知名行业专家 James Moyne 与 Samantha Duchscherer 展开了一场精彩对话，深入探讨将人工智能 (AI) 等先进技术及额外信息整合到半导体行业排程与派工流程中的重要性。本系列文章共分四部分，重点涵盖数据价值与优势、AI 技术应用、人机协作等核心议题，同时深入分析当前面临的挑战，并针对数字孪生技术的角色提供独到见解。
在本系列的第三篇文章中，两位专家将探讨实施人工智能 (AI) 解决方案时面临的挑战，以及当这些智能系统学会主动寻求协助时所带来的机遇。
循序渐进推进 AI 应用
人工智能 (AI) 与机器学习 (ML) 为半导体制造商提升质量和良率等关键绩效指标 (KPI) 带来了诸多机遇。然而必须认识到，要将 AI 技术整合到半导体制造运营中，初期仍需人工构建一个足够智能的系统，使其能够从正确的数据源提出恰当的问题。
正如 James 所指出的，AI 技术由于缺乏上下文理解能力且高度依赖数据质量，容易出现决策失误。
在数据质量方面，他有一句名言：“一条坏数据足以抵消十条好数据的价值。”关于上下文理解的重要性，他强调我们不能盲目地将数据输入系统—— AI 需要理解其推理逻辑的上下文背景。举例来说，系统或许能判断一个灯泡即将烧毁，但若能掌握该灯泡是安装在住宅楼还是写字楼、户外还是室内等附加背景信息，将极大提升其预测灯泡具体失效时间的能力。
他指出：“观察数据时，我们常常会发现它们会围绕不同的上下文参数形成明显的聚类特征，比如白天与夜间数据、户外与室内数据等。这些系统的表现很大程度上取决于你是否为其提供了足够的背景信息。“
系统集成化
James: 要确保这些系统能做出准确预测，数据本身必须具备高质量——包括准确性、精确性、可用性和时效性。不仅如此，数据还需要完善的系统集成。如果各系统之间无法实现数据交互与协作，就会产生诸如数据时间同步等问题，导致预测变得极其困难。
以排程为例，我们可能关注的是晶圆到达某台设备这样的离散事件——这正是我们制定决策依据。每次该事件触发时，系统就会生成一个决策。但在缺陷检测层面，监测对象可能并非离散事件，而是秒级甚至毫秒级的时间间隔数据。这种情况下，我们该如何实现跨层级的时间数据同步？
Sam：当开始考虑数据集成时，数据共享是否会成为新的障碍？
James: 确实如此，这又是一大挑战，尤其是在需要与外部供应商协作时。比如预判设备故障需要提前订购零件的情况——虽然供应商不会与我们共享他们的核心数据，我们也不会泄露自身数据，但双方仍需交换必要信息来达成协作。更重要的是，我们还需要利用这些信息来优化预测模型。这就引出了关键问题：如何在保护知识产权 (IP) 的前提下实现数据流通，以确保分析、预测和检测等关键功能正常运行？
James: 我们的研究发现，大预言模型 (LLM) 在挖掘人工维护记录、解析技术人员表述等方面表现优异。但这些输出必须经由（人类）领域专家进行事实核验，过滤错误信息后，才能将数据传递给排程和派工系统用于关键决策。
因此，一个稳健的解决方案需要设计一个能够主动寻求协助的交互界面——始终懂得何时需要向领域专家获取输入。在我看来，最智能的系统不是那些仅会输出答案的系统，而是清楚知晓何时需要求助的系统。这正是当前 AI 系统的局限所在：它们尚不具备人类 “这个领域我不懂，请指导我 “的认知能力。未来的 AI 应该更像学生——在接受训练时主动提问，在持续学习中完善认知。
信任的量化评估
James: 这个问题至关重要。如果无法信任系统的建议，人们就难以有效运用分析、预测甚至检测功能。这种信任不仅关于建议本身的准确性，更在于能否理解其准确程度——我们称之为 “信任量化 “。举个或许有些沉重的例子：如果医生告诉我” 你会死 “， 我会认真对待，但若医生不给出时间范围，这个100%正确的诊断实际上毫无价值。即便医生说” 我100%确定你会死 “，这依然没有帮助。但如果他说” 我有62%的把握认为你会在未来两年内去世 “，这个量化评估就具备了可操作性。
对于预测系统而言，其预测能力的优劣并非关键因素，更重要的是我们必须全面掌握其预测质量的各项参数——包括预测的起始与终止时间范围，以及对应的置信水平。只要掌握这些元数据，就能将其与分析系统深度整合，从而显著优化排程与派工系统的运作效能。
深度探讨——我们准备好了吗？
Moyne 博士简介
James Moyne 博士是密歇根大学副研究科学家，专注于通过增强排程与派工领域的数据整合来优化决策。他在预测性维护、基于模型的过程控制、虚拟计量及良率预测等前瞻性技术方面拥有丰富经验，同时致力于数字孪生与分析等智能制造概念的研发，推动微电子行业的智能制造落地。
Moyne 博士积极参与先进过程控制 (APC) 的推广工作，担任多个行业协会的联合主席及领导职务，包括 IMA-APC 委员会、国际设备与系统路线图 (IRDS) 工厂集成专题组、SEMI 信息与控制标准委员会，以及美国年度 APC-SM 会议。
凭借其深厚的专业知识与丰富的行业经验，Moyne 博士被公认为标准和技术领域的权威顾问，在智能制造、预测和大数据领域做出了重大贡献。
