應用案例

利用智慧服務型機器人Ayuda人工智慧能力，進一步延伸至防疫需求，研發小型機器人及防疫機，降低成本及提供多方面功能，讓客戶有更多樣式選擇，此外也研發大小機器人協同運作模式，由小型機器人體温偵測及口罩偵測，由大小隻機器 人協同執勤，小隻機器人偵測異常由大型移動式機器人負責阻擋。

透過線上平台的學習，搭配AI技術的科技力量，打造屬於數位智能學習的環境，讓使用者更輕鬆、更簡單、更有趣。

在企業數位化轉型的過程中，知識中台已成為提升企業競爭力與營運效率的核心技術。透過LLM（大型語言模型）技術，知識中台能夠進行語意判斷，理解使用者需求，並透過智能互動引導目標，完成各類任務，確保企業內部知識的有效運用與流通。

AI避障功能特色在晶片成本增加US$1的狀況下，換成RGB sensor以及DeepMentor收集的dataset後，運用微型化大型AI Model並保有精確度，能精準計算距離及物件辨識，大幅降低False Alarm。 亦保有銜接Tof的架構，擴充性可利用其拉類型Sensor fusion，閃避其他的障礙物。

生理量值例如生命徵象，其中包含體溫、血壓、脈搏、呼吸、血糖等為居家照護每日必須量測數值，是長者身體狀況定期追蹤之指標，而生命徵象的異常更可作為後續衍生疾病的預警資訊。智齡科技透過合作照護機構蒐集之高齡者生命徵象歷史資料，進行分群（Clustering）與離異值分析（Anomaly detection）找出各分群群體的離異值，來設立每個群體的異常值判斷模型。此外，因生命徵象資料屬性為非均質，且具時間相依性高、資料數量大、個人化差異性顯著，故需要可持續學習新進資料的人工智慧技術，如以RNN (Recurrent Neural Network)、LSTM (long short term memory)來分析生命徵象時間序列。後續可透過每位長者的資料量持續累積，以建立個人之異常值判斷模型，提高適用至個人之模型判斷準確率。當異常值警示出現時，可透過資料庫中各種量測數值的變化軌跡，提供照護者與家人其對應的照護措施與衛教資訊提醒，掌握照護實施的黃金時間。

(一). 計畫緣起 A. 廠方面臨問題： 1.製程日益精密、客戶要求全檢、量測產能已達上限 2.製程不穩定無法進行有效控制 3.首批需要投Dummy片驗證，需耗時半天 4.Layer量測難度大(破壞性檢驗)，無法全檢。 B. 執行步驟： 執行與整合步驟為： Step1. 建立AVM系統：完成100%全檢目標 Step2. 整合SPC系統：將AVM預測結果整合廠內SPC系統 Step3. 整合Alarm系統：將AVM預測結果依廠內Alarm 原則整合廠內Alarm系統 Step4. 整合Scheduler系統：建立智慧化抽檢機制 Step5. 整合當站製程：進行Feedback Control Step6. 整合後站製程：進行Feedforward Control 。 其中，Step4. 整合Scheduler系統：建立智慧化抽檢機制，需考量9項實務整合因素如下： 1.抽樣比例 2.機台穩定性 3.機台資料異常 4.AVM 模型狀態 5.預測精度水準 6.量測異常 7.產線排程穩定性 8.狀態改變: 調機或清機等。

透過機器學習方法建立刺繡圖案資料的AI模型，透過深度學習(Deep Learning)的方式使機器能做出相對應的判斷，實現可即時前處理與特徵萃取並進行圖案辨識之「刺繡圖案AI辨識引擎」。

隨著電商的蓬勃發展，平台上的商品數量日益增加，消費者對於搜尋商品的效率及瀏覽體驗要求越來越高。然而傳統電商平台在商品搜尋上常面臨搜尋範圍有限、標籤不精確、個人化推薦不足等問題，導致消費者難以快速找到所需商品，進而影響購物體驗及轉換率。 為了解決上述痛點，意藍使用先進的人工智慧（AI）技術，並結合語意分析與個人化推薦系統，全面提升商品搜尋和標籤管理效率，賦予商品具有使用者搜尋意圖的標籤，從而優化用戶體驗。首先我們提供關鍵字與標籤搜尋服務，並搭配商家客製的搜尋排序，以提高資料搜尋查找效率與商品曝光率；同時，針對使用者行為和興趣，提供精準的個人化商品推薦，提升用戶的購物轉換率。另也提供商家自定義排序功能，根據商家的優先級和策略進行商品排序，增加商家商品的曝光和銷售。

