上(shàng)個(gè)月(yuè)馬斯克（Elon Musk）在其社交賬号中提出了一道IQ測試題。在上(shàng)周結束的(de)全球首屆人(rén)工(gōng)智能(néng)（AI）安全峰會(huì)上(shàng)，馬斯克與英國首相(xiàng)蘇納克就AI的(de)未來發展進行(xíng)深入探討(tǎo)，特别強調了在未來十年，人(rén)工(gōng)智能(néng)将是人(rén)類社會(huì)發展的(de)一個(gè)關鍵因素，因此各國應增加對人(rén)工(gōng)智能(néng)的(de)發展和(hé)應用(yòng)投入。
從IQ測試題中可(kě)以明(míng)顯觀察到(dào)電子器(qì)件(jiàn)、人(rén)員肖像和(hé)運算符的(de)組合。然而，這個(gè)問題并不是簡單的(de)邏輯運算。馬斯克對人(rén)才招聘的(de)需求體現了他(tā)對制(zhì)造企業(yè)生産效能(néng)的(de)深度思考。實際上(shàng)不隻是首富在思考這個(gè)問題，作爲全球制(zhì)造大(dà)國，近年來國内先進的(de)半導體和(hé)液晶面闆制(zhì)造生産管理(lǐ)者也(yě)頻頻提出類似的(de)需求。特别是現在半導體制(zhì)造已發展到(dào)Full-auto階段，希望通過自動化、數字化、智能(néng)化等手段實現全自動化生産，最終實現黑(hēi)燈工(gōng)廠(chǎng)。
要實現上(shàng)述願景還要解決諸多問題，譬如(rú)在生産異常或質量異常的(de)情況下，仍需人(rén)員介入手動處理(lǐ)；由于車(chē)間面積範圍大(dà)，機台分(fēn)布過于分(fēn)散且無塵車(chē)間進入不便，不利于管理(lǐ)；部分(fēn)設備無法進行(xíng)數據交互；車(chē)間機台告警消除不及時，容易導緻整個(gè)産線宕機；此外，先進制(zhì)造的(de)人(rén)力成本高(gāo)，熟手短缺。老舊設備改造難度大(dà)；以老舊設備爲主非自動化産線，又(yòu)需實現全自動化。這些都(dōu)對生産造成巨大(dà)的(de)挑戰。在探索此類問題的(de)解決方案，學術(shù)界技術(shù)理(lǐ)論中對人(rén)工(gōng)智能(néng)（AI）的(de)研究文(wén)獻數量遙遙領先（見下圖）。
先進制(zhì)造頭部企業(yè)也(yě)越來越重視借助人(rén)工(gōng)智能(néng)等手段解決上(shàng)述問題，以實現工(gōng)業(yè)4.0的(de)目标。
從全球範圍來看，人(rén)工(gōng)智能(néng)和(hé)工(gōng)業(yè)自動化在工(gōng)業(yè)4.0的(de)市場(chǎng)潛力巨大(dà)，未來市場(chǎng)規模增長迅猛。依據Precedence Research研究報告，按照(zhào)工(gōng)業(yè)互聯網（IIoT）、區塊鏈、機器(qì)學習(xí)（ML）和(hé)人(rén)工(gōng)智能(néng)、數字孿生、3D打印、工(gōng)業(yè)自動化的(de)統計(jì)， 2022 年，全球工(gōng)業(yè) 4.0 市場(chǎng)規模超過 1,140.1 億美(měi)元，預計(jì)到(dào) 2032 年将達到(dào)約 6,349.4 億美(měi)元，其中人(rén)工(gōng)智能(néng)和(hé)工(gōng)業(yè)自動化在工(gōng)業(yè)4.0中有(yǒu)舉足輕重的(de)地(dì)位。
黑(hēi)燈工(gōng)廠(chǎng)是業(yè)内公認的(de)工(gōng)業(yè)4.0的(de)未來形态。先進制(zhì)造企業(yè)的(de)智慧供應商，結合工(gōng)業(yè)自動化和(hé)AI等技術(shù)，開(kāi)始探索黑(hēi)燈工(gōng)廠(chǎng)的(de)落地(dì)方案。作爲黑(hēi)燈工(gōng)廠(chǎng)探索的(de)踐行(xíng)者，上(shàng)海(hǎi)哥瑞利軟件(jiàn)股份有(yǒu)限公司率先推出LOFA（Light Off Factory Assistant）工(gōng)廠(chǎng)智慧助理(lǐ)産品，這是一款以多因子驅動的(de)工(gōng)廠(chǎng)智控平台産品，包含AI +RCM+RPA, 以及BI、KM、SOP不同應用(yòng)，并在該領域擁有(yǒu)多項發明(míng)專利。以其深耕在半導體CIM領域的(de)沉澱，在半導體前道12寸廠(chǎng)、面闆廠(chǎng)、第三代半導體廠(chǎng)、後道及拉晶廠(chǎng)，已有(yǒu)近萬台設備RCM，ADC，RPA等實踐，在不同場(chǎng)景下積累了豐富的(de)解決方案。
部分(fēn)應用(yòng)場(chǎng)景
基于以上(shàng)場(chǎng)景的(de)應用(yòng)實踐，LOFA已幫助客戶節約人(rén)力30%以上(shàng)，設備效率提升3%～5% ，人(rén)員效率提升80%。
同時兼具自動排除異常，解除警報等功能(néng)；提高(gāo)産線生産率、提升産品良率和(hé)減少(shǎo)人(rén)爲錯誤率，收效顯著并值得強調的(de)是，LOFA算法識别準确率優過人(rén)工(gōng)判斷準确率10%。
LOFA案例：某知名半導體12寸廠(chǎng)
客戶需求：評估和(hé)處理(lǐ)晶圓工(gōng)藝中産生的(de)缺陷工(gōng)作全部由人(rén)工(gōng)完成，且無塵車(chē)間進出不便，依賴熟手且無法保證準确率。需要自動化的(de)檢測缺陷方案，以節約人(rén)力及提高(gāo)良率産能(néng)。
解決方案：通過遠程集控技術(shù)以及哥瑞利在前道廠(chǎng)的(de)經驗沉澱，來修改遠程控制(zhì)機台參數，監控識别報警。通過RPA技術(shù)自動檢測晶圓中的(de)缺陷點。運用(yòng)文(wén)字識别、目标檢測、圖像分(fēn)類及模闆匹配等基于人(rén)工(gōng)智能(néng)的(de)圖像識别技術(shù)來解決流程中缺陷自動分(fēn)類、缺陷位置檢測和(hé)界面字符識别等技術(shù)難點，最終實現整個(gè)流程高(gāo)精準的(de)無人(rén)實時自動化代操。
實施效果：LOFA實施前機台的(de)Defect 漏檢率爲5%，Defect 分(fēn)bin 準确率爲80%。實施LOFA後Defect 漏檢率爲2%，Defect 分(fēn)bin 準确率爲90%，整體操作流程自動化執行(xíng)率超過90%，有(yǒu)效提高(gāo)良率。且所有(yǒu)監控過程自動文(wén)檔化，爲KM沉澱及未來SOP提升提供數據依據。
