DNN EdgeAI+ 整合製程參數與 AOI 檢測數據，透過 AI 演算法與歷史資料進行 Run-to-Run 監控，自主判斷製程偏移並即時預測最佳參數，直接下達校正指令，確保每批良率與品質。
支援 SQL/Oracle 資料庫、機台 Log 解析與 SECS/GEM、OPC-UA 即時採集，以 Lot ID / Run ID 精準匹配量測結果與製程配方。
AI 自動計算最優 Recipe 並回傳機台執行，達成 Run-to-Run 閉環優化；涵蓋數值預測、參數建議與自我優化三階段模式。
提供 Mini-PC（節省空間）或 Server（高效能運算）兩種形式，完整離線（Air-gap）運作，製程數據不出廠。
即時顯示 AI 預測趨勢、模型信心度與優化軌跡，工程師可檢視並確認 AI 建議的 Recipe 變動。
雙重防護：AI 端 Soft Limit 設置參數變動範圍門檻，機台端 Hard Limit 與硬體聯鎖確保設備不因異常指令損毀。
支援在地 Fine-tuning、模型版本管理與一鍵 Rollback，應對機台老化或 Model Drift，確保長期推論精準度。
可選地端全自動訓練（數據完全不出廠）或由 DNN 內部高階運算伺服器協助訓練，依資安需求與預算彈性配置。
| 規格項目 | DNN EdgeAI+ (20/40 TOPS) 入門級 · Orin Nano |
DNN EdgeAI+ (70/100 TOPS) 標準級 · Orin NX |
DNN EdgeAI+ (200/275 TOPS) 旗艦級 · AGX Orin |
|---|---|---|---|
| AI 算力 | 20 / 40 TOPS NPU | 70 / 100 TOPS NPU | 200 / 275 TOPS NPU |
| GPU | 512-core Ampere（16 TC） | 1024-core Ampere（32 TC） | 1792-core Ampere（56 TC） |
| CPU | 6-core A78AE 64-bit | 6 / 8-core A78AE 64-bit | 8 / 12-core A78AE 64-bit |
| 記憶體 | 4GB / 8GB LPDDR5 | 8GB / 16GB LPDDR5 | 32GB / 64GB LPDDR5 |
| 接口 | USB 3.0 × 2、HDMI、M.2 | USB 3.0 × 2、HDMI、M.2 | USB 3.2 Gen2、HDMI、M.2 |
| 工作溫度 | -20°C ～ 70°C | -20°C ～ 70°C | -20°C ～ 60°C |
DNN EdgeAI+ 透過生產端製程資料、設備紀錄、SOP 與歷史異常案例，建立專屬於半導體製程的 Edge AI 模型。
它能協助工程師快速找出異常原因、預測最佳參數，並提供可追溯的校正建議。
從製程資料模型中學習，進行 Fine-Tuning
部署於設備端，從單機到多機最後到產線
推論時即時從外部知識庫檢索相關文件，注入問題背景作為事實依據，確保每一條診斷結果皆有文件出處，可追溯、可驗證。
以半導體專用資料對預訓練模型進行二次訓練，透過 LoRA / QLoRA 低秩適配器技術，讓模型深度理解 SPC、FDC、Metrology 等製程術語與因果邏輯。
Fine-Tuning 賦予模型領域深度，RAG 提供即時文件補充。兩者結合達成單一技術無法企及的精準度，產出有依據的製程診斷答案。
文字透過 Embedding Model 映射至高維向量空間，語義相近的內容在空間中距離接近。文件切片策略直接決定知識庫的檢索精度與召回率。
整合感測數據收集、多變數神經網路推論、即時參數回饋，以及視覺化監控介面
三種製程場景，見證 EdgeAI+ 如何即時學習並自動收斂製程參數
傳統 SPC 依賴單一參數的閾值警報，屬於「發生後補救」的被動模式。DNN EdgeAI+ 同時分析數十個製程變數的交互作用，在異常發生前即預測偏移趨勢並主動調整，實現真正的閉環控制，而非事後分析。
標準導入流程為 180 天，分四個階段推進：
