借力國網中心H100運算能量 百威雷用AI為光罩盒精密製造品質把關

PowerArena HOP AI防錯防呆，把關半導體精密製造。PowerArena

在半導體產業高度競爭的環境下，如何確保精密零組件的組裝品質，已成為供應鏈廠商的關鍵挑戰。百威雷科技透過國網中心提供的H100高效能運算資源，成功開發出結合大型AI模型的智慧製造監控系統，為光罩盒等高價值產品的品質管控帶來突破性進展。

百威雷科技總監黃子魁指出，光罩盒這類「高價值、低產量」產品在組裝與製程管理上面臨嚴峻挑戰。首先，採用Cell Production模式的工站作業步驟繁瑣易錯，單一工人往往需負責10至30個組裝步驟，任何一個關鍵環節出現疏漏，都可能導致後續製程良率大幅下降。

其次，部分組裝錯誤無法從外觀察覺，需等到產品進入後段製程或功能驗證階段才會被發現。傳統物件偵測方法難以精準分辨細微差異或連續動作，如「放置後旋轉」、「定位後確認」等複雜操作，導致誤判或漏判風險居高不下。

第三個挑戰是高階人力資源成本負擔沉重。由於流程細緻且錯誤代價高昂，過去必須仰賴現場主管親自巡查或反覆觀看影片確認，大幅佔用管理人力，每位主管往往僅能監看一至兩個工站，嚴重限制管理效率。

導入生成式 AI 與大型模型  建構智慧製造現場的動作辨識中樞

針對痛點，百威雷科技決定引進大型AI模型技術，讓系統看懂產線人員的動作，主動判斷是否違反標準作業程序，這是以往判別式模型無法達成的部分，並且透過生成式AI補足難以大量收集的罕見錯誤型態。

該公司先前已建構完整的模組化系統，涵蓋大型語言模型（LLM）用於操作語意理解、視覺語言模型（VLM）協助即時辨識作業畫面、Video-based多幀推論模組分析連續操作邏輯、Diffusion Model生成模組等核心技術。考量到部署的需求，也開始建構Knowledge Distillation等訓練技術，例如使用Teacher-Student訓練架構。

在國網中心提供的H100 GPU算力支援下，百威雷得以重新訓練整個大型模型，或進行多層參數微調，克服本地設備僅能進行部分微調的限制。系統現已支援整段影片的連續推論，有效解決傳統系統無法判斷連貫動作的問題。

百威雷的系統已在台灣兩個實際案場導入，其中包括光罩盒產線，均已上線或接近結案階段。在光罩盒組裝作業中，目前是以判斷式模型輔助分析工人是否正確完成每道標準作業步驟，並於異常時即時警示主管查看對應片段，未來會將應用Video-based視覺語言模型進行更進一步的推論，達到主動判斷的目的，更一步精準地抓出異常，減少使用者需要介入的部分。

在實際應用效益方面，現場主管得以從原本的「一人監看一站」模式，提升至同時監控5～6個工站，大幅節省人力資源，主管無需全程盯場，只需依警示回查，組裝品質更趨一致，錯誤率明顯下降。

面對資料稀缺的瑕疵檢測情境，百威雷系統能從少量瑕疵影像生成大量高品質的合成瑕疵資料，有效解決無法取得足夠異常樣本的長期挑戰，進而提升模型在少樣本環境下的辨識準確率。

目前百威雷正積極評估推廣至其他Cell Production製程的可能性，包括與封裝測試廠等製造流程單位接洽合作，這類同樣採用單一工人完成多道作業模式的產線，對標準作業步程序的正確性判斷有高度需求。此外該公司也規劃將系統商品化，以AI輔助作業行為監控系統形式推廣至更多半導體供應鏈夥伴，支援更廣泛的生產場域品質管控需求。

黃子魁表示國網中心的算力與服務，是此次專案成功的關鍵之一，百威雷也期待未來國網中心可提供更多資源、開放更多自定義執行環境與框架支援，讓模型開發流程更貼近產業應用需求，協助台灣製造業建構更智慧、更精準的品質管控模式，為產業升級注入新動能。