GOOD 科技誌

半導體的精密製程中，以封裝製程最為繁瑣及精密，所以各廠區也在此製程中會花費大量的時間和精神去維持每個製程的精準度與品質。晶圓前段封裝製程順序大致上為：Wafer In → Taping 貼膠 → Wafer Grinding 晶圓研磨 → De-Taping去膠 → Wafer Mount 上框 → UV UV上框 → Wafer Saw 晶圓切割 → VS 晶圓檢查 → Die Attach 黏晶粒 → Oven烘烤 → plasma 電漿清洗 → Wire Bonder 銲線 → PI銲線檢查 → Be後段製程。每一道製程設備都需要經過精密的計算及穩定的運作，有一點誤差就可能會導致不良品的產生及成本的損耗。 ＃晶圓半導體 ＃封裝設備製程 ＃前段製程 確保產線機台的品質一致性與可靠度 在這裡利用機器學習智能監控系統對於封裝製程上Wafer Saw、Die Bonder、Wire Bonder等設備進行監測，即時監測、預知保養等為產品良率把關，並且快速且精準找出異常原因，避免過久停機，恢復稼動。利用VMS-ML 機器學習智能監控系統快速學習規範動作，在機台出現一點點小問題癥狀時，即可立即得知並即時處理或排定維修計畫，可確保產線機台的品質一致性與可靠度，進一步減少機器全面性的損壞、延長設備正常運作、提高生產效率。 快速、精準找出異常原因 VMS-ML機器學習智能監控系統在機台發生異常時，系統將會發報MAIL或是送出停機訊號。需要找出原因排除，可參考 VMS封裝廠量測應用 。 在設備恢復正常時，便可持續監測。透過軟體的自動疊合比對功能，也能夠清楚了解在哪個時段發生了異常，並將結果數據化給使用者更容易了解。 範例：Wire Bonder動態監測 第三次判定：製造過程中，有一次打線動作過大且與第一次位置相同，因誤相似度86.88％ 判定為（Pass）、振幅超標次數1次（Fail）、畫面顯示（Fail），其異常原因為Dynamic Action Fail.  了解更多MACHINE LEARNING 介紹

汽車的生產流程是一種具有複雜的生產步驟並需要倚靠系統統整結合人為經驗及設備自動化的智能化生產線，大致上會經過五大工藝，沖壓→焊接→塗裝→總裝→檢測，說這些步驟是一種工藝一點都不為過，每一道都是很複雜龐大的工業生產過程。五大工藝簡單說明，沖壓：將金屬鋼板裁剪沖壓生產成各種不同用處形狀的部件。焊接：由自動焊接手臂，將各類部件焊接組裝成車身。塗裝：對車身部件噴塗烤漆，達到防鏽、美觀的步驟。總裝：將所有車身、引擎、輪胎、儀表板、內裝等部件組裝完整。檢測：在各種模擬狀況下進行檢測試車，以確保出廠車輛的安全及質量。 ＃設備自動化 ＃汽車製造生產流程 ＃沖壓焊接 機器學習應用在汽車製造監測上 固德的機器學習監控系統可針對汽車生產流程中的沖壓、焊接等自動化過程進行監控測量，幫助使用者確保產線質量及設備品質。  沖壓後的工件在進行檢測時，需要確保在沖壓過程中沒有形成凹坑或凹痕。因此量測模具變異值與沖壓機台，能夠幫助使用者即時了解產線製程品質，並且在模具劣化前進行保養避免不良品的產出。透過VMS-ML機器學習智能監控系統監測沖床機構，沖床上部機構，如：出力馬達、曲軸、衝桿、彈簧、齒輪等。當機構或傳動不穩定時，振動圖形將會發生變異。模具監測：模具失效或劣化時、料件發生異常時，趨勢線則會往下掉。 汽車車身焊接工藝是製造汽車的程序中，需要運用到大量的焊接機器人及自動化焊接設備。焊接基本流程是將個部件分別焊裝，包含車身的前後端部件、地板線焊裝、及車身前後部分等焊接過程。透過VMS-ML機器學習智能監控系統監測焊接手臂，對於焊接過程的異常問題如：咬邊、撞槍、斷焊、焊偏，以及手臂運行中抖動及轉動件磨耗等，能夠找出異常判定並幫助使用者避免異常原因的發生。 VMS-ML 機器學習智能監控系統特色 One shot learning 快速執行學習與標定目標動作週期： 機器學習智能監控系統可即時快速學習標定物的重複性或部分重複性的生產行為，並可依此制定規範，並且以“人”的經驗作為基礎，轉植為Rule Base的監測。  Auto tracking 自動追蹤識別系統： 在即時監測訊號中，自動偵測標定過的目標訊號，從單純到複雜的動作都可自動追蹤識別。 Pre-modeling 機械特徵分解： 機械特徵識別技術AI化，歸納故障種類並且深度學習，經由長時間累積數據，可將特徵提取，使用