應用案例

工研院研發產品品質指標預測技術，與軸承製造大廠T公司合作進行軸承加工產線的線上測試，基於機台電力、加工應變力等大數據，透過智慧分析瞭解刀具狀態與工件品質關係，及時偵測NoGo工件，降低損失。並藉由及時調整抽檢頻率，動態配置檢測人力，使傳統離線且需成品完成後的抽檢改為線上即時的全面檢測。

為提升市民查詢市政資訊的便利性與智能化程度，建置一套智能客服系統，透過語意理解技術與自動化知識庫管理，讓市民可自然語言查詢市政資訊，系統可即時回應並持續優化服務品質。

AI語音智能健康照護語音助理可串接搭配各項IoT感測器，降低照顧人員負擔，亦可透過每日的量測紀錄，隨時注意身體狀況；除智能健康照護功能外，還可陪伴聊天講故事說笑話、更能讓遠距子女遠端同步父母狀況及互動，同時也具備智慧音箱基本生活資訊查詢、聽音樂等，並搭配專人服務，提供細緻貼心的個人客服與精準行銷。 本團隊採用最新人工智慧深度學習(Deep Learning)設計語音智能健康照護平台，透過自然語意理解(NLP)及智能學習，開發文字、語音的識別與對答能力。 搭配團隊開發的核心技術，可整合串接各項IoT裝置、並搭配網路開放資料，創造更多樣化的專屬功能。除了健康照護領域，語音智能健康照護語音助理也可以客製化應用於其他產業服務與行銷應用。

小柿自主研發AI DIP瑕疵檢查機。 適用於波峰銲完的PCBA外觀檢測 可搭載在客戶產線上，也可運用在獨立檢測機台 搭配線性掃描光學模組，完整覆蓋拍攝物之表面取像。 自主研發的小樣本學習瑕疵檢測技術，僅使用10~20張良品影像，即可快速建模、投入檢測，適用於少量多樣的場景，客戶使用小量良品，即可在5~10分快速建模，可自動標註元件節省客戶調整時間，即可立即投入產線檢測。自主研發的AI深度學習技術，可實現PCBA之外觀檢測，例如缺件、極反、錯件、偏移、破損等瑕疵檢出。

人工智慧理財機器人技術結合量化資料如交易資料與經濟指標，質化資料如政策與研調報告，透過深度學習演算法與財務工程理論融合，產生不同股債券市場的Robo市場觀點，如市場投資方向與波動度變化預測等。同時在AI潛力基金分析上，開發基金多樣性報酬基底特徵，並透過多種機器學習/深度學習演算法，產生整體式學習模型，進行潛力基金預測。透過機器人觀點篩選市場並取得市場下潛力基金後，利用馬可維茲現代投資理論進行資產配置與動態重配置，藉此降低投資組合風險，達成AI化投資。

RPA 是企業流程自動化技術，使用稱為數位機器人或機器人的虛擬軟體機器人執行手動、耗時的工作或任務。運用 AI 技術增強 RPA，將業務流程自動化的可能性擴展到任何情境，例如讓認知機器人能夠思考並做出決策，同時在工作中學習，進而成為人類-數位勞動力的寶貴資源。RPA比起一般人力，可做到一週七天不休息的特性(7x24h)。企業可以在非上班時間，同步接收客戶訂單的信件，且將初版資料整理完成，並輸入到系統中。接著來到上班時間，員工可以直接進行檢查與微調，進一步提高訂單處理的效率。透過自動化的訂單處理流程不僅節省人力資源，還大大降低錯誤和遺漏的風險，從而提升客戶滿意度。

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

智合科技的研發團隊 採用最新人工智慧深度學習(Deep Learning) 並結合 AOI 技術, 可進行 不規則形狀物件的品質評估：使用 AI 物件偵測, 然後再透過 AOI 進行 2D 資訊計算, 產生評估數據 例如：農業產品 / 不易數據化的物件 / 非標準品的測量 / 2D 與 3D 的數據呈現 不易測量的物件：使用 AI 的技術, 針對邊緣影像的準確度進行推估, 確保整體的檢測數據的信賴性 例如：高精密度金屬加工物件的邊緣值 另外可透過 嵌入式邊緣計算平台, 進行上述技術的整合, 有效降低整體系統的建置成本

傳統購買蝸牛苗僅能依據人工推估數量(因蝸牛苗細小不易計算)採購，其數量參差不齊，造成買賣之間的紛爭以及財物損失，紛爭事件更是因養殖蝸牛興起，隨時間與日俱增。故，針對國內迅速成長之蝸牛養殖市場，藉由賣家提供之大兩蝸牛物件之照片，建立大數據資料庫，建立影像辨識R-CNN模型，辨識往後之拍攝照片中計算物件個數(蝸牛幼體)，提供之蝸牛影像辨識服務，協助養殖賣家獲得精準蝸牛數量，降低人為預判之損失及紛爭。

結合醫師專業知識與人工智慧分析之人腦與AI雙腦協作，更有效率協助非眼科醫師進行糖尿病眼底影像的病變判讀，免除轉診眼科的不便利，進而提高潛在病患早期發現之比率，減少醫療照護支出與社會成本。本技術提供二項主要功能：1.切合台灣糖尿病共同照護網的病變分級需求：提供糖尿病視網膜病變的五個級別(No DR, Mild NPDR, Moderate NPDR, Severe NPDR, PDR)的分類模型，給予不同分級病患更為貼切的醫療照護。亦提供是否轉診眼科的二分類模型。2.標示糖尿病視網膜主要病徵的位置：國際上目前唯一可偵測四種主要的病徵 (Microaneurysms, Hemorrhages, Cotton Wool Spot, Hard Exudates)，並且清楚標示位置的AI判讀技術，可有效輔助醫師針對病變嚴重程度的判讀。

Labelhub 影像標記管理&自動學習及輔助系統，是專門設計給真的需要建模的人使用，它使用半自動化影像辨識的AI架構，結合人工標記的介面，和能自動生成標記資料的AI模型，搭配十足友善的客製化設計介面，協助解決標記影像工作流程中可能出現的各類問題，例如影像資料管理、人員權限控管、系統資源分配、模型版本控制…等。應用領域包括醫學影像辨識、科技業產品良率控管、製造業工安辨識、安全監控…等領域。

鋼鐵業係屬高耗能產業，據統計顯示，鋼鐵業的能源消費與二氧化碳排放比例在全國工業部門中排名第1位。尤其煉鋼製程中的數種主要加熱爐如電弧爐(EAF)、電渣重熔精煉爐ESR 、真空電弧精煉爐VAR 和真空感應熔解爐VIM等用電量都極高。 其中最重要的在於煉鋼過程中，若全廠用電設備包含前述煉鋼爐若同時投入生產時將導致用電超約，導致鉅額的超約費，造成生產成本的巨大負擔。因此如何配合煉鋼作業同時避免超約罰款，是業者迫切要克服的難題。

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。

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。

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。