半導(dǎo)體芯片產(chǎn)業(yè)發(fā)展至今已超過(guò)五十年，隨著應(yīng)用愈來(lái)愈廣泛，人類對(duì)電子產(chǎn)品的依賴程度也愈來(lái)愈深，使得半導(dǎo)體芯片產(chǎn)業(yè)的角色日趨重要。英特爾(Intel)共同創(chuàng)辦人高登·摩爾(Gordon Moore)于1965年提出摩爾定律(Moore"s Law)，認(rèn)為制程技術(shù)的進(jìn)步，每12個(gè)月就能在相同單位面積的晶圓(wafer)中放入加倍數(shù)量的晶體管(transistors)。發(fā)展至今，半導(dǎo)體組件不斷地微縮，線寬已經(jīng)進(jìn)入16納米，一顆如指甲大小的集成電路(IC)就可以放進(jìn)超過(guò)十億個(gè)晶體管，其中的線路比人類頭發(fā)的十分之一還要細(xì)。

集成電路制造是將設(shè)計(jì)好的電路，經(jīng)由反復(fù)曝光、顯影、離子植入、蝕刻等幾百道復(fù)雜的制造程序，把多達(dá)三十層以上的每一層電路，都準(zhǔn)確成形于一片片如圓餅般的薄片晶圓上，最后經(jīng)過(guò)后段的封裝測(cè)試而成為一顆顆芯片(chips)，而這個(gè)生產(chǎn)周期時(shí)間超過(guò)一個(gè)月。

芯片制造有賴先進(jìn)的微影技術(shù)、腦力密集的尖端人才以及非常昂貴的精密設(shè)備，而芯片產(chǎn)業(yè)的供應(yīng)鏈則有賴于其后臺(tái)強(qiáng)大的物流保障體系和上下游供應(yīng)鏈協(xié)作關(guān)系。

進(jìn)入納米制程時(shí)代之后，半導(dǎo)體芯片的制程更復(fù)雜冗長(zhǎng)、影響變量更多、技術(shù)門檻愈來(lái)愈高，研發(fā)成本與產(chǎn)能資本支出形成雙重負(fù)擔(dān)，生產(chǎn)過(guò)程中稍有不慎或異常，就可能造成合格率損失甚至產(chǎn)品報(bào)廢。

同時(shí)，隨著IC產(chǎn)品的多樣化、生命周期愈來(lái)愈短，如何借助大數(shù)據(jù)分析快速提升納米制程合格率，并通過(guò)上下游形成有效的物流供應(yīng)鏈體系，已成為國(guó)際半導(dǎo)體大廠的競(jìng)爭(zhēng)策略。

1996年新竹清華大學(xué)成立了決策分析研究室，應(yīng)用數(shù)據(jù)挖掘和決策分析方法來(lái)研究如何提升半導(dǎo)體的合格率，并針對(duì)低合格率的晶圓進(jìn)行分類，再挖掘造成低合格率的制程、產(chǎn)品類別、設(shè)備、時(shí)間等可能原因，結(jié)合算法、信息科技與圖形用戶接口，發(fā)了“合格率提升系統(tǒng)”。

研究時(shí)我們也發(fā)現(xiàn)，人們?cè)谒伎既绾翁嵘细衤蕰r(shí)，一般只著重解決制程和設(shè)備異常的問(wèn)題，但“合格率”的本質(zhì)應(yīng)該是在一片晶圓上產(chǎn)出最多可賣錢的晶粒。因此，我們建立了“綜合晶圓效益”(Overall Wafer Effectiveness， OWE)指標(biāo)架構(gòu)，并提出利用數(shù)據(jù)分析，以改變晶粒排列方式提升晶圓合格率的創(chuàng)新想法。

我們利用數(shù)據(jù)挖掘整理出了優(yōu)化晶圓產(chǎn)出的IC尺寸設(shè)計(jì)指引(gross die advisor)，使工程師不論經(jīng)驗(yàn)多寡都可以迅速?zèng)Q定晶圓曝光的最佳配置方式，并有效證明可以增加晶粒產(chǎn)出、提升工作效率和設(shè)備效益，及減少客戶抱怨，平均效益估計(jì)每年可達(dá)新臺(tái)幣4.25億元，這項(xiàng)技術(shù)已經(jīng)導(dǎo)入臺(tái)積電8吋及12吋廠，以服務(wù)其下游客戶。

2003年起，筆者在臺(tái)積電開(kāi)始將復(fù)雜的實(shí)際問(wèn)題架構(gòu)成數(shù)學(xué)模式，建立可以隨時(shí)空環(huán)境轉(zhuǎn)換的決策分析模式，并導(dǎo)入數(shù)據(jù)挖掘降低生產(chǎn)周期時(shí)間(cycle time)以提升生產(chǎn)力的方法。

進(jìn)入消費(fèi)電子時(shí)代之后，半導(dǎo)體芯片產(chǎn)品的價(jià)值隨著時(shí)間快速折舊，因此上市時(shí)間和生產(chǎn)周期時(shí)間的縮短極為重要。另外，由于半導(dǎo)體的生產(chǎn)模式相當(dāng)復(fù)雜，所以傳統(tǒng)生產(chǎn)管理理論僅能處理小范圍的工作站。

