【智慧專欄】掌握關鍵生產KPI：AI 預測與 APS 最佳化技術打造智慧製造新模式

作者：郭仲仁 博士

宇清數位｜董事長暨首席技術長

在現代半導體及複雜生產環境中，追求更準確的交期、更短的生產週期時間以及更多的產出，是企業維持競爭力的核心目標 。傳統的生產管理依賴人工 Excel 或離散事件模擬方法，然而在面對極高複雜程度的生產環境時，這些方法往往面臨維護困難、預測失準且無法進行多目標優化的困境。本文探討如何運用 AI 人工智慧與機器學習技術，全面掌握影響工廠效率的完整關鍵績效指標（KPI），並透過 AI 預測與優化技術，建構出高準確度、快速反應且具備優化能力的智慧生產計畫、執行與改善系統 。

---

掌握影響生產週期與生產力的完整 KPI

如下表所示，宇清定義了影響工廠生產週期（cycle time）與生產力的24項 KPI 。然而，要改善這麼多 KPI 不是一件容易的事，宇清的兩套軟體 u-APS  (運用在半導體晶圓廠拆分為 u-Planning 與 u-Optimizer 兩套軟體) 及 u-Efficiency 即是協助客戶找到改善 KPI 的方法及重點，花最少力氣，在最短時間內顯改善交期、生產週期與生產力。

ｕ-APS & u-Efficiency 如何改善 KPI & Cycle Time

• u-APS ｜各種工程限制條件下，經由最佳化降低限制的影響，有效減少15%生產週期

• u-Efficiency ｜宇清獨家技術，找出影響較大限制 (20-80 法則) 加以改善，減少>12%生產週期

---

宇清u-APS 如何確保產品交期？

u-APS Planning 運用 AI 預測生產週期

連結 MPS 、on-hand WIP 以及完整的 KPI，宇清的 u-APS AP (Advanced Planning，以下簡稱 AP) 運用 AI 機器學習，準確預測每個產品站點未來每一天的生產週期。以某半導體1２吋晶廠為例，在導入宇清的 AI 生產計畫系統後，週期預測準確率大幅提升至98%，而且 day-to-day 的相關係數（correlation）高達 0.82。

u-APS AP 根據準確預測的生產週期 ，訂出 product step 的 target move，然後交由 u-APS AS (Advanced Scheduling，以下簡稱 AS) 執行，以滿足未來每天的目標出貨量，確保達交率能接近100%。該工廠在導入宇清 u-APS 後，整體產品的 CVP 平均值由 93.2% 提升至 97.0%，變異係數（COV）亦降低了一半（由 4.8% 降至 2.3%），且能確保重要產品（Key Product）的達交率顯著優於非重要產品 。

---

宇清的軟體產品 u-APS 並不嘗試改善工程相關的KPI，而是在現行工程限制條件下，經由最佳化降低這些限制對生產週期及生產力的影響，例如改善加工時間、機台閒置(idle)、切換光罩次數等 KPI，進而提升生產力， 並縮短生產週期。由於很難同時顧及這些 KPI，因此需要運用最佳化技術來得到最佳解。市面上 APS 產品雖然也能改善這些 KPI，但多數無最佳化功能，因此效果遠不如宇清的 APS軟體。

除了最佳化的優勢，宇清的 u-APS 提供了兩項傳統 APS 沒有的功能。第一項是精實生產限制在製品 (Lean WIP) 功能，能在不影響產出與達交率的前提下，透過AI 演算法減少不需要的投料，以降低工廠的多餘在製品（redundant WIP），進而縮短生產週期。

另一項宇清 APS 獨有功能是最佳化預防性保養排程（Optimal PM Schedule），運用最佳化技術，將 PM 安排在arrival WIP 較低的日期，使每天機台的負荷平準化，以避免瓶頸機台閒置，而非瓶頸機台的生產週期得以縮短。

---

透過 APS 優先排序・急件批次（hot lot）的生產週期會低於一般批次的生產週期，但急件批次愈多，會導致優先級別的區別降低，而急件批次也得排隊的情況下，生產週期縮短效果不顯著，甚至一般批次的生產週期也會變長。

宇清 u-APS 的功能是在現行工程限制條件下，經由最佳化技術改善 KPI 。相反的，宇清u-Efficiency 則是找出重點 KPI 並加以改善，特別是工程類 KPI 。 透過和宇清 KPI 資料庫中的眾多工廠進行標竿比較，我們可以識別出個別工廠 KPI 的改善空間 (Gap of KPI to benchmark P25)。而每個KPI對生產週期時間的敏感度都不同，使用者可利用下圖 u-Efficiency 的模擬功能，得知如果增加急件批次比例，會增加工廠整體生產週期多少百分比。

結合 KPI benchmark 以及敏感度，u-Efficiency 可以排出如下圖個別工廠的cycle time KPI priority，如果工廠的目標是降低20%的週期時間，他們只需要專注於前5大關鍵KPI即可，無需浪費資源在不重要的KPI上。也就是，cycle time 改善的 20-80 法則。

---

u-Efficiency 找出生產週期的重點 KPI：避免將有限資源浪費在不重要的 KPI

除了生產週期，u-Efficiency 也會找出改善瓶頸機台生產力的重點 KPI。以下圖為例，u-Efficiency 找出客戶過去難以自行發現的改善機會，例如 Q-time 限制的下游機台 KPI，以及需要透過 APS 的 scheduling 加以改善的 KPI。

---

u-Efficiency 找出瓶頸站點生產力改善機會：複雜的上下游 q-time 關聯下，找出過去難以發現的改善機會

無論是生產週期或是生產力，找出重點 KPI 後，使用者可以運用 u-Efficiency 的 KPI  breakdown analysis 功能，透過外部及內部 benchmark，確認會拖累 uptime 及 process time 的問題機台，要求工程部門加以改善。

---

總結

宇清運用獨家的完整 KPI， 結合 AI 預測以及最佳化技術，讓客戶花最少力氣，在最短時間內顯著改善交期、生產週期與生產力。宇清的每個軟體解決客戶不同的痛點，如果客戶最在意達交率，則 u-APS AP (u-Planning) 是最佳的解決方案，u-APS AS (u-Optimizer)  的強項在增加產出，而 u-Efficiency 則是改善生產週期最好的工具 。

宇清解決方案 效益	u-APS AP (u-Planning)	u-APS AS (u-Optimizer)	u-Efficiency
達交率	⭐️⭐️⭐️	⭐️⭐️	⭐️
生產週期	⭐️	⭐️⭐️	⭐️⭐️⭐️
生產力	⭐️⭐️	⭐️⭐️⭐️	⭐️⭐️