳統製程分析技術已面臨發展瓶頸。 本技術採用基於人工智慧之製程分析與最佳化技術，整合多種先進機器學習模型，建構製程模型描述製程參數與產品品質的關聯；研發前瞻循序取樣最佳化演算法，優化產品品質與生產效率。最終目標發展出一套完整的製程分析和最佳化方法，有效縮短先進製程的研發週期和提升良率，達到Time to market之目標。

應用範圍

製程配方參數研發、製程品質預測、製程品質改善。

接受技術者具備基礎建議（設備）

建議CPU i5等級以上、至少32GB記憶體、高容量SSD主硬碟。

接受技術者具備基礎建議（專業）

熟悉軟體操作以及工程資料分析基本概念。Python程式開發人員。

聯絡資訊