應用案例

基於設備大數據的預測性維護與診斷 AVEVA PRiSM的APR技術 (Advanced Pattern Recognition先進模式識別)，將設備的實時運行數據同其特有運行模式進行比對，發現系統行爲的細微差異，從而對設備可能存在的問題進行提前預警，實現對設備的預測性維護。早於傳統報警系統數天、數周或數月進行預警 傳統的警告方式為設定上、下界限，但PRiSM是以點的周圍來計算，利用演算法建立一個正常的模式，當實際值和預測值之間的偏差超過允許的限制時進行預先報警。

本案例使用視覺辨識銲道的位置和姿態，再驅使機械手臂進行全周銲。同時進行銲接品質之AI檢測，在銲接完成的端板上方架設一台CCD，捕捉銲道的影像，使用訓練好的模型便可立即辨識出端板銲道的各種缺陷和瑕疵，若辨識出有缺陷或瑕疵的端板會發出警示，通知工作人員進行補銲之作業。

客製化程度高的製造業極難採用全自動化製程的工具，因此主要的生產資源往往是可以因應產品變化的「人力」並輔以高效率工具以提升生產力因此形成以人力為核心的「工作站」生產模式，從而形成本案例所稱之工作站式製造環境，透過產品種類、生產製程、訂單需求、生產力等資料確立利用AI最佳化模型及技術尋求最佳生產排程結果。

本案AI瑕疵檢測系統採用模組化AI影像辨識架構，能依不同產線或產品特性快速調整應用模組，例如CNC加工瑕疵檢測、安全帽佩戴偵測等場域皆可靈活部署。系統具備參數化模型調控設計，可依產品規格設定辨識閾值與容許範圍，使用者能於後台即時調整以對應不同製程條件。透過邊緣運算技術結合高速工業相機與Jetson模組，系統可在0.3秒內完成瑕疵辨識與信心值判定，並自動回傳訊號至PLC進行不良品標示。此外，系統具備跨場域資料遷移學習能力，能根據既有標註資料快速微調模型，以降低重複建模成本。導入前提供POC原型驗證流程，讓客戶能於實際產線測試辨識成效與操作介面，確保後續開發更貼近實務需求。部署上採低門檻模組化設計，可透過月租或授權模式導入，提升企業導入意願。系統上線後提供模型再訓練、參數微調與遠端維運機制，確保AI辨識能力能隨產線變化持續優化，達成長期穩定運行與智慧製造轉型目標。

一般企業在導入AI的過程中，往往面臨以下的挑戰: AI 技術人才缺乏、AI模型開發時程過長、AI模型準確度的維持、與現有應用系統的整合，DarwinML AutoML平台是將傳統的機器學習與深度學習模型開發的過程予以自動化，以解決企業導入AI時的困難，加速產業應用AI的發展

智能助手平台可以分析客服與客戶對話內容，匹配出推薦答案，加速客服回答處理；還可以提醒客服適當的話術，增加客戶滿意度，並能提供客戶畫像，幫助客服聚焦識別，挖掘出新機會點。可以應用於客戶服務、業務查詢、業務線上申辦、預約服務等，幫助企業提高服務效率、降低人力成本及新人業務知識學習成本。

金融相關產業為政府高度管理的特許行業，因此，政府制定許多法令用以規範金融業的各種行為，所以，該產業下的公司，必需遵照相關範圍，制定相關公司內規，以確保相關營運行為不會違反法規。然而，相關法令眾多，而且也會因各種因素進行調整。一但，外部的部份法令進行調整，究竟有那些公司內規需做相對應的調整，目前主要還是以人力的方式，進相關的法條比對，曠日廢時。而本公司所開發的AI法遵管理管理系統 ，導入AI的技術，以推薦系統的方式，輔助專業人力，並提供完整的法遵相關電子化流程作業環境。

基於多年累積的零售實務經驗與對市場趨勢的持續觀察，91APP 推出「零售 AI jooii 解決方案」，致力於協助零售業者提升經營效率與顧客體驗。聚焦於解決零售業「人-商品-標籤」的關鍵場景，整合多種 AI 技術應用，包括個人化商品推薦、會員活化模型、購買意圖分析、標籤生成，以及商品與行銷文案生成等功能。透過即時分析顧客行為與商品特性，能精準推薦商品，幫助消費者快速找到符合需求或有興趣的商品，同時協助零售業者提升轉換率並優化行銷資源運用。「零售 AI jooii 解決方案」以穩健且實用的方式提供從商品管理到行銷策略的全面支援，助力零售業者推動業績成長並強化市場競爭力。

生成式 AI 技術（ChatGPT、Claude 等）、資料工程與特徵工程設計、Python／LLM API 串接、資料前處理自動化模組、AI 策略決策支援模型、知識庫檢索與 Prompt Engineering

