SAS 全方位技術支援 建構數位資料平臺
在全球市場備受肯定的 SAS Viya AI 平臺，可將分散於各工廠、各事業體的所有多元資料，如生產資料、量測資料、環境參數等，進行集中收集、統一管理。此強大功能也獲得富采肯定，並成為其推動數位轉型過程中相當重要的技術基礎之一。
在追求極致效率與精準度的半導體製造業中，製程複雜度與 Time to Market 的多重壓力下，傳統依賴資深工程師經驗法則的營運模式，已難以應對海量參數的優化需求。企業亟需一套能夠系統化整合資料、即時分析異常、並以演算法自動尋找最佳解方的智慧化工具，協助工程團隊在最短時間內做出最準確的製程決策。
身為全方位光電整合解決方案供應商的的富采，選擇引進SAS Viya AI作為 One Data 資料平臺的重要助力，將分散於各工廠、各事業體的所有多元資料，如生產資料、量測資料、環境參數等，進行集中收集、統一管理。除為每一筆資料進行完整定義外，集團同仁可瀏覽已上架的「資料產品」，了解相關產品的規格和血緣，極大化數據的共享效率。
富采資訊長趙紘慶指出，在市場需求快速變化，研發與設備廠必須保持極度的敏捷性，才能在海量資料中快速找出影響良率的關鍵因子，並在最短時間內將送樣階段的案子穩健地調整到量產水準。傳統耗時過長的經驗法則，已成為無法承受的成本。而SAS Viya AI 在建模流程中，會自動比較多種演算法，選出準確率最高模型，作為產線工程師優化的參考，對於提升產品良率、降低成本等帶來極大效益，自然成為我們強化國際舞臺競爭力的首選方案。
[ 加入 CIO Taiwan 官方 LINE 與 Facebook ，與全球 CIO 同步獲取精華見解 ]
SAS 台灣總經理龔律安表示，半導體的資料鏈天生跨站、跨設備、跨格式，且牽涉到大量工藝 know-how，要真正落地 AI，並不是引進工具就能解決，而是必須把資料、模型與製程知識串成可被持續驗證的循環。SAS 在全球半導體生態系深耕數十年，服務範疇涵蓋晶圓製造、封測與 IC 設計，因此非常熟悉產線資料的複雜性，也累積一套能被複製的最佳實踐方法論。
他進一步指出，SAS 的價值不只在於提供平台，而是能在建模流程、模型治理以及跨站資料整合等議題上，與客戶並肩找出真正可運行的做法。「我們很高興能與富采建立長期合作，協助其運用 SAS Viya AI 平臺將多年累積的製程 know-how 系統化、模型化，讓研發與製造可以以資料驅動的方式協作，並成為推動企業數位轉型的重要助力。
因應 Time to market 運用 AI 優化製程勢在必行
由晶元光電與隆達電子透過換股成立的富采，身為全方位光電整合解決方案供應商，專注於光電半導體的技術研發與製造，涵蓋磊晶、晶粒、封裝至模組的完整產業供應鏈，為客戶提供高效的一站式服務。該公司憑藉強大上下游整合能力，並以「雙加值引擎」策略為核心，透過場域加值與方案加值雙軌並進，推動企業轉型升級，聚焦「3+1」高附加價值應用，涵蓋車用、先進顯示、智能感測及光通訊等新領域。
光電產業競爭非常激烈，尤其不同應用場域對時程要求完全不同，但都愈來愈短。如部分消費性產品要求「 45 天內量產」，植物照明具高度季節性，錯過一個週期就失去市場機會。雖然車用產品導入期可能長達兩年，但是樣品必須在短期內完成，才能滿足客戶的開發流程（V-model），否則會錯過整個世代的訂單。在前述種種因素下，富采感受到 Time to Market 壓力不斷升高，開始尋找能縮短開發時程的數位工具。
趙紘慶說，我們是從多面向進行全面性的評估，包含系統架構與擴充彈性、系統完整性與效能、結果準確性以及成本效益，最重要的是資料的可解釋性，也就是能夠呈現結果的推導過程，協助業務單位判斷其合法性、合規且合理性。此外，合作夥伴也得具備技術深度與輔導能力，能夠提供最大化的導入效益。在綜合前述種種因素下，最終我們選定 SAS Viya AI 平臺。
以 Explainable AI 為核心 內建數十種演算法
SAS Viya AI 平臺獲得富采青睞有四大主要原因，首先是平臺提供一個「完整流程」，收容並標準化來自不同機臺、站點的破碎資料，可避免每次有新資料或新部門使用時，需要重複編寫程式碼的困境。其次則是提供「No-Code/Low-Code 」平臺，讓非分析專業 RD 人員也能透過強大視覺化工具，直接透過拉節點的方式進行數據探索和特徵工程，乃至於進行模型訓練與驗證。
SAS Viya AI 平臺第三大特色在於「AutoML 與高效建模」，平臺內建數十種演算法，且能自動比對多種模型效能，並智慧選擇出最佳演算法，極大化縮短建模與驗證時間。最後則是「自動化與邊緣部署」，透過模型與最佳化演算法，平臺能提供「最低消耗」、「最高良率」等最佳決策建議。尤其 SAS 進一步支援將這些模型容器化，可快速部署到生產線的邊緣設備上，實現生產參數的即時運算與自動化調整，將智慧結果轉化為行動。
「對經驗豐富的工程師來說，若 AI 模型產生資料沒有明確根源，恐怕都無法獲得第一線工程師信任。所以 SAS 一直強調 Explainable AI ，確保模型被採用並實現決策落地。」龔律安解釋：「SAS Viya AI 平臺要求模型公開預測結果所依賴的關鍵變數及權重，讓相關領域專家可根據資料進行解讀，驗證模型的邏輯是否符合製程事實，而非單純的權威建議。」
成效驗證與價值實現 擴大SAS Viya AI運用範疇
富采導入SAS Viya AI 平臺之後，將過去依賴經驗法則的 know-how，建成系統內可迭代、可累積的知識資產，並且在兩大關鍵環節取得突破。首先是虛擬量測 (VM)，過往藉由該平臺 AI 模型在 MOCVD 站實現投料即預測，在投料初期即可預測該批次最終良率，成功縮短 Cycle Time。其次，Run-to-Run (R2R) 控制，同樣藉由 SAS Viya AI 平臺模擬關鍵零件的更換週期和生產參數調整，確保設備在保養或更換零件後，能利用 AI 快速計算出最優參數設定，使生產過程能夠快速且穩定地回歸正常。
[ 推薦文章：AI Factory 助攻製鞋業邁向智慧製造 ]
趙紘慶指出，引進 SAS Viya AI 平臺後，富采的研發與製程團隊更加積極運用數據作為決策依據，從資料探索、參數驗證到模型建置都有更紮實的依循。他表示，這不僅提升研發與營運效率，也讓團隊能以更一致的方法處理跨站資料，並逐步將 AI 的應用從研發場景擴展至供應鏈、風險管理等其他商業領域，使更多單位能以 AI 支援業務決策與流程優化。
富采引進 SAS Viya AI 平臺，也展現臺灣高科技產業運用 AI 突破研發與製造瓶頸的具體實例。藉由 SAS 的全方位技術支援與治理架構，富采得以將長期累積的製程經驗、工程判斷與參數知識，轉化為可持續驗證與複製的 AI 模型，使資料與模型能在不同製程與場域延伸應用。此舉不僅建立跨站協作與效率提升的基礎，也為公司長遠發展奠定穩健的 AI 能力，更成為臺灣產業推動智慧製造的重要典範。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
