Re: [討論] AI進展之台積調機台未來

看板Tech_Job作者 (TY)時間6年前 (2019/02/12 23:27), 編輯推噓14(14推 0噓 26→)
留言40則, 12人參與, 6年前最新討論串3/3 (看更多)
: 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 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 49.218.72.253 ※ 文章網址: https://www.ptt.cc/bbs/Tech_Job/M.1549985228.A.5E7.html
推
02/13 00:35, 6年前 , 1F
AI根本是個joke, 先把自動化搞好再說
02/13 00:35, 1F
推
02/13 07:05, 6年前 , 2F
不能質疑GG的神聖
02/13 07:05, 2F
推
02/13 08:06, 6年前 , 3F
我認為AI可以應用在半導體，在defect分類以及metrology上
02/13 08:06, 3F
→
02/13 08:07, 6年前 , 4F
都是很好的應用。再來就是良率的分析相關的，也應該是很
02/13 08:07, 4F
→
02/13 08:07, 6年前 , 5F
適用。
02/13 08:07, 5F
推
02/13 08:08, 6年前 , 6F
不要在神魔化AI了
02/13 08:08, 6F
→
02/13 09:56, 6年前 , 7F
AI做良率分析根本笑話..... 沒看過資料真的別傻傻以
02/13 09:56, 7F
→
02/13 09:56, 6年前 , 8F
為做得到
02/13 09:56, 8F
→
02/13 18:01, 6年前 , 9F
我相信AI總有一天一定能取代GG的，等skynet連上網路
02/13 18:01, 9F
→
02/13 18:01, 6年前 , 10F
一定能自我思考重新重寫AI程式，然後自我生產取代GG
02/13 18:01, 10F
→
02/13 18:02, 6年前 , 11F
海邊已經在推動AI工廠了，別小看AI
02/13 18:02, 11F
推
02/13 18:55, 6年前 , 12F
別對AI幻想太多
02/13 18:55, 12F
→
02/13 18:56, 6年前 , 13F
AI要能作用，要有巨量的training data, 而且format跟
02/13 18:56, 13F
→
02/13 18:56, 6年前 , 14F
正確性都要很好
02/13 18:56, 14F
→
02/13 18:57, 6年前 , 15F
今天要是pi-run新東西，哪來的training data?
02/13 18:57, 15F
→
02/13 18:57, 6年前 , 16F
更別提一沒弄好就是garbage in garbage out
02/13 18:57, 16F
→
02/13 18:59, 6年前 , 17F
detect分類跟metrology在良率改善裡算很基本的了，很
02/13 18:59, 17F
→
02/13 18:59, 6年前 , 18F
多難的AI做不了什
02/13 18:59, 18F
推
02/13 20:31, 6年前 , 19F
defect分類 以前影像處理和rule based+加些小姐就解得
02/13 20:31, 19F
→
02/13 20:31, 6年前 , 20F
差不多了
02/13 20:31, 20F
→
02/13 20:32, 6年前 , 21F
用DL只是解起來更潮 但沒法100%準 還是要人為介入
02/13 20:32, 21F
推
02/13 20:59, 6年前 , 22F
抱歉，我上的第一門AI實例課就是做AI的公司，用良率分析
02/13 20:59, 22F
→
02/13 20:59, 6年前 , 23F
當範例。你真的懂AI?
02/13 20:59, 23F
推
02/13 21:04, 6年前 , 24F
celestialgod講的才是對的 AI公司當然用好看的數據給你看
02/13 21:04, 24F
→
02/13 21:06, 6年前 , 25F
不然要跟你說AI做的東西都不能用嗎 這樣不是自打嘴巴
02/13 21:06, 25F
→
02/13 21:07, 6年前 , 26F
這些東西實際放到產線上根本就一場災難
02/13 21:07, 26F
推
02/13 21:22, 6年前 , 27F
從什麼角度看資料。拿WAT的資料，透過AI的學習，確實可以
02/13 21:22, 27F
→
02/13 21:22, 6年前 , 28F
對應在wafer sorting的結果。
02/13 21:22, 28F
推
02/13 21:23, 6年前 , 29F
你要拿process的run貨資料去對應wafer sorting的結果，運
02/13 21:23, 29F
→
02/13 21:23, 6年前 , 30F
算量有點太大。但是真的不能做嗎?我不認為做不到。
02/13 21:23, 30F
→
02/13 21:25, 6年前 , 31F
當然，離真正放在產線上還有一定的距離，但是我不認為做
02/13 21:25, 31F
→
02/13 21:25, 6年前 , 32F
不到。
02/13 21:25, 32F
→
02/13 21:26, 6年前 , 33F
如果你有接觸KLA，你可以試著跟他們聊聊，他們的AI可以想
02/13 21:26, 33F
→
02/13 21:26, 6年前 , 34F
做什麼事，現在可以做什麼事。
02/13 21:26, 34F
推
02/14 01:06, 6年前 , 35F
包子還在喊要做AI....XD
02/14 01:06, 35F
推
02/14 07:24, 6年前 , 36F
AI只是一個廣大的集合，machine learning也是AI。舉凡機
02/14 07:24, 36F
→
02/14 07:24, 6年前 , 37F
器的自動化或是FAB在使用的自動派工系統，都屬於AI(ML)。
02/14 07:24, 37F
推
02/14 11:33, 6年前 , 38F
為何我認為推文講的，不過就是大數據分析
02/14 11:33, 38F
→
02/14 13:33, 6年前 , 39F
分析跟AI一線之差在於誰做判斷 也沒有說一定要learn
02/14 13:33, 39F
推
02/14 16:08, 6年前 , 40F
AI本來就是用適合的演算法來處理大數據啊
02/14 16:08, 40F
‣ 更多 sendtony6 的文章
文章代碼(AID): #1SOkNCNd (Tech_Job)
‣ 更多 sendtony6 的文章
文章代碼(AID): #1SOkNCNd (Tech_Job)