1天（6小时/天）
台积电通过AI实现工艺参数调优与缺陷检测闭环，良率提升12%：深入分析
本课程深入探讨台积电（TSMC）如何应用人工智能（AI）技术优化半导体制造工艺参数并检测缺陷，从而实现约12%的良率提升。课程从半导体制造的背景与挑战入手，分析随着技术节点不断缩小，工艺复杂性增加导致…
课程介绍
本课程深入探讨台积电（TSMC）如何应用人工智能（AI）技术优化半导体制造工艺参数并检测缺陷，从而实现约12%的良率提升。课程从半导体制造的背景与挑战入手，分析随着技术节点不断缩小，工艺复杂性增加导致良率下降的问题。AI解决方案部分详细介绍了预测性维护、实时过程监控、缺陷检测与分类等关键应用，帮助学员理解AI如何通过分析大量制造数据来优化工艺。台积电的具体实施案例展示了精确故障检测与分类系统、智能高级设备控制和智能高级过程控制等AI驱动系统的实际运作，这些系统利用机器学习从历史数据中学习，实现实时决策和持续改进。课程还讨论了约12%良率提升的具体成果及其对降低成本和提升生产能力的影响，并结合行业趋势展望AI在半导体制造中的未来潜力。通过本课程，学员将掌握AI在高科技制造中的应用方法，为自身企业的生产优化提供参考。
课程背景
半导体制造的良率是指生产过程中符合质量标准的晶圆比例。高良率对降低成本和提高盈利至关重要。随着技术节点（如从10纳米到5纳米）不断缩小，工艺复杂性增加，保持高良率变得更加困难。工艺参数波动、设备故障和缺陷都会影响良率。
课程目标
展示AI在半导体制造中的应用潜力，特别是通过工艺参数优化和缺陷检测实现良率提升。
1. 背景与行业背景：介绍台积电和半导体制造的良率挑战
2. 挑战与问题：分析传统方法的局限性和缺陷检测的困难
3. AI的解决方案与应用：探讨预测性维护、实时过程监控、缺陷检测与分类、过程参数优化
4. 台积电的具体实施：详细说明精确故障检测与分类系统、智能高级设备控制、智能高级过程控制
5. 成果：约12%良率提升：分析提升效果和对成本、生产能力的影响
6. 数据与验证：讨论数据来源和行业趋势
7. 讨论与局限：指出数据不确定性和未来展望
8. 结论与未来展望：总结AI在半导体制造中的关键作用
辛玉军
常住地：北京 北京市
辛玉军老师是兼具工学与管理学背景的数字化转型与智能制造实战专家，拥有24年企业咨询经验，专注制造业智能化、信息化规划与落地。作为工信部数字化转型赋能中心首席专家及专精特新冠军联盟数字化转型首席专家，他深度服务中车、航天科工、海尔、美的、华为、西门子等数百家头部企业，并在清华、北大等多所顶尖高校担任总裁班客座教授。其独特优势在于融合TOC（约束理论）方法论与智能工厂实践，擅长将复杂问题本质化，助力企业高效实现数字化升级，广受航空航天、汽车、轨道交通、电子、钢铁等行业客户高度认可。