台積電應發展 AI 應用於工廠發展的實用技術

前言

隨著製造業進入智能化轉型時代，越來越多的企業開始運用 AI 技術以實現工廠自動化與製程優化。本文基於我在一段先進製造實習期間所觀察與學習的經驗，透過網路文章雜誌或期刊報導整理出幾個關鍵技術點，探討 AI 模型如何在工廠現場訓練並應用，以及在落實自動化過程中面臨的各種挑戰。此文章屬於技術整理與經驗分享，並未涉及任何具體專案或任何公司內部細節。

1️⃣ 技術背景與實習觀察

在實習期間，我主要關注工廠現場如何利用數據驅動進行製程控制與優化。通過對現場生產流程的觀察，我整理出以下幾個重點：

雖然這段實習已是2018年的往事，但它對我大學時期的成長產生了深遠影響。如今的我，回望那段時光，依然能從中汲取寶貴的經驗與啟發，並反思當初的抉擇如何塑造了我今天的學術與職業觀。

1️⃣. 參與動機：勇敢跳脫舒適圈的初衷

當時的我對於純理論的學習感到疲憊，內心渴望真實動手做研究的體驗，不再僅僅停留在課本上。
📌 那時的決定：我選擇參加同步輻射中心的暑期實習，試圖從中學習最前沿的儀器操作與分析方法。
📌 現今反思：回顧當年，這份勇氣不僅豐富了我的專業技能，也讓我明白突破自我、走出舒適圈的重要性，成為我後續學習與研究的基石。

這幾年，我在 ASML實習、TSMC實習、Nanyang Technological University（NTUsg）博士研究、以及 National Tsing Hua University（NTHU）完成博士學業，累積了豐富的學術與實務經驗，從奈米材料研究到半導體製程，結合AI與能源技術，從純粹的學術研究到實際的應用所學。

我常常思考著，這些與眾不同的經歷帶給我的最大收穫是什麼？

今天，我想分享三個對我影響最深刻的學習，這些不僅改變了我的職業觀，也影響了我對科技與商業的理解。

1. 精準比努力更重要 —— ASML 的系統思維與團隊合作

在 ASML CS EUV 部門實習期間，我的主要工作是針對特定問題進行解決與改善，與一線團隊合作，確保機台的效能能夠達到客戶要求。EUV 機台極為複雜，分成多個 Module，每個 Module 都有專業工程師負責維護與 troubleshooting。