紡織業面臨疫情衝擊，遇到生產端斷鏈及需求端緊縮的危機，終端銷售廠商為了降低庫存，除了加急訂單，亦增加微型訂單的數量，紡織業生產端廠商必須提升效能以應對衝擊，提高議價能力。利用AI主動式產品推薦服務，將客戶採購行為進行分析後，再整合歷史銷售資訊、產業趨勢、布種關聯與客群型態等，利用演算法找出最佳的銷售分群資訊，提供業務銷售前參考，以提升業務觸及。最終精準命中客戶需求，提高成交率，進一步提升公司的營業銷售額。

Openfind 致力於企業溝通及安全領域二十餘年，避免敏感信息的外洩，內容稽核已是企業資安不可缺的一環。有鑑於企業導入稽核流程後，因現有技術大多只針對檔案文字內容處理，但訊息溝通並非僅限於文字而已，圖片、音檔、影片中其實也蘊藏著許多重要的資訊，以往在實務上只能將特定格式的檔案攔截留置，後續再採用人工查核的方式逐一審查，因此耗費大量人力且造成訊息遞送的延遲。Openfind 採用 AI 深度學習(Deep Learning)來處理非傳統文字的信息內容，輔以自然語言理解技術 (NLU) 來識別溝通內容意圖，可以有效的做第一線的判讀，可節省大量審核之人力，提升審核精確度，並加速信息的遞送速度，解決了現今企業的一大難題。

FaceMe® 是專為邊緣運算裝置 (Edge Computing) 設計的臉部辨識引擎，支援Windows、Linux、Android和iOS等主流平台。透過跨平台支援的軟體開發套件（SDK），無論是軟硬體開發商或系統整合商，皆可依據需求和應用場景，快速將高精確度之人臉偵測及辨識功能整合至各式產品或服務。可協助智慧零售、智慧城市、智慧金融、智慧家庭、智慧辦公室等AIoT解決方案，快速導入臉部辨識功能。 訊連科技 FaceMe® 臉部辨識引擎，以高達98.5%的正確辨識率，低於百萬分之一的認錯率，在全球知名的MegaFace Challenge及美國國家標準局 (NIST) FRVT 1:1 中，名列全球頂尖臉部識別技術之列，更為兩項競賽中排名第一的台灣廠商。 FaceMe®主要功能包括：臉部偵測、臉部特徵點定位(多達106個特徵點)、臉部辨識(提供高達98.5%辨識率/ 百萬分之一誤認率)、臉部特徵擷取(年齡、性別、情緒、頭部動作及臉部表情)、2D及3D防偽(可避免使用相片、影片假冒身分)。

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。

聯瑩工藝企業有限公司導入四軸與五軸單工位自動拉膠機，並以有創科技之AOI/良率最佳化之影像識別系統透過客製化圖稿設計，能均勻繪製於立體塑膠製品表面，呈現多樣化立體與平面飾紋效果。同時，由智慧化設備運作，可完成多組重複網格線的精密圖樣，且已將間隔誤差控制在1公分以內，大幅提升產品品質穩定度與製程精準度，達成提升自動化、降低人工作業誤差及強化產線智慧化的目標。

昱峰以智能大數據科技(AI+BIGData+Technology)的核心能力，引領晶圓製造業進入智能決策新境界。昱峰團隊曾在半導體晶圓廠有24年經驗，橫跨製程，產能，良率，產品設計，IT各個關鍵領域。並投入14年的實戰經驗以智能數據分析能有效定位製程上各類問題，並幫助晶圓廠創造百億以上的績效。 在全球晶圓產能持續升高之下，我們該如何在這波產能擴增中勝出。另一要關注的趨勢是，各大晶圓廠在微縮製程的追逐，暫告一個段落，轉向在利基產品上聚焦。在此趨勢之下，要在原本的產能製程技術上，想要有突破性的成長與改善，投資非常巨大。AI+BIGDATA給我們指引出一條新的路徑。

MARS 基於關鍵設備的時序數據，自動建立異常識別模型，即時產生健康度/相似度曲線與重建誤差，在設備效能出現偏移的早期（可提前數天至數週）發出預警。系統同時提供關聯測點排序與根因推論、Web 即時監控與知識管理，協助現場快速定位問題、安排維護，降低非計畫停機與產能損失。功能內容包含：★「多變數時序建模與異常偵測」：非線性分析、健康度/相似度曲線、重建誤差監控。★「自動化與少程式化（No-Code）建模」：互動式資料清洗、設備屬性視覺化配置、一鍵部署。★「關聯與根因分析」：關聯測點排序、單點「實測 vs. 預測」對比、事件時間軸比對。★「資料整合與即時監控」：連接 PI/AF、即時 Web 監控面板、告警治理與知識管理。★「MLOps 與模型治理」：版本管理、再訓練與回訓、門檻管理與效能追蹤。