: 思考點一：
: 調機台人員 跟公司導入的輔助調機台AI 前期會並存
: 後期會留下多少人員 頗堪玩味
:
AI可以做的事很多，但AI做不到的事也很多，如果你以為設備或製程的工作只是調數據
那你就太不了解半導體產業的生態了
AI最終只會是輔助工具而已
———————————
: 目前除了工研院 已經很多家軟體廠商 還有半導體
: 業主已經跑大數據 餵數據一陣子了
: 思考點二：
: 我覺得業主買這種軟體 主要的目標是希望
: 本來很多人力在顧機台 後來變成只有幾個人 看著電腦螢幕 曲線變化調整 ，
: 四大都跑去台積又怎樣。我不怕請不到人
聽過SPC chart吧，台積除了錢最多之外，第二多的就是spc chart ，他媽的什麼死人骨
頭都能上chart
這個就是你說的 看著電腦曲線變化調整阿
然後呢???
沒有然後了，因為AI最多只能告訴你可能的原因是什麼
而這些早就有了(就是alarm log)
以製程來說，AI最多也就是當成high light的工具而已
更不用說牽扯到成本的時候，AI只能是參考甚至派不上用場，因為相關的變數太多 ，尤
其是參雜了"人"這個變數
你最後的結論實在是太好笑也很矛盾
台積是全世界最先進的工廠都無法用AI取代四大四中
結果你的結論是那些比台積落後的工廠可以用AI屌打四大四中
你到底再說什麼啊???
你的邏輯都比AI還差，先擔心你自己吧
: ———————————————————————
: To be continued
作者:
negohsu (專打不專業環團)
2019-02-13 08:06:00我認為AI可以應用在半導體，在defect分類以及metrology上都是很好的應用。再來就是良率的分析相關的，也應該是很適用。
作者: s7131469 2019-02-13 08:08:00
不要在神魔化AI了
AI做良率分析根本笑話..... 沒看過資料真的別傻傻以為做得到
我相信AI總有一天一定能取代GG的，等skynet連上網路一定能自我思考重新重寫AI程式，然後自我生產取代GG海邊已經在推動AI工廠了，別小看AI
別對AI幻想太多AI要能作用，要有巨量的training data, 而且format跟正確性都要很好今天要是pi-run新東西，哪來的training data?更別提一沒弄好就是garbage in garbage outdetect分類跟metrology在良率改善裡算很基本的了，很多難的AI做不了什
defect分類 以前影像處理和rule based+加些小姐就解得差不多了用DL只是解起來更潮 但沒法100%準 還是要人為介入
作者:
negohsu (專打不專業環團)
2019-02-13 20:59:00抱歉，我上的第一門AI實例課就是做AI的公司，用良率分析當範例。你真的懂AI?
作者: AJones (我要變狼人........吼) 2019-02-13 21:04:00
celestialgod講的才是對的 AI公司當然用好看的數據給你看不然要跟你說AI做的東西都不能用嗎 這樣不是自打嘴巴這些東西實際放到產線上根本就一場災難
作者:
negohsu (專打不專業環團)
2019-02-13 21:22:00從什麼角度看資料。拿WAT的資料，透過AI的學習，確實可以對應在wafer sorting的結果。你要拿process的run貨資料去對應wafer sorting的結果，運算量有點太大。但是真的不能做嗎?我不認為做不到。當然，離真正放在產線上還有一定的距離，但是我不認為做不到。如果你有接觸KLA，你可以試著跟他們聊聊，他們的AI可以想做什麼事，現在可以做什麼事。
作者:
negohsu (專打不專業環團)
2019-02-14 07:24:00AI只是一個廣大的集合，machine learning也是AI。舉凡機器的自動化或是FAB在使用的自動派工系統，都屬於AI(ML)。
作者:
gj942l41l4 (米食主義者)
2019-02-14 13:33:00分析跟AI一線之差在於誰做判斷 也沒有說一定要learn
作者:
negohsu (專打不專業環團)
2019-02-14 16:08:00AI本來就是用適合的演算法來處理大數據啊