同样是设备报警,有人按照规程逐项检查,有人先调历史参数再排查模块。操作手册相同,排查路径却不同。这种差异,往往来自工程师对现场工况的熟悉程度和多年处理异常积累的判断经验。
在半导体制造中,这类经验直接影响着异常的识别效率与问题定位的准确性。但它们常常停留在工程师的个人记忆中,很难通过常规培训、文档记录或工作交接实现完整传递。因此,如何让依赖个人的专家经验转化为可持续沉淀、可实时复用的岗位知识能力,成为AI深入半导体制造亟需解决的关键问题。
关键判断缺失,风险可能沿工序链潜伏传导
专家经验的价值,不仅体现在单次异常的处理效率上,更关系到复杂工艺链条的稳定运行。芯片制造涉及成百上千道工艺步骤,各环节相互关联,局部问题可能影响后续工序,甚至最终良率。
这种传导的隐蔽性,在漫长的制造周期中被进一步放大。据半导体行业协会数据,晶圆制造平均需要约12周,先进工艺甚至长达20周。在如此长跨度的生产流程中,一道工序的异常若未能被及时识别,其影响会随晶圆流转不断延伸,往往直到后段检测或良率波动时才集中显现,大幅增加问题追溯与根因定位的难度。
从记录动作到还原决策过程
正因关键判断的缺失会沿工序链潜伏传导,留存专家经验的判断依据并形成可复用的知识库,成为半导体产线对抗经验断层的当务之急。
要保留判断依据,首先需要更完整地保留现场。文字记录适合呈现标准步骤,却容易省略关键细节;现场视频则能保留动作顺序、检查位置和操作前后的状态变化,让难以描述的过程有据可查。
然而,保存视频不等于形成知识。面对海量录像,使用者仍需定位相关内容、判断适用性,画面能记录动作,却未必呈现动作背后的思考。实现个人判断这种隐性知识的显性化,需要将视频中的过程线索与专家讲解、设备信息、操作规程相互对应,清晰区分"观察到的事实"与"据此作出的判断"。让经验跨越具体案例,才能真正帮助后来者的现场决策。
AI的价值,在于建立可追溯的知识联系
杭州轻象科技正是以现场视频作为经验载体,通过自研的 ElphVideo 视频大模型实现领域学习、视频结构与实现定位,将视频中的作业过程转化为可检索、可追溯的结构化知识。在此基础上,轻象进一步把视频和SOP、设备手册、专家讲解等资料对齐,构建起多模态知识库,核心是让分散在不同资料中的信息围绕现场问题形成完整的知识链条。
知识沉淀之后,如何服务现场是另一关键。轻象基于多模态知识库,构建面向设备、培训、质量及工艺等针对性岗位智能体。在设备维保中,工程师可以围绕异常现象检索相似案例,查看对应的视频片段、排查步骤与处置依据;在人员培训中,新员工能够结合真实作业视频理解关键操作及注意事项,而不再仅依赖静态文字说明。
由此,轻象将原本分散在视频、文档和个人经验中的专业知识,转化为能够按需检索、追溯来源并辅助现场判断的知识能力。对于半导体企业而言,这不仅是知识管理方式的升级,更意味着资深工程师长期积累的经验,有机会摆脱对个体的高度依赖,成为组织可以持续传承和复用的知识资产。