AI應用技術
(二). 計畫內容及目標 A.計畫內容： 於關鍵製程導入虛擬量測系統(Automatic Virtual Metrology, AVM)，以深度學習AI模型進行產品品質檢測，使得廠方對於品質的檢驗由以往延遲的抽檢提升為即時的全檢。 B.計畫目標： 1.再降低量測產能的前提下，產品品質100%全檢 2.R2R Control，進行即時回饋控制 3.利用AI 預測模型進行首批預測，減少驗證時間。　　

技術應用領域
AI品質控管　　

應用名稱
虛擬量測系統(Automatic Virtual Metrology, AVM)，AVM系統功能簡介如下： 1.在產品無法進行量測之情況下，利用生產機台資料，得到生產之產品品質 2.將離線且具延遲特性之品質抽檢改成線上且即時之品質全檢。　　

應用描述
(一). 計畫緣起 A. 廠方面臨問題： 1.製程日益精密、客戶要求全檢、量測產能已達上限 2.製程不穩定無法進行有效控制 3.首批需要投Dummy片驗證，需耗時半天 4.Layer量測難度大(破壞性檢驗)，無法全檢。 B. 執行步驟： 執行與整合步驟為： Step1. 建立AVM系統：完成100%全檢目標 Step2. 整合SPC系統：將AVM預測結果整合廠內SPC系統 Step3. 整合Alarm系統：將AVM預測結果依廠內Alarm 原則整合廠內Alarm系統 Step4. 整合Scheduler系統：建立智慧化抽檢機制 Step5. 整合當站製程：進行Feedback Control Step6. 整合後站製程：進行Feedforward Control 。 其中，Step4. 整合Scheduler系統：建立智慧化抽檢機制，需考量9項實務整合因素如下： 1.抽樣比例 2.機台穩定性 3.機台資料異常 4.AVM 模型狀態 5.預測精度水準 6.量測異常 7.產線排程穩定性 8.狀態改變: 調機或清機等。　　

運用技術
A.改善方法： 導入AVM系統，建立深度學習AI模型進行產品品值預測，在不造成廠內量測Loading 的狀況下，進行即時品質100%全檢。在達到品質全檢後，在與廠內MES、SPC、Schedule、Alarm 系統進行整合，建立智慧化抽檢機制，以達到在100%全檢的情況下，降低量測Loading。爾後，再進行上下游之整合，以達到R2R control 之目標。　　

效益
(四). 成果及效益 AVM系統導入於產業界目前累計已大於四億元之效益，成果如下： 1.100% 全檢： 2.整合Smart Sampling Rate Reduce系統：降低抽檢率30%~45% 3.整合SPC系統，進行品質全檢取代批量補植 4.整合品管系統，提前預測 5.整合R2R Control系統，進行R2R Control 6.有效精簡製程 7. Simulation模組有效縮減首批驗證時間。　　

應用/研究單位
先知科技股份有限公司　　

連繫窗口
曾小姐 女士 06-2366981 bear@fs-technology.com