AI 洞察

半導体トップ企業が AutoML プラットフォームを導入、AIの民主化を加速させてさらなるAIの可能性を探索

21世紀と未来の最重要産業のひとつである半導体産業

半導体産業は21世紀で最も重要な産業のひとつと言える。コンピューターやスマートフォン、工業、車載情報通信、自動運転車及び電気自動車、AIoT、5Gまで、その応用分野は多岐にわたる。2020年の半導体の供給不足が2021年まで続き、2021年も産業は成長している。世界半導体市場統計(WSTS)は、2024年の世界半導体産業の生産額を前年比13.1%増加と予測した。

電気自動車、AI、クラウドサービス、スマートフォンなどの産業におけるチップの応用需要、そしてパネル産業チェーンの成長が続く中、台湾は世界半導体産業をリードする存在となっている。

台湾半導体産業の成功は偶然ではなく、過去の計画と努力の結果

台湾半導体産業の成功は偶然ではない。1970~1980年代、当時の孫運璿行政院長と李国鼎資政らが、サイエンスパークの設立や海外にいる人材の呼び戻しなどを計画し、聯華電子(UMC)を創立した。また、当時の工業技術研究院院長だった張忠謀氏が台湾積体電路製造(TSMC)を創立し、民間のIC生産能力を高めた。

張氏は、台湾の競争力を考慮して新たなビジネスモデルを創造すべく、世界初の専業ファウンドリーを設立した。TSMCの誕生はIC産業における新たな分業形態の出現であり、ファウンドリー市場の細分化に成功したことを意味する。また、台湾のIC製造技術の基礎は、数十年にわたる発展の中で多くの重大な出来事を経て鍛錬され、受け継がれてきたものであることを表わしている。膨大な積み重ねの上に、TSMC、日月光半導体製造(ASE)、環球晶円(グローバルウエハー)などが世界において揺るぎない実力を持つようになった。

2013~2014年頃、世界製造業ではインダストリー4.0、スマート製造、デジタルトランスフォーメーションが提唱されるようになる。Profet AIは台湾の各産業で概念の啓発とソリューションの提案に取り組み、まず電子製造サービス(EMS)、工作機械設備、半導体、光電産業などの産業チェーンから着手した。

精密で技術が複雑な半導体製造プロセス、絶え間ない挑戦で製造技術の限界に挑む

半導体産業は数十年の発展を経て産業チェーンが複雑化し、専業による分業が明確になった。エピタキシーメーカーがエピタキシーをウエハーに加工、そしてICメーカーがウエハーに薄膜加工、フォトレジスト、フォトリソグラフィ、エッチング、フォトレジスト剝離などを行い、回路図を転写する。その後、レイヤーの追加と材料の除去を繰り返し、ウエハーの上に半導体デバイスが作られる。IC上の回路はレイヤー構造になっているため、さらに何度もフォトマスク、パターン製作、回路や半導体デバイスの形成などをしなければならない。このような過程を経て、ようやく完全なICが生産される。

半導体製造プロセスは毎年進化と微細化を続けており、トランジスタの密度は記録を更新し続けている(Source: TSMC)

半導体製造プロセスは毎年進化と微細化を続けており、トランジスタの密度は記録を更新し続けている(Source: TSMC)

ICメーカーはウエハーを完成させると、川下の封止・検査メーカーへ渡す。WATテストの後、カット、貼り付け、溶接、シーリング、テストなどを経てICが完成する。

半導体/封止・検査トップ企業がビッグデータ分析を応用、企業DNAの一部に

半導体産業は精密度の高い製品を生産している。クリーンルームと製造プロセスは厳格にコントロールされており、材料の純度と品質は安定していなければならない。さらに非常に多くのハイエンド設備を使用しており、設備の可制御性と自動化レベルは高く、監視と検査設備も整っている。

これまで製造及び環境パラメーターの数値を監視・分析し、製品品質を安定させる手法は半導体産業で広く行われてきた。製造プロセスの良品率が低い場合、あるいは効率改善のために非常に多くのデータ分析技術で判断を行う必要がある場合、企業はインラインまたはオフラインの方法で各工程のデータを収集・分析する。半導体産業はその他産業と比べて、データガバナンスとデータ分析応用において成熟した能力を持っている。

半導体産業は数十年にわたってデータ応用を行ってきた。外部訓練や人材募集で多くの優秀な人材が集まり、品質と効率の向上、予防的メンテナンス、省エネなどにAIを導入してデータ応用を進めている。トップ企業では、データ応用はすでに企業の文化とDNAの一部として深く根づいている。

100人のデータサイエンティストを招聘しても、AI議題を早期作成できない

数百人のデータサイエンティストチームと言うと頼りがいがありそうだが、売上高数百億、数千億台湾ドルの顧客にとっては不足だ。データ応用が企業DNAの一部となった時、データサイエンティストのリソースは十分とは言えない。AIによる機械学習技術は成熟しているものの、産業におけるAI応用の成熟はこれからだとProfet AIは考える。

半導体の生産技術は複雑で種類が多い。製造・品質部門はAIをどのように応用すればよいのだろうか?

