埃米与3D IC时代来临 科胜携手AVEVA以工业智能平台打造思考型工厂

科胜科技携手AVEVA分享半导体厂务智能化实务，从数据整合、预知保养到跨厂维运，协助晶圆厂因应埃米与3D IC时代的制程稳定与人才挑战。从左至右为IC之音主持人刘姿麟、AVEVA亚太区半导体产业暨工业数据与分析全球业务负责人Rajesh Nair、AVEVA 台湾销售总监黄瑞珩、科胜科技总经理郑孟宗。DIGITIMES摄

半导体制程持续往2纳米以下推进，3D IC与先进封装拉高对制造环境稳定度的要求，电力、超纯水、真空与无尘室洁净度任一关键参数异常或波动不稳都可能导致晶圆报废。要解决此问题，必须让厂务管理系统从以往的被动监控与事后维护，转向数据整合与主动预测异常状态。近年科胜科技就结合AVEVA工业数据平台与在地系统整合能力，协助半导体业者建立可供AI使用的厂务数据基础。

厂务走进良率核心 从监控转向主动预测最佳化

科胜科技总经理郑孟宗指出，过去厂务多采定期保养，但固定周期难以防范突发故障；以 Sub-Fab的乾式真空泵为例，在制程中若管路阻塞、无法抽出反应气体，一旦跳机将导致整批晶圆报废。这类故障发生前，电流、温度或压力早有些微偏移的迹象，若能提前识别，便能在跳机前完成预防处置。

AVEVA亚太区半导体产业暨工业数据与分析全球业务负责人Rajesh Nair提到，进入次纳米与3D IC时代后，晶圆厂已如同一座高度同步的「巨型工具」。超纯水、气体流量与电力品质的细微变化，都可能影响高价值晶圆，厂务基础设施因此成为维持制程稳定的重要一环。

AVEVA台湾销售总监黄瑞珩则补充，客户愈来愈希望以厂务监控系统（Facility Monitoring and Control System；FMCS）为整合节点，把生产机台、厂务设备与实时数据放进同一个营运视角，让工程人员可更快识别异常、缩短处置时间。

厂务AI要能落地 数据标准化与既有OT整合先行

要让厂务管理由监控走向预测，数据品质是第一道门槛。郑孟宗表示，半导体厂内的监控点位可能动辄百万以上，常见的管理问题包括命名规则不一致、数据缺乏设备关联，以及高频数据持续写入后，传统数据库难以负荷。当数据缺乏关连与情境化，工程人员无法快速判读，后续分析与异常判读也会受到限制。

数据收集方式也需要重新检视。郑孟宗指出，现场常有「收得愈多愈好」的想法，但大量重复数值只会增加数据库负担。科胜透过Swinging Door等压缩方式，可仅在数值出现趋势变化时记录，在维持精度的同时剔除逾半无用数据。这类数据整理工作完成后，才有条件将数据交给后续分析与AI应用。

Rajesh提醒，工业AI能否规模化，与数据是否具备一致性与情境高度相关。透过AVEVA PI System可将传感数值与设备、制程及操作信息建立关联。当系统能确认哪台设备的参数变化可能牵动哪段制程，原始数据才具备更高的分析价值。Rajesh分享AVEVA全球客户案例，透过PI System整合Sub-Fab、超纯水与洁净室等数据后，根因分析时间缩短50%，洁净室能源消耗降低10~15%。

对既有晶圆厂而言，数据整合还必须兼顾原有系统的稳定运作。黄瑞珩表示，半导体业者通常已累积多年的软硬件投资，不可能因导入AI就大幅更动既有OT架构。实务作法是先串接现有OT系统与数据库，完成数据标准化与资产模型建立，再循序推展至预知保养、能源管理与品质预测等应用。

AI进入设备维运 预知保养与智能应变加速落地

数据架构建立后，AI才有条件进入设备维运流程。郑孟宗表示，透过AVEVA Historian、PI System等工业数据平台承接高频数据，再搭配AVEVA预测分析（AVEVA Predictive Analytics；APA）建立设备运行模型，可在设备真正故障前数天甚至数周发出预警；处方性AI则可进一步指出可能原因，例如轴承磨损或润滑不足，让工程师能提前备料并安排维修。

这套做法已经应用在科胜的实际专案。在乾式真空泵与尾气处理设备的预知保养案例中，科胜透过震动、电流与温度等数据持续监测设备健康，可在损坏前一至两周提出警示，让厂方配合计划性维修更换零件，降低突发异常影响晶圆生产的风险。

AI 亦延伸至公用设施的制程最佳化。科胜已在半导体厂废水处理加药系统导入AI，依进水水质与流量实时调整药剂用量，降低过量加药造成的浪费，也减少加药不足导致水质不稳的风险；在冰水主机节能方面，则透过环境温湿度、冰水负载等参数，计算较适合的运转组合，以改善能源使用效率。

同时，科胜结合检索增强生成（RAG）与生成式 AI整合进厂务紧急应变中心（ERC），将标准作业程序、异常处理准则与历史案例转化为知识库，让前线值班人员在遭遇异常时能及时获得最佳处置方案，

工程经验走向数码化　支持全球扩厂与跨厂维运

即使预测与处置能力已导入系统，现场仍需要工程人员判读与执行。全球晶圆厂持续扩建后，人才养成速度也成为营运限制。郑孟宗提到，资深工程师往往需要3～5年才能独当一面，因此科胜与AVEVA将工程经验整理成知识库、专家系统与标准作业程序，再结合生成式AI，让新进工程师遇到异常时，可以快速查找过往案例与处理方式。透过跨厂战情室，台湾总部的专家也能线上支持海外厂区，减少各地重复累积相同维运经验所需时间。

黄瑞珩补充，成熟厂区已验证的监控架构与工程实务，也可将范本套用到新厂，缩短重新设计监控系统与数据架构所需时间；平均修复时间、保养派工效率与能耗透明度，都是企业评估导入成效时常关注的指标。

面对埃米制程与3D IC的挑战，郑孟宗提出未来厂务系统的能力将往自我感知、自我预测与自我修复进化。科胜累积三十多年自动化与系统整合经验，后续将持续结合AI、数码孪生与全厂战情室，让异常识别、预测与处置能力更贴近日常维运需求，朝思考型工厂发展。更多信息请上科胜科技和AVEVA网站。