AI即時監理系統，整合關聯性多面向資料，並以自動化人工智慧機器學習方式進行風險核判。系統可定期更新各因子係數、權重進行風險核判，進一步應用於即時風險偵測，將資料分析至建模，皆以自動化形式進行，節省人力及導入時間，其中包含定期更新資料集、特徵因子篩選、產製優先監控清單並依風險程度進行警示之服務。本系統已實證成功導入公民營機構，有效執行風險監理預警，可大量節省傳統人工監理稽核時間並提早預應，最高可降低成本達73%，以數據分析輔助驅動現有單位決策機制，達到監理最大效能。

SkyREC 與零售品牌交流的經驗中，發現普遍有三大管理問題：第一，巡店時間長，效率不彰。第二，會員制比例不高，無法有效掌握線下顧客資訊。第三，缺乏數據分析團隊，幫助品牌檢視數據、優化決策。 藉由 SkyREC 全方位管理平台，幫助品牌同步掌握質化及量化數據。首先，運用影像辨識，洞察購物旅程 3 大環節，掌握顧客從店外、店內互動至結帳前的行為表現。接著，結合「雲端分析報表」及「Video Focus」挖掘實際影響交易表現的原因，藉以對症下藥。 某知名連鎖電器品牌，推出全新電棒捲並設立門市髮捲體驗區。透過制定員工服務 SOP ，藉此提升顧客體驗度及購買意願。 活動開始後，品牌區主管首先檢視「髮捲區顧客停留率」（停留人次及停留時間），找出停留時間普遍低於 3 分鐘的店舖（因為品牌規定的髮捲體驗 SOP 至少需超過 3 分鐘。）數據發現 A 門市雖位於一級商圈，但停留率不到一分鐘。接著，運用 Video focus 快速查看門市人員服務品質後，發現當顧客接近時，店員卻沒有上前幫助體驗，導致顧客可能不清楚使用方式。以往這些資訊需透過巡店、店舖訪問、銷售資料，才能掌握店舖營運狀態。 而藉由 SkyREC 全方位管理平台，區主管即可輕鬆獲得數據及店舖互動短片，快速了解門市營運並直接對症下藥，節省超過 900% 管理時間。

牧場即時監控與告警、產蛋率預測

以one-class learning之學習架構，導入AOI (Automated optical inspection)檢測瑕疵智慧化發展，在自動化條件下提升產品檢測辨識率，以減少人力工作負重量，包含兩部份工作，一、建立以Autoencoder與self-organizing maps為基礎之瑕疵檢測技術，並完成廠商提供實際AOI機台資料之瑕疵檢測技術測試；二、完成廠商現場機台系統整合與資料介接，將影像資料透過AOI系統之接口導入部署分析技術之邊緣運算裝置，再將分析結果傳回AOI系統中，於介面上顯示瑕疵區域。主要利用python撰寫建立影像辨識軟體，其同時具備了影像前處理功能，例如：高斯慮波(Gaussian Filtering)、均值模糊(Averaging Blur)、中值模糊(Median Blur)、雙邊濾波(Bilateral Filter)且包含分析功能與可提供數據可視化及存儲之後處理功能。使用本分析軟體可直接將原始照片進行進階分析，由預前訓練模型直接辨識產品的相片是否有無缺陷，可調控參數設定靈敏度以及協助執行品管。

AI AMAZE 能將商業知識、服務流程與經驗，轉化為聰明且溫暖的 AI 代理人，應用範圍橫跨六大領域，能深入業務的各個環節：(1)智慧零售與觀光場域： 門市或觀光景點有一個永不疲倦、精通多國語言的超級店員或導覽員。對於來自日本的遊客，他能立刻理解「我想要買伴手禮禮盒」的需求，並推薦最適合的組合；面對品酒新手，他能化身為專業侍酒師，在 1.5 秒內從數百種酒款中，依據菜色與口味推薦最契合的選擇。從 國際展會到地方觀光，AI AMAZE 能打破語言與文化隔閡，提供 24 小時不間斷的個人化服務，讓每一位顧客都感到賓至如歸。(2)智能客服與教育創新： 無論是對外的電話客服，還是對內的教育訓練，AI AMAZE 都能扮演關鍵角色。他能成為第一線的電話客服，處理大量查詢，並在真人客服介入時提供完整的對話摘要；他也能化身為虛擬助教，輔助校務行政、提供個人化學習輔導，讓教育變得更高效、更有趣。

客製化AI迎賓對話機器人系統，可針對公司內部、飯店區域或是其他客製化之資料做處理，且整體系統皆可離線運作，大幅保障資料安全，對於對話式迎賓可以給來賓更加親切的感覺，提升來賓體驗，對於人力不足或是突發性的大量來賓皆有助於緩解接待人員負擔。在公司迎賓機器人上，可以促進訪客登記系統E化，且可以嫁接公司總機系統使系統完整性更高，或是提供電話語音轉接的服務，幫助公司系統AI化。飯店迎賓機器人上可以加入當地資料或是飯店常見問答，對顧客而言就多了一個可以諮詢的服務人員，且機器人通常不會因為疲勞、生病等因素造成服務品質不一的狀況發生，這可以幫助飯店方維持穩定的服務品質。