AI応用に成功した顧客は、内容領域専門家が深く参加したことが鍵のひとつだった。その過程は4つのステップに分けられる。

1. 問題の転化-内容領域専門家が問題を転化・解析、データを調査

2. データの整備とモデル構築・評価-データサイエンティストがデータ処理プログラムを開発、モデルを構築

3. モデル運用の実行可能性を評価

4. 応用と拡大-実行可能なAIサービスの現場応用シーンを調査、応用を拡大

このような過程が企業内で繰り返されるが、現場で実現したAI応用は全体の1割に満たない。このため、データサイエンティストのリソースで大量のAI応用議題を評価することは難しい。

一方、内容領域専門家はセルフサービスでAI応用シーンを探索し、分業でスピーディーにAIを現場に浸透させることが可能だ。

AutoMLプラットフォームは2時間でマスターでき、AI議題を5倍の効率で探索可能

AI技術は複雑だが、Profet AIはAI応用はシンプルでなくてはならないと考える。このため、製品は容易に理解できるように設計されている。顧客からはよく「本当にたった2時間の訓練で、モデルが構築できるようになった」というフィードバックをいただく。

業界をリードする企業は工程データにデータレイクを使用していることが多い。日常作業でプロセスインテグレーションエンジニアが生産を完了した後、これらのデータを分析し、各項目の改善と最適化を行う。

Profet AIのAutoMLプラットフォームは、この時にデータ分析の手段のひとつとなる。もちろん分析だけでなく、顧客は様々な改善計画に対して構想に合わせたデータ応用も行える。

典型的な製造現場の顧客が重視する点

  1. 品質異常の重要因子の発見。
  2. 品質目標のバーチャルテスト/シミュレーション。
  3. 生産ライン稼働開始時の推奨パラメーター。
  4. 材料配合・研究開発の支援、材料特性のシミュレーション。

半導体産業における応用シーンには、薄膜加工やフォトリソグラフィなどの製造プロセスがある。Profet AIは多くの現場で成果を上げてきた。一部の業界をリードする企業とより密接な提携を結び、R2Rによって顧客をリアルタイムでサポートしている。

AutoMLプラットフォームを導入したある封止・検査産業の顧客は、データサイエンティストと内容領域専門家が協力して大量のAI議題を探索し、短期間で複雑な工程におけるAI応用の可能性を見つけ出している。これにより、さらに短時間でデータが利益を生むようになった。

Profet AIのAutoMLプラットフォームは、従来のAIプロジェクト外部委託とは異なり、顧客がAI応用の可能性をより大胆に探索できる

顧客は、機密性の高いプロジェクトを実行したい時、リソースに限りがあることに加えて、外部委託の形式では企業秘密が漏洩する恐れもあると言う。AutoMLプラットフォームを使えば、企業はより大胆に各種議題を評価し、重要技術の漏洩を避けることができる。

AI応用において、一過性の外部委託ではなく、AutoMLプラットフォームを構築することはひとつのトレンドだ。プラットフォームが各項目の管理メカニズムを提供し、機密性の高いAI応用議題を分散管理することによって社外漏洩することを防ぐ。

各AIプロジェクトの作成も、モデル構造管理の方法によって可能だ。将来の使用者が過去のAIプロジェクトのモデルをどうやって構築したかを理解できる。例えば、何のデータを使用するか、どの特徴を選択するか、目標は何かをアルゴリズムとモデルから把握できる。

企業はProfet AIプラットフォームのモデル構造管理メカニズムによって、AIモデルの構築方法を伝え、AIの経験を保管・拡散できるのだ。

結論:内容領域専門家+ AutoML は、半導体産業の大幅な競争力向上の鍵

半導体産業の持続的発展の鍵は、技術をリードし続け、スピーディーにパフォーマンスを改善し続けることだ。

ずば抜けた成功を収める企業は、特別な企業文化を持っているものだ。その文化からは、社員の行動と思考の方法が分かる。

AI導入の成功は、問題の探索とデータ応用文化に左右される。問題提起とデータのAI応用がうまくいけば、AI導入は成功する。かつてデータ分析は企業の特定の人々が行うものだった。Profet AIが目指すのは、優れたAI製品で企業のAIの民主化達成を支援することだ。そして誰もがAIで価値を生み出せる企業文化を育て、一人一人がAI応用のコントリビューターとなることである。

