經濟部台日產業合作推動辦公室

近年，製造業活用AI於產品改善，提升生產效能，根據Global Information在2020年發布的預測，以製造業為主的AI市場，從2020年的11億美元市場規模，到2026年將達到167億美元，成長幅度約15倍。
在半導體晶圓缺陷檢查上，因製程異常頻率低，並無足夠異常數據可用於機器學習，大部份採用從正確數據學習的深度學習，將輸入影像特徵轉為數值後，再輸出復原成影像。因為僅從正確數據學習的AI無法復原異常數據，所以透過輸入和復原的影像差異來檢測異常。但是，此方法有將類似影像判斷錯誤的狀況，導致數據無法正確復原，檢測精準度不足。
東芝用獨家Dual-encoder BiGAN方法（Bidirectional Generative Adversarial Network），開發出改善數據復原性能的深度學習AI，AI將數值化後再復原的數據再次數值化，持續將兩個潛在數值朝向一致性調整學習。與過往技術相比，除了輸入和復原的數據更嚴密比對外，也執行潛在數值比對，根據拍攝部位和產品種類來檢測異常狀況，即使拍攝的零件和產品種類有差異，也能高精度復原影像，達成高精度檢測異常。

以世界公開數據之手寫數字（The MNIST database of handwritten digits）進行異常檢測，與在ICLR 2018（Sixth International Conference on Learning Representations）發表之Efficient gan-based anomaly detection比較，檢測精準度從69.5%提升到79.1%，檢測性能躍升為世界頂尖。另外，套用在東芝半導體製造工廠的收集檢查影像中，檢測精準度從50.5%提升到91.6%，未來將於各種檢查工程、產品中實施性能驗證。
預計在2021年將該AI技術，用於東芝デバイス＆ストレージ株式会社的半導體製造工廠中，實現高精準度的異常檢查，提升不良品檢查效率與產能。此外，在製造現場培養的實績，將用於推動東芝デジタルソリューションズ株式会社的製造業解決方案「Meisterシリーズ」發展。
參考資料：
製造業におけるAIの市場規模、2020年の11億米ドルから2026年には167億米ドルに達し、CAGR57.2％で成長予測　限られた熟練労働力が課題
製品の異常を画像から世界トップレベルの精度で検知する異常検知AIを開発－検査対象の外観が部位や製品の種類によって異なる場合においても高精度に異常を検知、様々な製造現場の生産性向上に貢献－