應用案例

Linker的Ground Truth服務旨在提供高效、準確且可靠的數據標註解決方案。Linker AI平台具有持續學習的AI演算法技術，能運用人工智慧技術增進自動標註準確度​，減少數據品管成本與整體輸出。平台​透過人工微調整參數，再運用相輔相成的Golden Sample機制，檢驗每次模型產出之metrics數字以確保更好的結果；再把標註好的資料放入平台做訓練，以保證品質達到客戶需求標準。Linker AI自動標註平台大幅提高客戶標註效率，為客戶節省許多時間和人力成本。另外，人工標註容易出現主觀判斷和錯誤，導致標註不一致或不準確。Linker AI自動標註平台利用深度學習演算法和大數據訓練模型，對影像進行更高精度的標註，提供準確的標註結果。再者，Linker AI自動標註平台能提供同時標註多種類型的對象和場景，大幅擴展標註的範圍，為客戶提供更全面和多樣化的數據，用於訓練客戶的自駕車系統，而多樣的標註數據也可以使自駕車系統更好地理解和預測各種交通情境，提高自駕車運行的安全性和適應性。

1.透過人臉辨識持續監控管制者是否為其本人進行量測，以及其心率狀態是否高於個人的常值。 2.生理資訊檢測：員工及會員於居家期間內的特定抽查時間，進行生理資訊檢測 後，上傳該隔離者的生理資訊量測結果。

機器人流程自動化（RPA）是一套軟體自動化機器人程式，可以用來模擬人類在電腦上辦公的作業流程和行為，且不需經由特殊的硬體設備，即能將這些重複且枯燥的電腦桌面作業程序自動化。 RPA可以全天24小時待命，不僅可節省作業時間，讓企業將人力投資在更高價值的工作上，並降低人為出錯率

本產品專注於研發智慧加護病房(ICU)核心技術，將重症照護流程最適化用以提升醫護工作效率，作業環境無紙化，可降低整體醫療資源支出。經由自動化蒐集和整合醫院電子病歷紀錄與各項儀器之生理數據，進一步進行分析，並以人工智慧技術預測高風險重症病人相關之合併症與併發症(如:敗血症)。除此之外，我們的產品還支援遠端重症ICU照護，可提供遠距多點監控之重症照護服務，有效地解決全球重症照護人力資源短缺問題。

1. 利用先進AI技術快速完成檢核，自動識別並標記文中的違規風險。 2. 每個違規警示均連結相關法規和裁罰案例，節省查證時間。 3. 系統自動更新法規和案例，免去手動整理的需求。

Dataset Acquire資料匯入整合管理、Dataset Reprocessing 資料前處理與作業、Dataset Understanding資料理解與分析、Data Labeling資料標記輔助系統、Model Generator模型設計、Auto deployment自動發佈模型

市中心舊城區第二期路網壅塞告警機制與路網動態號誌策略，主要範圍包含成功路(含)以南、府前路(不含)以北、金華路(含)以東、北門路(含)以西，透過影像式自動化路況偵測系統、路網動態號誌策略，達到道路即時監控、動態控制及增進道路交通運行效率之目標。

NAPA將結合社群平台，提供球友之間共同的交流區。NAPA最大的特色在於智能看板即時協助服務，將能即時顯示姿勢、揮拍速度及力道更支援3D動作軌跡比對正確度，讓使用者達到快速進步和健康運動之效果。 運動科學化：將球員能力數據化，推廣「科學化訓練加速學習」的觀念，進行有效的溝通協調與姿勢示範。 運動電競化：針對電競運動化的風氣反思，遊戲化的打球體驗促使學生族群擁抱真實世界的美好感受。 運動社群化：社群在時間的累積之下，各自形成風格強烈的生態圈，社群串聯形成廣大的運動城市網絡。

需確保雞隻完整性，以利分切人員能分切較完整的雞隻部位，避免浪費。原先需仰賴人工作業，每日檢查雞隻空掛、斷翅、斷頭、半斷等狀況，檢查完後仍需仰賴人力滕打工時，紀錄分切多少雞隻與各雞隻部位，相當耗時。該客戶因此委請緯謙利用AI訓練辨識雞隻照片，能快速過濾掉不完整的雞隻，並能進行統計與分析，以期能節省人力付出時間。

