☰
知名晶圓代工廠使用了深度學習軟體，在智慧製造的領域衝刺。該公司採用 HPE GPU 伺服器與雙子星雲端 AI Console 建造其 AI 基礎架構，從而為其資料科學家與研究人員提供跨工廠、可擴展的平台，以開發更智能的晶圓生產流程。
晶圓代工業
台灣
總部位於新竹科學園區的知名晶圓代工廠，其製程機台設備監控方面的經驗，可以追溯到「統計過程控制」(Statistical Process Control，SPC) 方法，該方法使用管制圖的統計方法來監視和控制相關製程，以助於確保製程的高效運行，生產出更多符合規範的產品，並減少返工或報廢造成的浪費。然而，統計過程管制仍有其不足：
智慧製造的關鍵成功因素，就在應用人工智慧與物聯網等技術，持續地優化產線與機台，達到不輸給品保/製程工程師的判斷準確度，又能預防錯誤發生。知名晶圓代工廠為了提高生產效率與製造彈性，同時在品質保證的前提下縮短交期，發展出一套智慧即時監>控與分析的策略，以公司在 AI 與深度學習的專業，迎接晶圓代工業在智慧製造的巨大挑戰。
知名晶圓代工廠的深度學習經驗，始於 2019年，先從單一廠區開始，添購一座 HPE 高階GPU伺服器，用來執行AI模型訓練與推論測試。
而在軟體上，由於當前大多數的AI模型訓練與推論運算所使用的皆是容器環境，因此導入初期，知名晶圓代工廠即委託了雙子星雲>端，提供當前最主流的容器管理工具 — Kubernetes的安裝、建置、維護服務與教育訓練。
晶圓廠的研發人員，即利用此一設備進行模型程式的開發，以及推論程式的部署，初步成功地執行單一廠區的AI導入，獲得成效。
2020年，鑑於初期導入已有成效，知名晶圓代工廠決定擴大智慧即時監控與分析的範圍至多個廠區的機台，每個廠區都部署了AI推論主機，並且導入雙子星雲端 AI Console 進行多廠區的中央管理。其架構與流程示意如下:
結合 HPE Apollo 主機和雙子星雲端 AI Console 的機器學習基礎架構，徹底滿足了知名晶圓代工廠的需求：
知名晶圓代工廠的資料科學家表示：「在雙子星雲端 AI Console 導入之前，我們把資料整理、模型訓練、推論計算皆放置於同一容器中執行，無論是否需要高階GPU卡來加速，GPU卡都被該容器給獨佔了，其他的AI專案無法導入，因此專案的推展速度難以提高。
導入雙子星雲端 AI Console 以後，雙子星雲端協助晶圓廠把資料整理和訓練改以Container Site與Container Job 的工作任務，資料整理不再佔用GPU資源，而在模型訓練結束後，就能釋出GPU卡給其他AI專案，讓GPU卡的使用率大幅提高，也加速了晶圓廠的AI專案進度。
同時，雙子星雲端的客戶成功團隊協助晶圓廠導入其他MLOps 相關工具，例如 DVC、GitLab、Jenkins 等，讓MLOps 流程更加豐富與順暢。
知名晶圓代工廠在智慧即時監控與分析方面取得了突破。透過深度學習技術，知名晶圓廠節省了人力、提高了產能與良率，在晶圓代工智慧製造領域取得了重要地位。如今，資料科學家無需等待，也能有足夠的資源來推廣新的AI專案，以確保晶圓生產的品質。
