
拥抱大数据,半导体产业将迎生产效率“高峰期”
物联网(IoT)时代带动巨量资料(Big Data)的分析趋势,而这股风潮现已吹进半导体产业。由于半导体制程愈趋先进,制造成本亦随之升高,芯片制造商须避免于制造过程中产生错误,导致因返工所额外增加的成本与时间。有鉴于此,半导体业者已开始藉由巨量资料分析技术,于制程中进行即时(Real-time)的资料分析与警示,以增加产品良率及生产效率。
Splunk台湾区资深技术顾问陈哲闳表示,先进制程的设计规则愈趋复杂,若能在制程面临问题时提供预警功能,将可大幅降低成本与提升良率。如韩国半导体业者运用巨量资料分析在积体电路(IC)制造上,使得制程机器问题发生率降低10%、员工产能增加50%,而重制成本也降低5%。
传统进行巨量资料分析时,须将搜集到的资料切割为不同的栏位,再进行资料分析,之后透过视觉化软体将分析结果呈现在客户面前,花费的时间与成本较大。 Splunk抛弃资料库的思维,利用Search Language的概念,当传感器将搜集到的资讯回传至伺服器时,不先进行资讯结构化,直接将资料藉由即时报表及视觉化监控分析呈现。透过这种做法,客户可直接在巨量资料中迅速查找问题、进行主动式监控,并提供即时报表及视觉化监控分析。
陈哲闳提到,巨量资料分析向来仅于资讯科技(IT) 产业中大展身手,自两年前韩国客户将Splunk的分析软体用于IC制程中,至今已有三家半导体客户使用巨量资料技术,台积电更于日前与科技部IC产业同盟计画共同举办半导体大数据分析竞赛,以培养半导体巨量资料分析人才。
陈哲闳透露,产业界已有多家厂商研拟将该技术导入半导体制程中;不仅如此,手机制造商、作业系统(OS)、应用程式(App)研发者及电信业者,亦希望能藉由搜集、分析资料而获益,足见这股风潮已渐扩散至各个产业中。
陈哲闳认为,藉由分析巨量资料取得用户的使用行为及习惯,可创造庞大的商机;巨量资料技术抬头,已带动Splunk每一季皆有五百个客户的稳定成长,台湾客户也从一百家增加至三百家,在在展现巨量资料分析已是大势所趋。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13