有許多傳統產業之生產機台大都是封閉式系統，依賴資深的”老師傅”經驗進行機台參數調校，以維持生產順利與生產品質。 然而面臨智慧製造之機台聯網需求，既有機台升級汰換的高額成本大幅阻礙了傳統產業升級的規劃。 因此，此案例透過採用非侵入式感測技術取得傳統製粒機台的電氣信號、振動信號，並使用AI機器學習演算法來建立機台 協助廠商傳統產業建立「生產機台徵兆訊號擷取與連網建置」、「即時生產資訊可視化平台」及「有機肥製造廠區生產智慧化模組」，以協助業者進行有機肥料的品質優化及達到提升設備稼動率並降低生產與人力監控成本

齊料管理精靈可以透過預測供應商交貨模式，讓人力集中處理需要跟催或緊急調度的工作安排，提高準確交貨率，並加入廠內的流程運作特徵，放入模型中做為計算參數之一，以期達到如期齊料開工的目標。智炬科技「智慧製造顧問團隊」加入時間序列等機器學習演算法，從企業原有資訊系統中取出預計交貨、實際交貨、預計檢驗、如期檢驗、預計發料、如期發料等資訊，整理數據之後經過演算，得出高度齊料可如期派工的工令順序、以及具高度缺料風險的工令資訊，同時找出可遞補的派工批，讓生管排程更省力化。串聯即時通訊應用技術推播高風險物料狀況，啟動全員關注料況行動，協助企業降低缺料風險，提升生產計劃達成率，減少低價值溝通行為。

本研究目的在透過一個智慧型的對話式人機介面，以聊天機器人的型式提供投資者評估投資新聞內容的可信度。在技術創新方面，本年度之研究利用語意分析之技術，對於金融商品(股票)所提供的相關資訊的品質，進行信息內容之解析與評價，研究包括新聞內容本身(新聞、 雜誌、研究報告)進行解析,辨別單一新聞消息中：(1) 媒體來源(可能是投顧、媒體、記者)、(2) 關聯金融商品標的、(3) 多空看法(內容對商品未來走勢是否表態)、(4) 對應投資期程(短線、中線、長線)等等。透過語意分析技術擷析過往該媒體來源所發佈之新聞內容，並針對新聞內容預測之結果進行回測，計算出該新聞內容提供者所預測之情報準確度產生一檢驗結果，最後由評價產出系統整合產生一評價資訊，並儲存於系統平台以對話式人機互動方式供使用者查詢。藉此，提供投資人查詢各理財新聞提供者過往的準確度，以作為使用者投資理財之參考依據。本研究之目標在幫助投資人對於新聞內容有一參考指標以加深投資者進行投資決策時之幫助 。

傳統投入大量人力及時間成本的人工巡檢方式，已無法因應高頻率與成效式的道路養護作業需求，因此，使用人工智慧演算法建立道路鋪面破壞辨識模型，透過攝影機與車機系統達成即時邊緣運算，並同步回傳影像與空間屬性於雲端品管圖台。

(1)初始透過訪談產業專家確定預測需求及影響產品銷售預測之關鍵變數(例如季節，品項大類，淡旺季..等) 。 (2)進行資料擷取、資料清洗、資料整理與資料整理等前置程序。 (3)而後基於數量分析流程，進行描述性統計分析、相關性分析等步驟，以確認變數及其關聯性。 (4)透過銷售預測的模型建立，直接成效反映在備料精確度及人員溝通效率提升，並提升初次合作的高質量客戶滿意度，達成高需求量判斷兌現率。 (5)模型曲線置入缺料預警戰情，提早指示/警示/預警，以報表/移動平台/戰情看板/即時通訊軟體…等呈現，拉動供應商，降低無效追料損耗。 (6)資料來源為ERP/MES，銷售預測與排程系統整合，動態模擬調整庫存水位，因應少量多樣需求，降低庫存呆料， 滿足達交，體現企業提升毛利。 (7)數據歸納出模型後，不需大量，也具參考，只須持續數據量與驗證，提高精準度，強化企業體質，降低人為干預，以數據智能面向市場。 (8)數位優化/世代交替/新冠疫情過後，客戶及供應商重新洗牌，產業高值轉型，跨足新市場，爭取新客人，都須仰賴數據驅動思考變革的方向。 (9) AI 銷售預測可以應用於ODM/OBM/自有品牌製造業。

利用AI大數據分析幫助零售商從POS海量交易紀錄中，了解形形色色的「消費者購物籃」組合，以建立更好的消費者購物體驗，提升公司形象與業績，成為具備智慧零售元素的公司。達成以數據驅動(data driven)的新營運成長目標！