Profet AIのプラットフォームを通じて、製造業はスピーディーに従業員の分析能力と素質を高めることができる。企業内部におけるAI応用の量と方向を拡大し、企業のパフォーマンスを向上させ、競争における強みを最終目標まで引き上げることが可能だ。

もし企業がAIの民主化を達成し、毎年ライバルより50個多くの価値を生み出すAI応用を作成したとしたらどうだろう。各プロジェクトで9億4200万円にのコストを節約できるとすれば、1年で5億円に以上のコストを削減できる。これは企業にとって他の追随を許さない競争力となるに違いない。これこそが、AIの民主化が企業にもたらす価値だ。Profet AIは台湾製造業の新進企業とともに、AIの民主化を推進できることを願っている。

半導体トップ企業が AutoML プラットフォームを導入、AIの民主化を加速させてさらなるAIの可能性を探索 閱讀全文 »

探索未來,AI 助力食品產業創新

食品產業:變革中的新生態

疫情三年後,產業生態和競爭環境發生了顯著的變化,食品產業也正經歷著巨大變革。數位轉型的加速、客製化需求的增長以及食品安全和 ESG 發展的要求,都在推動著食品產業向更加高效、智能和 ESG 的方向發展。

數位轉型加速:近年來,食品產業正加速數位轉型。企業紛紛採用大數據、雲端計算、IoT、AI 等先進技術,優化生產流程、提高生產效率,並實現對產品全生命周期的精準管理。這不僅提升了企業的競爭力,也為消費者帶來了更加便捷、客製化的購物體驗。

客製化需求增長:隨著消費者健康意識的提高和口味的多樣化,客製化、定製化食品的需求不斷增長。食品企業需要更加精細地滿足這些需求,提供定製化的產品和服務。同時,企業也需要更加精準地把握市場動態,預測消費者需求,以應對市場的快速變化。

食品安全和 ESG 發展:食安一直是食品產業的首要重點。隨著消費者對食品安全的關注度不斷提高,企業需要加強食品安全管理,確保產品的品質和安全。同時,隨著全球環境問題的日益嚴峻,ESG 也成為食品產業的重要議題。企業需要關注環保、減少浪費、推動循環經濟等方面的問題,以實現可持續發展。

跨界融合與創新:隨著科技的進步和消費者需求的變化,食品產業正與其他產業進行跨界融合與創新。例如,食品與科技的結合,誕生了智慧廚房、智慧餐具等新產品;食品與文化的結合,推出了各種具有地域特色和文化內涵的食品。這些跨界融合與創新為食品產業帶來了新的成長和機遇。

AI 技術:重塑食品產業生態

針對食品產業當前的變革需求,AI 技術的應用顯得更加關鍵,是這場新時代變革的重要推手。

食品風味研發加速:透過 AI 機器學習對歷史研發數據進行建模,可讓風味研發人員快速預測新成分配方或加工條件下的食品風味和口感,藉由判斷標準化,大幅減少過去仰賴主觀經驗和實驗品測的成本和時間,讓產品推陳出新的速度加快,刺激消費者的新品嘗鮮欲望。

生產品質優化與效率提升:透過 AI 機器學習對歷史研發和生產數據進行建模,來預測設備故障失效,可以讓企業更加精準地掌握生產過程中的關鍵數據,從而調整生產策略,減少浪費,提高資源利用,提升效率和降低成本,藉由 AI 數位轉型及智慧製造,體現精準管理之應用。

客製化行銷與消費者洞察:透過 AI 機器學習可以分析消費者的購買行為和喜好,為企業提供精準的市場定位和產品推薦。此外,目前其他各家生成式 AI 的產品也被用來快速且大規模地生成產品宣傳的圖文和影片內容,並能迅速在各個平台上發布,觸及更多的消費群體,這不僅提高了行銷效果,還增強了消費者的購物體驗。

供應鏈智慧化管理:透過 AI 機器學習對歷史的顧客需求和外部經濟數據進行建模,有機會預測市場需求或供應鏈供給量,優化庫存管理,提高物流效率。這不僅可以降低企業的營運成本,並可提升產品交付的新鮮度。AI 技術正在重塑食品產業生態,為食品產業的變革與創新提供強大的動力。目前,已有多家食品產業透過 Profet AI 的 AutoML 平台,在產、銷、人、發、材等多種領域。未來,隨著 AI 技術的不斷發展和完善,企業從 AI 數位轉型持續拓展至全員 AI,使食品產業將迎來更加智能、高效和可持續的發展未來。

探索未來,AI 助力食品產業創新 閱讀全文 »