良率是每一家製造業最頭痛也最重要的問題，數據實體系統（Data-Physical Systems，簡稱DPS）可以基於工廠生產機台設備產生的大量數據建立AI模型進行製程良率的監控、預測、模擬，不僅可以在良率即將出現問題的異常狀況發生前提出預警提早通知操作人員，並能夠對生產過程進行可視化模擬預測找出最佳的製程參數區間，給予操作人員進行參數調整的智能處理建議，進而達到提升工廠生產良率之目的。鼎新電腦的「大人物」部門具備研發整合「大數據、人工智慧、物聯網」各式應用的能力，能夠為企業分析需求並量身打造適合的人工智慧應用。數據實體系統（DPS）是利用機器學習與深度學習分析ERP、MES和物聯網等系統收集機台設備產生的大數據後建立AI預測模型，協助企業完整掌握生產現場的過去、現在、未來，進而創造更大的營運效益。
檢視內容AccuNix系統共含三項技術服務，分別為： 1.Accu-Track 過去，提供大數據、用戶360度輪廓分析等服務的廠商多來自國外，因此較難落地與在地企業對接。Accu-Track提供蒐集、整合數據服務，企業能將CRM系統、傳統ERP數據、庫存與帳目、使用者行為數據等不同系統間的資料加以彙整與串接，藉由統整後的視覺化圖表，讓用戶能更輕易解讀行銷數據，進而應用、調整未來的行銷策略及營運方針。 2.Accu-I Accu-I為智慧對話式的商用服務，同樣支援常見社群平台，如Line、Facebook和WeChet，但與既有Chatbot服務不同點在於，Accu-I不只做行動載具和社群網站，它同時也支援跨渠道的行銷策略，協助客戶將社群與既有官網、App整合，同時藉由自動化任務部署，24小時發送內容。除了腳本式對話外，團隊還將這項服務結合AI，運用自然語句訓練(NLP Training)、影像辨識等技術，精準提供消費者所需資訊，使得企業在跨溝通平台對話商務和數據搜集之間能完成有效整合。 3.Hitshop AccuHit執行長林庭箴表示，許多企業無心搭建雲端系統，主要原因在於與IT系統串接困難、過程耗時費力。於是，團隊投入雲端搭建服務，協助企業打造自己的行銷雲系統，為企業有效節省開發的時間與成本。
檢視內容透過AI 銷售員，讓使用者能以說話或打字的方式諮詢，詢答關於售前商品、售後使用、服務及相關權益等內容，只要講一句話，透過即時語音轉文字的功能，幫客戶找到答案並回覆；更能舉辦線上活動，推廣新商品及服務內容，促進客戶、用戶與品牌的互動率及黏著度；最後能將用戶的發話、互動內容轉化為可分析與應用的數據，提供更即時、精準而優質的客戶服務體驗及速度。
檢視內容因應彈性化製造之生產趨勢，製造業需要導入AI以快速學習適應不同的生產需求。AI自主學習機器人是未來製造業邁向AI時代的關鍵技術，目前工廠導入視覺機器人必須仰賴演算法工程師針對不同工件調整參數來達成任務，造成換線/任務耗時耗力。工研院以深度增強式學習(Deep Reinforcement Learning，DRL)為基礎，研發自主學習之AI機器人夾取技術， 簡單、易用，補足勞力需求。本技術之特色與創新包含: 1.機器人自主嘗試學習，減少人為介入，讓換線能夠更加快速、有彈性2.以DRL技術提供更快速、更穩定、更精確的訓練機制3.結合機器人模擬軟體，大幅減少整體學習時間與實體嘗試的次數
檢視內容現今品牌往往需要花大量時間了解社群上的熱門議題與追蹤時事來製作行銷文案、廣告企劃等行銷策略。本服務使用進階社群爬蟲，從社群廣大的資料中透過人工智慧技術抽取知識點，並運用知識圖譜技術視覺化關聯度，能協助客戶迅速的了解議題的擴散軌跡、熱門話題間的關聯、話題與帳號間的討論關聯等資訊。
檢視內容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。
檢視內容在分秒必爭的產銷協調過程中，食品業者時常面臨供過於求造成浪費，或是供不應求錯過商機的情況。為了解決供應鏈產銷不協調的問題，Decanter AI 提供快速、易用、準確的自動化機器學習引擎，協助食品業者進行冷藏食品出貨管理，達到精準掌握終端消費市場的需求。此外，透過直覺的圖形化介面，Decanter AI 讓不具資料科學背景的 IT ⼈員，或是業務單位中不具編程背景的採購經理都能輕鬆操作，讓企業迅速建立精準的 AI 模型。
