PC-based 軟體開發

PC-based 軟體開發（設備控制）

設備控制軟體開發

以 Windows 平台為基礎，使用 C#/VB.NET 開發設備 HMI 及控制軟體，支援即時監控、製程參數管理、設備互鎖邏輯與異常警報。

運動控制整合

整合 ADLINK 等各廠牌運動控制卡，實現多軸協調運動，包含絕對/相對定位、速度控制、回零序列與路徑規劃。

通訊協議整合

支援 RS232/RS485、Ethernet TCP/IP、Modbus RTU/TCP，以及半導體標準 SEMI E84/E87 協議，實現多設備資料交換與遠端指令下達。

半導體/自動化控制單元整合

半導體設備整合 EFEM（設備前端模組）、Load Port、Sorter 等半導體製程設備整合，支援 SEMI E84 標準交握介面，協調機械手臂動作，確保晶圓傳送準確率。

視覺辨識與自動化整合 OCR 條碼/字元辨識整合、CCD 視覺定位、Robot 自動化取放，結合 Unload/Load 流程，實現無人化搬運與品質即時監控。

建立 Recipe 資料格式

Lay the data foundation · No data, no AI.

先把這個 AI 項目命名為 AI Recipe Prediction Model，並把每一次 Recipe 執行結果存成標準資料 —— 固定 RecipeRunRecord 與 EquipmentSnapshotRecord 的欄位、單位、時間戳與狀態列舉。

// data contracts
RecipeRunRecord { id, recipeName, startedAt, endedAt, steps[], result, anomalies[] }
EquipmentSnapshotRecord { ts, chamberPressure, mfcFlow, heaterTemp, valveState }

這一步最重要 —— 沒有資料，AI 模型就只是空殼。

AI Recipe Prediction Model RecipeRunRecord EquipmentSnapshotRecord

Rule-Based 風險評估引擎

Risk Evaluation Engine · deterministic rails before AI.

在導入 AI 預測模型前。先用工程師的經驗法則寫一支 Risk Evaluation Engine，把每一次 Recipe 與設備狀態打成風險訊號。這支引擎是後續 ML 模型的對照組，也是正式上線時的 fallback。

if Purge Time 過短 → CVD-like reaction 風險 ↑
if Pressure 超過上限 → 製程異常風險 ↑
if Temperature 不穩 → 膜厚均勻性風險 ↑
if |MFC.actual − setpoint| 過大 → Gas delivery 異常

Risk Evaluation Engine benchmark baseline production fallback

加入 Machine Learning 預測

From rules to learned models · when data is enough.

累積真實 Recipe 執行資料 —— CSV / SQLite / SQL Server 持續累積。等資料累積夠了，再導入兩個子模型： 膜厚預測模型（輸入 Recipe 參數 → 輸出預測膜厚）、 製程異常風險模型（輸入 Recipe + 設備狀態 → 輸出 OK / NG / Risk Score）。

// 兩個子模型
膜厚預測 :: f(recipeParams) → ThicknessNm
異常風險 :: f(recipe, snapshot) → { OK | NG | RiskScore }
// storage path (data volume 決定)
CSV → SQLite → SQL Server

ML.NET Python CSV SQLite SQL Server

整合到設備軟體 / 網頁展示

Ship it · web demo + WinForms equipment integration.

提供 網站 Demo 與 實機設備整合 兩種應用方式。客戶可在線上輸入 Recipe 參數 即時試算，設備端則可於操作畫面顯示 預測結果、風險提醒 與 參數建議，協助 提升製程判斷效率。

AI Recipe Prediction Demo · 輸入

Cycle Count
Pulse Time
Purge Time
Temperature
Pressure
Gas Flow

Demo · 輸出

預測膜厚 52.3 nm
製程成功率 92%
異常風險 Low
建議調整：
Purge Time 5s → 4s

WinForms / C#▶Recipe Runner▶Data Logger▶AI Prediction Service▶Operator UI

Web Demo WinForms · C# Operator UI engineer-in-the-loop