應用案例

AR為虛實整合之結果，啟雲科技將AI技術模組化，將訓練模型導入至自有AR系統或廣告平台打造AI人臉動態定位引擎，可即時辨識真人臉部位置、姿態估計的同時，將3D模型準確定位於人臉上，達成AR Try-on之效果。同時模組化臉部關鍵點如頭部、眼、鼻、口位置，分割區域如瞳孔、頭髮等功能，以便因應不同商業模式或品牌端之導入需求作為行銷活動應用。

線上英語機器人提供24小時服務，供各群體學生隨時隨地都能有良好學習體驗，不再受限時間地點影響學習品質。並採生成式擬真回覆，使其與學員互動生動，不同以往呆板制式應答。且將加入CEFR資料，使機器人可依據學員程度不同，給予對應程度等級的對話及文法校正，達到因材施教效果。

透過提高生產現況回饋的即時性，減少不良產品產出之機會並降低假警報，進而優化生產管制上下限； 在設備上安裝控制器, 負責收集資料並回傳至伺服器, 以利遠端監控執行異常維修預測，當預測可能有異常時，即時通知現場人員處置除了定期維修保養外，還可以預防異常維修的情況，則對於產線生產調度增加靈活與彈性，降低待工風險，並能提供排產即時參考與產線平衡管理

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

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。

本公司以農業風險控管數據服務為主軸，結合作物生理模式與自動化AI機器學習分析技術，提供企業客戶悠由農平台，透過研究分析成果和自動演算軟體平台，除可提供自動化農業作物品質、產量及價格波動預測，讓台灣農業集貨商如外銷公司及中大型農業契作公司進行風險控管(如:進出貨調節)的數據服務外，另提供保險公司發展不同作物差異化保險費率商品，以及計算風險指數更精確的依據。

智能即時派車配送系統包含三大核心： 1 需求預測： 可利用過續運送的大數據資訊，猜測未來的運送需求 ，預測在不同時間點、不同產業別、不同地點、... 等等不同情境下，會產生怎樣不同的配送需求。 2. 供給引導： 利用業者過去的大數據，建立初步的智能車輛調派模型，搭配智能需求預測模型，引導車隊往需求多的方向集中與散佈。 (3) 媒合最佳化： 利用業者過去的大數據，建立初步的智能供需媒和模型，配發工作給接單騎士。

鑑識人員在現場採集「可疑指紋」跡證後，必須進行「關係人」或「被害人」指紋排除，避免比中無辜關係人，造成鑑定資源浪費。 本團隊採用最新人工智慧AI 建模協助「關係人指紋」的現場指紋排除，從原本的人工作業變成自動化。

門牌地址與生活密不可分，從郵件寄送、通報資料、普查名冊到現在最熱門的外送服務，都仰賴高品質的地址定位進行服務的應用。然而，地址資料往往缺乏一致性的維護標準，傳統的地址解析方式，難以精確將門牌拆分後成功定位。AI門牌地址定位服務，導入自然語言處理技術(Natural Language Processing)，結合地址正規化(Address Normalization)與機器學習演算法，克服門牌地址樣態複雜的困境，提升地址定位的比對率，大幅降低地址定位所需的資料處理時間。 AI門牌地址定位服務提供單筆或批次地址定位服務，依照地址比對精度的不同，回傳定位坐標，未來規劃線上定位服務，提供使用者更彈性的定位方式。服務應用包括各種產業的決策分析、精準行銷與資料探勘等應用，導入對象包括：政府機關、擁有眾多會員的企業、研究人員與教育組織者。

FarmiSpace 是由大數據分析與AI公司研發的精準農業服務。我們採用衛星監測技術，為農業管理者提供全方位管理平台，實現精準施肥、精準灌溉和病蟲害控制。

受輔導廠商的椰果產品製造流程中，產品封膜完整性是藉由人工抽樣檢查，因人力資源安排與產線速度不慢兩個因素，目前抽檢覆蓋率為2.5%。封膜不良的產品一但出貨，不但造成單罐產品損害，也影響同箱產品、運輸工具的汙損，並招致蚊蠅，對整體造成危害，影響商譽。 另外，本產品是高濃縮加工食品，封膜不良若無檢查出來，且買家也未檢測，可能造成食安風暴，十分危險。 因此廠商想導入AI品管檢測方案，一方面想提高檢測覆蓋率，另一方面也希望AI系統可以準確地挑出封膜不良產品，減少不良品出貨的機會。

MAIA醫學影像深度學習軟體(沐恩肺部電腦斷層影像處理軟體)/MRI標註軟體/MAIA Tabular

AIoT的影像辨識促銷系統SSP主打造虛實數據整合的數位店員，硬體的SSP Edge運用邊緣運算與模型加速技術，讓AI辨識模型縮小體積並保持精準度，以達到輕、薄、短、小的硬體需求，體積不佔空間，適用於鑲嵌智廣告面板後側為數位推播加值。軟體部分，結合AI辨識、邊緣技術與推薦系統，提供實體場景消費者輪廓描繪，追蹤消費者點擊項目與時間，預測並推薦商品給使用者，隨使用次數增加與數據累積，提升推薦精準度，並優化品牌服務。 產品亮點為AI互動掌握年齡與性別辨識，協助品牌進行三階段的導購數位化。第一，招客，當偵測到消費者時，介面釋出對應的行銷語，以達到賓至如歸的吸睛感。第二，推薦，針對不同輪廓的消費者，給予差異化的商品推薦，增加目的性曝光與選擇新奇感。第三階段，數據策略化，經過一段時間的使用與數據累積，根據消費紀錄釋出指定的商品訊息、優惠，品牌行銷將更具風格。 目前顧客為數位化的連鎖、單店品牌、百貨零售、觀光工廠。運用SSP重新改造場域資訊的曝光流程，透過打招呼、資訊重新排版、數據商品推薦來延伸訪客的使用旅程。對於使用品牌而言，依據數據的資訊，能變換更多的行銷手法，快速更動曝光素材，創造零時差的行銷互動新體驗。

(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。

因應全球智慧製造發展趨勢，加速國內高精密光學邁向智慧製造時代，本應用發展能源稼動管理機制依據研拋製程情況，透過遠端監測設備狀態、預知保養，以降低設備人力維護成本需同時收集廠區設備變壓器運轉時之溫度、電壓、電流等諸元，即時提供故障因應對策、變壓器剩餘壽命診斷，從能源資料、設備機台到智慧預警，提出流程改善規劃，以達到整體生產力提升的目的。