我們利用半導(dǎo)體制造的巨量數(shù)據(jù)，分析影響在制品水位和在線等候時(shí)間的影響因子，以找出每個(gè)工作站在線在制品的理想水位和產(chǎn)出關(guān)系，透過(guò)宏觀調(diào)控機(jī)制以維持生產(chǎn)系統(tǒng)的平衡與加工流程的順暢，有效地縮短了生產(chǎn)周期。

臺(tái)積電曾把晶圓廠自動(dòng)化的發(fā)展，分為擬人化、無(wú)人化、超人化三個(gè)階段。首先是用計(jì)算機(jī)和設(shè)備學(xué)習(xí)人的做法，第二是將機(jī)械性的工作自動(dòng)化以取代人，最后則是發(fā)展一個(gè)集結(jié)眾人智能的制造系統(tǒng)。讓系統(tǒng)不僅能自動(dòng)化，還能“智能”地知道如何判斷和決策，超越一般人的能力。這不僅是未來(lái)趨勢(shì)，也是一項(xiàng)極大的挑戰(zhàn)。

半導(dǎo)體納米制程的技術(shù)難度和變異有增無(wú)減，完全自動(dòng)化的12吋晶圓廠月產(chǎn)能超過(guò)十萬(wàn)片，在線同時(shí)用十幾種制程配方參數(shù)(recipe)生產(chǎn)各種產(chǎn)品，每片晶圓要經(jīng)過(guò)數(shù)百道到上千道反復(fù)循環(huán)的制造程序，每個(gè)工作站有幾個(gè)到幾十個(gè)精密的反應(yīng)室(chamber)可以選擇、生產(chǎn)過(guò)程中可以隨著時(shí)間讀取幾萬(wàn)種實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)、近萬(wàn)個(gè)在線抽樣檢測(cè)的量測(cè)值(metrology)，以及幾百種在一片晶圓上不同位置測(cè)量的電性測(cè)試參數(shù)，再加上集成電路復(fù)雜的生產(chǎn)模式，使得數(shù)據(jù)除了具有大數(shù)據(jù)常見(jiàn)的4V特性，也就是大量(volume)、多樣(variety)、快速變動(dòng)(velocity)以及真實(shí)性(veracity)等之外，還有數(shù)據(jù)主效應(yīng)不明顯、數(shù)據(jù)分布不均衡、前后制程的交互作用復(fù)雜等挑戰(zhàn)。

另一方面，隨著半導(dǎo)體制程持續(xù)微縮挑戰(zhàn)物理極限，允許誤差也在不斷緊縮，使得即便是資深工程師也很難單憑專業(yè)知識(shí)和經(jīng)驗(yàn)，或傳統(tǒng)的統(tǒng)計(jì)分析方法，從大數(shù)據(jù)中迅速找出制程異常的原因。

盡管商用統(tǒng)計(jì)軟件逐漸可以支持大數(shù)據(jù)分析，但由于缺乏針對(duì)半導(dǎo)體產(chǎn)業(yè)需求和特性的應(yīng)用模塊，影響了一般工程師的使用意愿。為此，2011年起，臺(tái)積電推動(dòng)既有的工程數(shù)據(jù)分析(Engineering Data Analysis)系統(tǒng)升級(jí)，并開(kāi)始“制造智能以協(xié)助先進(jìn)納米制程提升合格率”的產(chǎn)學(xué)合作計(jì)劃。

半導(dǎo)體芯片大數(shù)據(jù)的分析難度在于，半導(dǎo)體制造各階段中所產(chǎn)生的數(shù)據(jù)具有密切關(guān)聯(lián)性。因此，必須考慮數(shù)據(jù)的時(shí)間性、群集性、連動(dòng)性，而不是濫用計(jì)算機(jī)計(jì)算能力地作數(shù)據(jù)捕撈(data dredging)。

目前臺(tái)積電與清華大學(xué)合作，將數(shù)據(jù)準(zhǔn)備技巧和分析技術(shù)結(jié)合，透過(guò)大數(shù)據(jù)分析技術(shù)將自動(dòng)累積的大數(shù)據(jù)轉(zhuǎn)成有價(jià)值的信息，再結(jié)合決策者的經(jīng)驗(yàn)與能力，成為企業(yè)專屬的制造智能，并加入跨領(lǐng)域的生物信息領(lǐng)域人才，加入臺(tái)積電大數(shù)據(jù)分析的相關(guān)部門。

研究室通過(guò)與臺(tái)積電合作開(kāi)發(fā)單位和領(lǐng)域?qū)＜业拿芮泻献?，結(jié)合理論與領(lǐng)域知識(shí)作全面性數(shù)據(jù)分析，以建立對(duì)復(fù)雜半導(dǎo)體制造系統(tǒng)的了解與掌握，整合大數(shù)據(jù)分析、數(shù)據(jù)挖掘、圖形化技術(shù)、和決策分析等方法及信息系統(tǒng)，發(fā)展適合半導(dǎo)體數(shù)據(jù)特性之?dāng)?shù)據(jù)挖掘架構(gòu)與算法，終于成功建立了多變量事故分析和診斷等不同分析技術(shù)模塊，以縮短用戶的學(xué)習(xí)曲線，輔助工程師進(jìn)行后續(xù)的數(shù)據(jù)分析等專業(yè)判斷，大幅提升工程師的決策質(zhì)量，加速合格率提升。