檢視內容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。
檢視內容在智慧政府應用中，以AI人工智慧第一線解決民眾問題已是最新趨勢，透過民眾資料庫系統整合和AI應用來達成更便捷和準確的資訊提供，並透過AI智能客服在最前線高效服務民眾，像是針對停車場資訊查詢、交通票價查詢、罰款繳納、疫苗資訊等民生議題，24/7全年無休全天候服務在地民眾需求。 人工智能公司的『Q比智慧服務機器人導入解決方案』，採取最新的人工智慧Deep Learning 深度學習技術架構，可交互式問答多輪對話能力，自動學習問題類別，進而找到答案，大幅降低人力建置成本，並達到高準確率和廣知識涵蓋率。並在整合文字、語音與對答能力的同時，更能透過自然語意理解(NLP)及人臉、語音辨識，以文字客服、實體廣告機，3D智能機器人與民眾輕鬆互動對話交談，讓民眾在對話的過程當中，更能快速了解民生相關服務資訊。
檢視內容利用安裝於工廠產線或各種戶外嚴苛環境的工業等級的 ToF 與stereoscopy 3D相機擷取大量2D與3D影像，經由立普思團隊特殊的AI機器學習演算法與大數據整合，可有效識別並重建各式物體在3D空間中的相關位置資訊，配合立普思獨家的硬體加速與平行處理功能，可實現高禎率即時物件與人形識別，可廣泛應用於工業4.0、智慧零售、智慧農業、健康照護、安全監控等各種不同領域。 立普思的製鞋自動化方案同時整合了2D與3D機器視覺、手臂控制、電漿噴塗、與機台控制等，能有效取代傳統製鞋業的人工步驟，同時藉由單隻或多隻 2D/3D攝影機，透過影像拼接 (image stitch)方式，將物件全方位掃描結果搭配AI深度學習的自動路徑規劃，直接控制機器手臂帶動電漿噴頭，以精準的法向量覆蓋鞋底全表面進行噴塗，相較目前大多數使用線雷射掃描的方案有更快的整體反應速度，同時也更具價格競爭力。立普思的VGR (Vision Guided Robotic) 方案目前已成功導入製鞋生產，此技術同時也可應用在各種相關產業，或是搭配立普思的其他AI應用如人臉辨識 (Facial Recognition)、人流計數 (People Counting) 、身形辨識 (Pose Estimation)等。
檢視內容光學膜製膜裁切時，需由人員針對AOI照片一張一張分類，避開不符規格的瑕疵進行裁切，人員進行瑕疵分類時耗費大量時間與人力。我們設計了一套含有標記、資料前處理、訓練以及模型佈署預測功能的系統平台，人員只需上傳瑕疵資料，並到平台上標記瑕疵類別，系統平台利用卷積神經網路(convolutional neural network, cnn)進行訓練與分類計算。並回饋訓練成果與準確度，提供一鍵式模型佈署，將模型佈署到平台中，人員就可以利用佈署的模型進行預測分析，根據分類結果繪製裁切瑕疵map，人員即可根據瑕疵map建立裁切規格，進行裁切分調，並且有效的將A級率從69%提升至90%。
檢視內容我們採用了最新的深度學習技術和索引搜尋演算法建立一個新聞推薦系統，並且透過UI的設計，媒體可以很簡單的建立自己的profile，接著上傳自己最近的一篇新聞和目前所關注的關鍵字，之後平台會推薦出數十篇相關的國外新聞文章並包含摘要。媒體可以從這些資訊快速了解到國外的趨勢，寫出具廣度的專案報導。
檢視內容透過AI多變數分析應用之技術，可以對水質進行更精確的監控與分析，實現更高效的水資源管理和處理過程。AI系統將自動調整處理工序，以應對不同的水質變化，確保出水質量滿足安全標準，同時提升水質穩定度，避免原料(藥劑)浪費。本案採用新鼎自行開發之人工智慧運行平台產品Mr.OPX(智能維運及製程優化平台)，透過平台和再生水廠DCS系統串接，進行資料即時收集，並透過模型管理功能，有效的進行模型運行及維運，也透過視覺化分析介面，提供操作員即時的AI指引，協助操作員提前進行加藥調控，從而提升操作效率並實現最佳經濟效益。
檢視內容本公司將AI語音評估導入英語數位學習平台，提供學習者英語自學與英語口說練習，並提供教學者透過平台取得學習者之AI語音評估學習成果，透過數位學習平台填補英語口說的練習缺口，以強化英語教學者與英語學習者對口說訓練的需求。
檢視內容