AI排程助攻智慧製造 宇清數位智慧工廠論壇解析關鍵技術

宇清數位智慧董事長暨技術長郭仲仁博士。DIGITIMES攝

宇清數位日前受邀參與 DIGITIMES舉辦的「智慧工廠2.0啟航：從AI預測到自主創造（新竹場）」論壇活動，由董事長暨技術長郭仲仁博士以「AI生產計畫與排程-從晶圓製造龍頭經驗談起」為題進行專題演講，分享其在半導體製造領域累積的生產計畫經驗，以及如何運用AI技術改善生產排程問題。

準確預測Cycle Time 強化生產計畫管理

郭仲仁表示：「生產計畫能否成功，關鍵在於是否能準確預測生產週期（Cycle Time）。當企業掌握 Cycle Time，便能更精準預測產出與出貨時間，進而提升達交率並提高整體產線效率。」他進一步指出，在晶圓製造等高度複雜的生產環境中，Cycle Time預測難度極高。例如晶圓廠可能同時生產上百種產品，每個產品平均需經過上千道製程步驟，若直接預測所有製程的Cycle Time，將面臨極高的計算複雜度。

機器學習建模  降低預測問題複雜度

針對此問題，宇清提出以機台群組（Machine Group）為單位建立Cycle Time預測模型，運用機器學習分析需求量、在製品（WIP）及機台相關KPI等因素，預測各機台群組的生產週期，再進一步推算各產品製程的Cycle Time，使企業能在維持預測準確度的同時，大幅降低預測問題的複雜度。

此預測結果亦可應用於生產計畫管理，例如進行主生產排程（MPS）模擬與最佳化，協助企業分析產品組合、機台負荷與投料策略，同時透過數據分析檢視在製品（WIP）狀況，避免過多冗餘WIP影響產線效率。

AI排程最佳化  提升產線運作效率

在生產排程層面，宇清透過基因演算法技術進行排程最佳化，在多項限制條件下安排生產順序，降低機台閒置與效率損失，使排程結果更加緊密並提升產線運作效率。郭仲仁指出，宇清最初從半導體產業的生產計畫需求出發，發展AI-based Planning與Scheduling技術，並逐步將相關經驗延伸至PCB、顯示面板、精密加工與生醫製藥等產業，協助客戶提升整體生產力與達交率。

宇清數位亦將於2026年4月8日至10日於南港展覽館一館參與2026 Touch Taiwan展覽，現場將展示APS智慧排程系統產品資訊與應用概念，與製造業者交流智慧製造解決方案。