前期準備（Day 1–45）：需求確認 15 天、設計規劃 30 天，確立系統架構與介接規格。
建置實施（Day 46–90）：系統開發與配置、邊緣節點部署、品質與產線資料串接，各 45 天並行推進。
驗證與交付（Day 91–150）：工廠驗收（FAT）15 天、場地驗收（SAT）15 天，確保系統穩定上線。
試運轉優化（Day 121–180）：60 天閉環自動模式調校，多數客戶在此階段即可量測到明顯的良率改善數據。
系統支援 OPC-UA、Modbus TCP/RTU、SECS/GEM、EtherNet/IP 等主流工業通訊協定，可對接半導體 CVD/ALD/蝕刻機台、PCB 表面貼裝設備、CNC 加工中心，以及各類溫度、壓力、流量、影像等感測器，覆蓋率超過 95% 的主流設備品牌。
初始模型訓練建議準備至少 3 個月的製程歷史數據（約 2,000 批次以上）。若歷史數據不足，我們提供遷移學習方案，可從相似製程的預訓練模型出發，將冷啟動數據需求降低至原本的 30%，大幅縮短導入準備期。
可以。DNN EdgeAI+ 的推論引擎完全部署於本地 Edge Server，不依賴任何雲端服務即可持續運作。離線模式下，系統仍提供完整的即時推論、視覺化監控與警報功能；模型更新可透過離線安全媒體（USB 加密隨身碟）或 VPN 內網管道進行。
DNN EdgeAI+ 採用「人、機、料、法、環、測」六大類資料框架進行模型設計。具體包含：
人：設備專家與製程專家的參與及知識提供。
機：設備監控訊號，如氣體流量、腔體溫度、RF Power、腔體壓力等。
料：物質安全資料表（MSDS）與物料檢測數據。
法：標準作業流程（SOP）、基本理論文獻與研究資料。
環：廠房環境監測數據，如溫濕度、特氣感測、粒子數。
測：量測結果，如 CD、Thickness、Diameter、Defect Map 等。
資料可以 Word、Excel、PPT、PDF 或 Data Log 等形式提供，所有資料需標註公開或機密屬性。
報價依多項技術與專案條件綜合評估，主要考量因素包含：
資料與系統條件：資料量與數據規模、需回授的製程參數數量、資料讀取形式（Data Log 或 SECS/GEM）、系統功能等級（預測 / 建議 / 自動寫入）、是否具備可配合的製程與設備專家，以及部署規模（單機、整線或全廠平台）。
模型精度與複雜度：製程參數交互複雜度、準確度與精度要求（如量測精度 2 μm 或 10 μm）、即時運算速度需求。
如需評估，請透過頁面下方的聯繫表單提交需求，我們將安排應用工程師進行初步評估。
專案採三個里程碑付款，確保財務承諾與工程交付同步對接：
30%：合約簽署（專案開案）——啟動硬體採購、資料標註與客製化模型設計規劃，建立雙方風險共識。
40%：工廠驗收（FAT）完成——核心系統完成開發、硬體抵達現場，系統具備上線能力。
30%：場地驗收（SAT）達標——系統在客戶現場連續穩定運行，AI 準確度達標後才完成最終撥付，保管尾款至確認成效。
您可透過本頁下方的「預約 Demo」按鈕提交申請，我們的應用工程師將在 1 個工作天內與您聯繫。完整導入專案採 180 天標準交付時程，分四個階段推進：
前期準備（Day 1–45）：需求確認與設計規劃。
建置實施（Day 46–90）：系統開發配置、邊緣節點部署、產線資料串接。
驗證與交付（Day 91–150）：工廠驗收（FAT）與場地驗收（SAT）。
試運轉優化（Day 121–180）：閉環自動調校，並提供完整成效量測報告，協助您評估導入效益。
DNN Technology headquartered in Taiwan, is a leading provider of semiconductor equipment and turnkey solutions.
+886 3-5595858
sales@dnn-tech.com
No. 55, Jinggong Rd., Xinfeng Township, Hsinchu County 304034, Taiwan
Copyright © 2025 All Right Reserved DNN Technology Co., Ltd.
