“美光工厂的AI模型每周就要分析2,300万张芯片图片，来优化制程与提升制造效率。”美光科技技术部门资深总监曾耀莹如此说道。这正是这家跨国内存大厂多年数字转型的成果，这些年智能制造推动成果，也成了这家高科技半导体公司朝向下一阶段智能企业来发展的关键助力。
美光很早就展开数字转型，从转型智能工厂做起，多年发展下来，美光全球工厂在上千道芯片制程中已经运用到许多ML、AI技术，来提升良率和确保产品品质。在今年台湾AI年会上，有更多成果披露。
为了发展智能制造，美光很早就开始在芯片厂安装大量IoT传感器，迄今一共部署了57万个IoT传感器在全球工厂中，能访问超过2.3亿个人信息料控制点（control points）。这些年来，美光在全球工厂累计了34 PB的资料，这些资料都成为了美光用来发展大数据分析与AI应用的关键数据。并以每天添加30TB的速度持续增长。
有了这些传感器产生的大数据后，为搜集与分析这些数据，美光还创建IIoT平台和Hadoop大数据分析平台，从多种传感器的大数据中，用于创建预防性设备维护和制程异常检测机制，更用这些数据训练不同AI模型，全力发展AI应用，解决工厂制程问题。
像是为了提高良率，美光不只打造YMS良率管理系统，还结合ML算法，能够即时分类与识别出有瑕疵的芯片，提供更精准的结果给产线人员，甚至经由大数据分析，系统能马上给出造成芯片制程问题的建议，让设备工程师能基于这些建议来检测机台的状况。他们还创建KM知识管理系统，将这些造成良率问题的事件创建一套知识和经验，只要ML系统侦测到有异常情况（如阴影），就会比对KM系统，找出过去有无发生相似的情况，提供给产线工程师建议，能够更快找出问题加以解决。
美光的芯片制程有上千多道制程工序，黄光制程是其中一个关键制程，但以往机台喷头偶尔会出现液体滴漏的现像，对于良率影响甚大，但过去难以靠人工判断，为了解决这个问题，后来美光在工厂导入喷嘴液滴检测系统，结合AI图片识别，能够更快侦测到机台有无漏滴，避免良率损失。
另外在洗净制程中，喷洒机台会在芯片上喷洒多种不同的化学液体，但以往机台上容易因为液体残留产生结晶体造成喷嘴口堵塞，导致出现喷洒不均匀的情况，这些都会影响到洗净的效果，后来他们也导入图片AI侦测模型加以解决。其他AI应用，还有像是因为长期使用，使得放置芯片的底座表面容易产生沉积物而附着在芯片上，对良率产生影响，现在通过AI图片识别一旦侦测到有残留物的地方就会告警，通知相关人员尽快处理。
不光大量运用大数据、AI技术，来提高生产良率，Fab厂内近年来也导入自动化仓储，结合地面AGV无人搬运车，来提高物料搬运效率，举例来说，以往设备工程师进行设备维护前须自行到仓库领料，再把这些料搬到机台旁，现在只需通过App就能进行物料搬运调度，系统就会自动把维护用到的物料放进搬运箱中，再由AGV送到指定的机台附近位置，能够提高人员工作效率。
美光更打造一套数字分身系统，用于模拟厂内运行状况，包括芯片制程流程、机台的使用状况，让生产人员能更快根据生产调度变化灵活调度产线机台，来缩短周期支持更大产能，不光如此，这套系统也能通过模拟方式提供跨厂区不同产品组合的建议。此外，目前在机台设备的维修巡检、远程培训上，都已结合AR与VR应用。
几年下来，美光因为推动智能制造带来不少效益，不只制造设备工具可用性提高4%，新产品推向市场和品质问题改善的时间大幅减半，芯片报废减少20%以上，就连员工生产力也因此提高近2成。也因为这些转型成果，让美光台中A3厂在2年前获世界经济论坛评选为工业4.0灯塔工厂。
这些重要智能制造成果，更依赖美光的数据科学团队，协助这家公司掌握智能制造关键技术与应用，美光目前全球超过600位数据科学家、资料工程师及解决方案架构师，其中有100位于台湾。
对美光来说，不只是要让工厂智能化，更进一步开始推向企业内部，从设计、研发、采购到供应链等，都开始运用AI来协助公司解决问题与增加更多营收。
像是采购部分，美光就找来相关厂商合作，运用AI加强供应链风险管控和透明性，如他们开始结合不同地域、天灾等资料，通过数据分析找出影响交期的潜在风险并提供警讯给采购部门，进而避开向高风险的原料供应商下单。其他还有厂内物料库存管理上，也改用AI预测每月有多少用料来决定叫料数量，取代过去人工判断，因此能够更准确掌控物料数量，也能预防断料的问题。
甚至在产品定价策略上，美光也开始通过搜集各个供应商、客户状况、历史资料、市场动向以及产品特性，创建AI定价策略模型，他说，希望通过AI给出定价的建议，未来能够帮助公司增加营收。另外应对ESG永续发展潮流，美光也有相关结合AI的做法，目标是希望训练出来的AI模型能够预测公司未来3年永续绩效指标。
供应链管理结合AI更是美光未来几年重点发展之一，曾耀莹表示，供应链参与（Supplier engagement）对于半导体厂来说是很重要也是最难一环，尤其制程演进从20纳米缩小到10纳米，越来越多制程容易受供应商原料的影响，严重甚至可能造成良率损失，他表示，未来将与供应商合作创建信任的基础，取得这些相关资料做大数据和预测，减少制程受供应商原料的影响。