By Sursha Wu
本篇深入解析『良率』在半導體製造中的關鍵角色，並回答業界最常見的問題：
- 良率是什麼？如何計算？和直通率（First Pass Yield, FPY）有何差異？
- AI，特別是 AI 視覺技術，如何實際協助提升良率？
- 在什麼樣的工站或製程階段，AI 對良率改善最有價值？
透過 PowerArena HOP 人因作業平台實際客戶成功案例，以下文章將分享如何在複雜且高風險的半導體工站中，透過 AI 視覺自動化追蹤、作業 SOP 追蹤、即時異常警示與週期時間分析，有效維持 95% 的高良率表現，並減少重工與廢品。
本篇文章適合：
- 製程工程師
- 良率或品質主管
- 製造業、工廠管理層
- AI 於工廠、產線作業、製造環境應用關注者
並可作為了解「良率提升策略」與「AI 智慧轉型」的重要參考案例。
如何讓半導體工站維持 95% 高良率？
全球半導體市場規模預計將從 2024 年的 6810.5 億美元增長至 2032 年的 20625.9 億美元，期間（2024 年至 2032 年）的複合年增長率（CAGR）為 14.9%。
Source: Fortune Business Insights, December 02, 2024
受智慧型手機、智慧設備需求及 5G 技術推動，網絡與通訊以 32% 的市場佔有率主導全球半導體市場。 Source: Fortune Business Insights, December 02, 2024
網絡與通訊在中國（32.2%）和全球（32%）市場佔有相近份額，顯見其在半導體行業中的重要性與影響力。 Source: Fortune Business Insights, December 02, 2024
跟隨市場需求的增長，全球半導體產業持續擴大生產能力。
全球半導體製造業預計在 2024 年增加 6% 的產能，並在 2025 年再增長 7%，達到每月 3370 萬片晶圓（wpm: 8-inch equivalent）產能的新紀錄。
Source: Semi, World Fab Forecast, June 18, 2024
半導體產能發展預測。Source: World Fab Forecast
儘管產能持續擴張，供應與需求之間的差距依然存在。
在此背景下，「提升良率」成為製造商競爭力的關鍵。透過高良率的實現，不僅能降低廢品率，更能以有限的產能生產出更多合格產品，滿足高端應用對品質的嚴苛要求。
良率是什麼？
良率（Yield Rate） = 合格品數 ÷ 總產出數
它是製造過程中，產品品質與製程穩定性的核心指標。
- 良率高：代表少報廢、高效率、毛利提升
- 良率低：意味重工多、成本高、交期延遲
在半導體業中，提升良率往往比擴充產能更具經濟效益。
聚焦於 AI 視覺技術在智慧製造中的應用，PowerArena 從企業長期策略角度出發，幫助半導體業者實現自動化製程管理，建構維持高良率（Yield Rate）與高直通率（First Pass Yield, FPY）的高效產線，助其提高市場競爭力。
良率難提升的三大原因
1. 製程複雜
總製程可能包含上百甚至上千個步驟，每一步的小偏差的累積，都可能成為重大缺陷。
2. 環境敏感
隨著製程進入更小的節點，對溫溼度、靜電、微粒變化都會更加敏感。
3. 人工作業難管理
仍有部分階段需要人員作業，如封裝測試。然而作業員的作業習慣不一、訓練不足，粗心等都會導致瑕疵產生。
對半導體產業來說，提升良率本身就是一個巨大的挑戰。複雜的製程涉及眾多變因，任何細微的偏差都可能對良率造成影響。
隨著新技術的不斷推陳出新，製造商在保持技術創新的同時，如何穩定並提升良率，已成為決定競爭力的核心問題。
製造商會透過良率優化，系統性改進生產流程，達到高品質產品的最大化產出，並將浪費與缺陷降至最低。
從 4M1E 角度分析，影響半導體良率因子
從製造業 4M1E（人員、機械、材料、方法、環境）的觀點來看，任何一個因素的波動都可能影響良率。
