富采如何打造從資料整合、模型建立到製程部署的完整 AI 研發平台，成功提升 MicroLED 良率並加速研發效率？

（生活中心／綜合報導）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、產線資料量與參數倍增的環境下，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。

富采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費時。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的解決方案。因此，富采與 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，富采資訊長趙紘慶表示，SAS 在技術完整度、資料科學方法論以及顧問團隊的深度輔導，都能在真實場景產生可驗證的價值；SAS Viya 則提供從資料整理、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，能夠真正串接研發流程。

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，可以快速確認設備在維護後能否恢復正常運作。

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。工程師也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，富采將以「場景導向」擴大 AI 的應用，全面提升企業營運效率的核心動能。SAS 台灣總經理龔律安指出，SAS 致力協助企業整合資料、模型與 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。透過這套信任框架，SAS 也將協助富采在多場景應用擴大 AI 成效，備足企業核心競爭力的穩健基礎。

更多引新聞報導
這樣也能翻？桃園女租車開到「四輪朝天」 網傻眼
小紅書資安零分、涉逾2億詐騙！內政部祭一年限制令