全方位光電整合解決方案供應商富采,攜手全球分析平台領導者 SAS 打造端到端 AI 研發平台,在 MicroLED 與光電半導體製程快速演進、資料量倍增的環境下,共同整合跨站製程資料,以 AutoML 與可解釋 AI,協助研發團隊快速建模、預測與回饋製程,大幅縮短研發週期並提升良率。
此合作成功協助富采在研發到製造的各階段建立資料血緣、提升製程可預測性與效率,使其成為半導體業導入 AI 的先行者與技術典範,也為後進企業提供可實踐的智慧製造示範路徑。
長期深耕 MicroLED 與光電半導體製程的富采,面對製程快速演進、產線資料量與製程參數同步倍增,近年積極推動研發流程的數位升級,但由於資料分散於不同設備與格式,跨站追溯與關鍵因子分析始終耗時。以 MOCVD(有機金屬化學氣相沉積)為例,其反應爐參數幾乎決定晶片效率,但工程師往往要等到晶圓走完整個流程後才能確認問題,不僅製程週期被迫拉長,前段、中段到封裝資料難以串接,也使良率下降的根因常延後才浮現。
在製程複雜度與市場反應要求同步升高的背景下,富采需要不只是更快的建模工具,而是一套能整合完整製程資料鏈、協助研發團隊快速建立模型,並將研發知識以系統化方式延續下去的 AI 研發平台。因此,富采選擇與 SAS 共同建構一套從資料整合、模型建立到製程部署的完整 AI 研發平台。合作成果使富采能以跨站視角進行分析、導入虛擬量測、提升設備穩定性,並讓研發決策真正邁向數據驅動。此模式逐步成為半導體 AI 應用的重要參考架構。
富采資訊長趙紘慶表示,富采尋求的不僅是單一 AI 工具,而是能「與團隊一起解決問題」的策略夥伴。SAS 在技術完整度、資料科學方法論以及顧問團隊的陪伴深度,都能在真實場景中產生可驗證的價值。SAS Viya 提供從資料整理、模型訓練到部署的統一平台,搭配 AutoML 降低建模門檻、可視化介面提高模型可解釋性,以及可與即時製程調整控制(Run-to-Run Control)、製造執行系統(MES)彈性整合的容器化部署能力,讓研發流程可以真正串接起來
SAS 台灣總經理龔律安指出,這次合作的核心目的,是讓富采累積多年的製程 know-how 能被系統化保存並複製到不同製程與場域。他強調,導入 AI 的目的並不是要讓工程師成為資料科學家,而是讓既有製程 know-how 能被更有效地量化、傳承與複製。SAS 透過跨產業的分析經驗與標準化平台能力,協助企業將研發與製造經驗量化、模型化並得以被持續驗證,使資料驅動的決策模式更穩定也更可擴展。
此次合作使富采在研發與製造端獲得顯著成效。透過 SAS Viya 所建立的虛擬量測(VM)模型,工程師可以在投片即時利用 MOCVD 參數預測晶片效率,大幅縮短製程週期、減少試作成本並提升製程穩定性。同時,富采更以模型量化設備老化狀態及零件更換週期,透過模型與製程調控機制比對,使設備在維護後能否恢復正常運作得以迅速確認,而不再只依賴人工經驗推估。
在產線端,跨站資料整合讓前段、中段與封裝資料成為單一資料流,使研發工程師能以全線視角快速定位良率下降的根本原因,縮短問題修正時間並提升跨部門協作效率。更重要的是,專案亦促成研發文化的轉型,資訊部門不再只是系統建置者,而是與研發團隊共同針對良率、時程與效率負責的合作夥伴。工程師逐步養成主動以數據驗證與探索的習慣、建模與決策,真正落實數據驅動的研發模式。
對於未來規劃,龔律安指出建模門檻降低後,企業將迎來模型量暴增的挑戰,因此 MLOps、模型治理與可解釋性將成為未來半導體 AI 的核心。企業要在大規模 AI 應用中建立信任,必須建立清楚的治理架構,因此,SAS 也不斷協助企業整合資料、模型與代理(Agent),讓決策過程具備完整血緣、透明度與治理機制,使 AI 能在大規模部署時都能被檢視、追溯並持續改善。未來 SAS 將持續透過這套信任框架協助富采在研發、製造與多場景應用中擴大 AI 成效,使 AI 成為企業核心競爭力的穩健基礎。
趙紘慶也表示,未來將持續以「場景導向」擴大 AI 的應用,將現有成功經驗複製到品質管理、供應鏈與製造管理等更多環節,使 AI 不只是點狀導入,而是全面提升企業營運效率的核心動能。
QNAP World Tour 高雄活動直擊,看文抽好禮!!
什麼!?聊天打屁也可以抽獎勵!! 12月搞畏有禮活動現正進行中!!
現在就加入 ioioTIMES 臉書粉絲團 更多互動、更多好康攏抵加!!
我們有LINE TODAY頻道了,快來追踪我們吧!!–最新科技新聞 盡在你手這篇文章 富采攜手SAS打造半導體業首屈一指的端到端AI智慧製造典範 最早出現於 ioioTimes 科技世代。