4M1E 影響半導體良率因子
HOP 人因作業平台（Human Operation Platform）以 AI 視覺管理與優化工廠中的『人員』、『機器』、『方法』。
HOP 如何管理與優化三大要素？
AI 導入製程，如何改善良率？
1. 以 AI 視覺追蹤人工作業，補足管理盲區
PowerArena 觀察到，「人」是製程中最難量化的變數。傳統產線難以自動紀錄人工操作，只能靠工程師肉眼與碼錶紀錄生產數據。
HOP（Human Operation Platform）平台透過 AI 視覺，可：
- 自動判斷作業起訖點
- 精準量測週期時間、製程時間與閒置時間
- 長期追蹤與分析作業一致性與改善趨勢
2. 自動示警異常，防堵錯誤於第一時間
作業員若有 SOP 錯誤（如少裝料件、錯誤順序、雙人同站作業、料件堆疊等等情況），AI 視覺自動辨識，並即時通知管理者，並提供：
- 即時影像回溯，管理者快速還原錯誤發生當下的影像
- 系統自動肇因辨識與分類，幫助管理者掌握全線問題趨勢
- 生產數據完整保留，支援品保追溯與改善報告撰寫
3. 兼容既有流程，無需變更原有品保機制
HOP 平台能無縫整合至既有製程，不需更動原有品質管理流程。它以平行架構運作，作為更完善的防呆防錯機制，為整條產線建立：
- 更全面的即時防錯能力
- 更高層次的製程透明化
- 更穩定的良率維持機制
成功案例：關鍵工站部署 HOP，良率維持 95%
PowerArena 於全球知名半導體製造廠導入 HOP 人因作業平台，針對人工組裝工站進行 AI 視覺升級，成功帶來以下成效：
- 集成關鍵生產指標，如產品序號、機號、OK／NG、做錯步驟、原因
- 自動抓取人工作業組裝錯誤（如漏裝元件）
- 建立長期可追溯的製程資料庫
導入後成果顯著：
- 良率穩定維持在 95%
- 直通率（First Pass Yield）維持 97.6%
- 單位產出效率（UPH）提升 19%
FAQs
Q1: 什麼是良率（Yield Rate）？
良率是衡量製造品質的核心指標，指完成全部製程後的合格品比例。其計算方式為：
良率 (%) =（合格品數 / 總投入數）× 100
在半導體產業中，一片晶圓需經數百道製程，任何微小瑕疵都可能導致整片報廢。良率不只是生產效率的反映，更是企業競爭力的象徵。
Q2: 良率（Yield Rate）和直通率（First Pass Yield, FPY）有什麼不同？
兩者皆為常見品質指標，但意義略有不同：
理想狀況下，兩者皆應高。AI 技術導入後，不僅提升良率，也能顯著提高直通率，減少返工與人力浪費。
良率（Yield Rate）v.s. 直通率（First Pass Yield, FPY）
Q3: 為什麼良率很重要？
在高精密製造業（如半導體、醫療器材、車用電子）中，良率直接影響成本、交期與品牌信譽：
- 良率高 → 減少報廢、提升產出效率、降低單位成本
- 良率低 → 增加重工與損耗、延誤交期、影響毛利率與訂單穩定性
當全球產能吃緊，每提高 1% 良率，都可能換來數百萬美元的利潤差距。
Q4: AI 如何協助提升良率？
AI 尤其在『人工作業』與『製程管理』兩大面向，能有效補足傳統方法的不足：
- AI 視覺技術可即時偵測作業員是否依照標準作業流程（SOP）執行，降低人為疏失
- 關鍵生產數據自動追蹤，取代人工紀錄，提升數據精準度
- 異常自動示警，發現製程潛在問題，協助提早排除缺陷源頭
Q5：有實際導入 AI 提升良率的案例嗎？
有，以下為 PowerArena 實例：
某先進封裝半導體大廠，於組裝工站中導入 AI 視覺技術後，揭露了許多人工目檢不層察覺的問題。透過 HOP 人因作業平台，24/7 完整紀錄作業過程，成功排除重工報廢、步驟錯誤等問題，最終確保將該工站良率穩定維持在 95%，直通率（First Pass Yield） 97.6%，同時提供品質管理層更透明、直覺的製程數據報告，持續優化生產。
Table of Contents
