劉子瑜、 邱國創／工研院材化所
工業發展有4.0版的創新革命，材料也有4.0版的時代更迭，由於先進材料是各創新產品和製程的核心源頭技術，因此材料4.0策略是目前各國都全力在開發的目標。有鑑於國內材料開發以往通常皆仰賴經驗法則以及試誤法，無法有效地利用既有的實驗數據來提升研發品質，造致新材料或產品的開發時間冗長，國際競爭力不佳，因此工研院材化所利用過去累積的技術能量基礎，建立MACSiMUM平台（入口網站網址：
https://www.macsimum.org/index.php），針對材料研發過程，建立材料特性運算及數據化平台，以對材化領域研發人員友善的使用介面，秉持簡單、易學、好上手之初衷，藉由整合常用AI演算法，簡易圖形化操作介面，免除任何程式編寫情況，引領相關領域人員運用新工具進行更有效率的研發工作。本平台藉由技術案例提供國內相關產業廠商專業與特性數據連結，協助產業發掘數據資料洞見，並以邏輯性判斷產出高效率的後續決策，協助國內核心產業降低目前材料開發/製造導入AI之障礙，進而推動國內產業升級與材料自主化。
【內文精選】
前 言
隨著ICT穿戴式電子、下世代5G行動寬頻通訊、綠能及物聯網等應用蓬勃發展，其間材料/元件/模組的性能要求日益嚴苛，因應高頻化、高功率及高可靠度需求，先進材料開發、元件特性驗證需求日殷，因而需強化材料開發與特性驗證能力，以支援材料與系統模組廠商，並協助產業建立自主材料開發與高端製程優化技術。由於材料與元件的各功能特性到產品應用的過程，充滿了產品適用性的隱性規格，使得在材料技術開發過程，雖滿足了材料基本特性規格要求，卻無法進入市場應用，造成國內高階材料與元件開發的瓶頸。
MACSiMUM材料人工智慧 AI平台創立緣起
近年來，我國政府極力推動數位經濟方案，陸續導入AI研發資源，強化各產業技 術研發，提出「數位國家．創新經濟發展」政策，以「數位創新支持跨產業轉型升級」和「軟硬攜手提升我國數位經濟發展動能」兩大重點，期望促成跨業軟/硬體及服務鏈結，以及產品服務化、智慧化、功能高值化，並加值創新企業運作暨決策支援模式，帶動各行各業創新轉型升級。依傳統試誤法作為配方和製程設計開發方式，耗能耗時，為快速與國際接軌，導入人工智慧(AI)於材料/零組件製程開發，加速提升開發速度、品質、效能與降低成本，走向高值化轉型，已成為台灣產業提升競爭力並滿足國際客戶之重要關鍵。
MACSiMUM材料人工智慧 AI平台
工業有4.0，材料也有4.0的創新更迭， 指的就是材料開發從過去最早所使用的Trial and Error，到利用模擬工具進行運算，進步到現在不只用模擬數據，還利用真實量測或驗證數據，來協助材料的設計和製造。其中的主要核心就是把在整個產品開發歷程當中，材料設計、製造、產品測試還有使用壽命驗證的所有資訊收集起來，轉成大量的數據、重要特徵因子，並搭配適當的演算法來獲得數學函式，進行經驗留存和未來的預測。由於先進材料是各創新產品和製程的核心源頭技術，因此材料4.0策略是目前各國都全力在開發的目標。
本平台也希望藉由會員與用戶的使用，將產業資訊和技術需求回饋至平台端，以將工研院材化所的技術能量聚焦在產業需要的方向上，在未來能更進一步地把自 動調適參數的功能導回到實體場域內，整合 Sensor與IoT/AIoT技術，回饋參數控制修正以進行線上即時監控品管，如圖六。
圖六、MACSiMUM平台範疇
平台應用案例–金屬基材表面鍍膜改質特性預測模型建立
國內模具產業與表面改質製程尚未完整整合，導致品質不穩定良率過低，進而無法穩定成為國際大廠與供應鏈。而國內相關表面改質鍍膜產業，目前仍維持十年前的開發與生產方式，無具規模之AI運算資料庫與大數據分析相關技術，導致相關新型式之表面改質技術與材料研發時程遠落後先進國家。工研院材化所針對金屬與非金屬基材等異質材料，具有多年的技術經驗累積，亦將相關表面改質鍍膜處理之製程參數與各項特性進行資料庫建構與AI輔助分析與運算，再透過此資料庫平台得出研究開發成果之最佳製程參數。如圖十四，其中將製程壓力、溫度、功率…以上為部分節錄資料，完整內容請見下方附檔。
圖十四、金屬基材表面鍍膜改質特性預測模型建立
★本文節錄自《工業材料雜誌》414期，更多資料請見下方附檔。