AI 大數據應用

AI數據整合 –企業數據中台引擎：結合AI應用與產業數據整合，已導入餐飲及零售業 目前積極與神通電腦集團合作洽談 即將結合該公司力推的Sugar CRM系統串接ERP與CRM之數據，共同打造製造業合用的數據中台。 AI Key in –NLP+OCR導入：以OCR+NLP的方式整合AI，協助燈飾與散熱片製造業客戶，將客戶的訂單與圖檔等文件Training分群 最終再用RPA模擬人的操作將分類好的資料回填到表格中，協助客戶大量節省了60%人工Key in的工作量。 AI 社群分析 –NLP+3D視覺化：以NLP + 自行開發的3D社群網絡引擎，協助客戶建置YOUTUBE聊天室語料分析。

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。

運用演算法找出重要的關鍵字詞及其相關詞彙，並提供API進行加值運用

對於公司經營而言，客戶購買行為的發生，總領先於經營決策的制定，如何扭轉這樣的落後性，本司導入人工智慧來做預測建議，因此，三益制動科技股份有限公司將擔任後台支援的角色，並負責實體電子發票系統硬體的建置，以及軟體系統的維護工作，並透過開立發票種類與產生頻率，先收集客戶消費習性，週期性，季節因素，或是突發狀況等等，制定相對應的商業決策映射機制，也就是說，使用Neural Networks 作為AI 運算核心，先利用輸出入層級結構，與Sigmoid神經元做為驅動函數(Activation Function)，將過去交易的紀錄，當作初始訓練(Training)資料，以得出穩定的權重數Wi (i=0, 1, …)後，再據此映射出-庫存管理建議、製造決策建議、原料供應商管理建議等等。 舉例來說，本公司目前的一家客戶發票量最大類別為：剎車片組, 再則是機油濾清器、和空氣濾清器，因此輸入1~9月份的發票資料後，得出銷售決策建議，較傾向提高機油濾清器的促銷方案! 而下個階段加值，將要擴充整體產品品項 (例如：潤滑油、剎車油、剎車卡鉗零件、油路清潔劑等等)，甚至加入技術服務費用的項目(例如：定期保養維護、道路救援、零件壽命到期通知服務等等)，據此擴大加值服務的寬度與廣度!

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。

傳統上電視監測都是透過人工完成，但隨著電視媒體眾多，如果要監測每一台電視現在的播報內容，便需要大量的人力。而使用人力不但有可能會有資料蒐集不完全的可能性，在通報上與分析上也會變得較不即時。隨著深度學習近年來的蓬勃發展，電腦視覺的應用也變得更加成熟，現在，我們可以應用電腦視覺在人臉辨識、瑕疵辨識等應用用途上，亦可以用於場景文字探勘與文字辨識。因此我們即有想法想利用深度學習結合場景辨識、人臉識別、語音識別、光學文字識別與文字探勘等技術，製作成一人工智慧輔助電視監測系統，這樣方能以最全面、即時的方式監測電視媒體，並分析每天播報的內容，供廣告商與公部門進行參考

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。

卡洛地常年參與由微軟贊助的 Azure 或 AI 相關技術的企業培訓，包含 Azure Analytics 及 Azure AI (Machine Learning、Cognitive Services、Applied AI Service) 課程，透過實作體驗幫助客戶拓展其 Azure 專業知識。在 Azure 沉浸式工作坊 (AIW) 系列中，提供客戶所尋找的 Azure 專業知識和實作體驗，推動對解決方案的需求。 因應今年當紅的 ChatGPT 技術，微軟特別針對台灣製造業大廠設計 Azure OpenAI Servie 搭建 KM 系統的一日 workshop 課程，並委託卡洛地為客戶輔導，此實作 workshop 演示利用 Azure OpenAI 以及 Azure Cognitive Services，整合企業內部數據。

皮托公司自2004年來致力於大數據與文本分析，引領全球人工智慧現況與未來趨勢。提供圖控式操作介面降低資料分析的難度，全部分析步驟從資料匯入、資料前處理、分析、產生可視化報表等皆可在平台完成，打造平民資料科學家。PolyAnalyst具有排程功能，可即時、快速獲得不易取得的隱含資訊、精準策略；且平台整合多種的資料格式：Office、網站、FB、Twitter、電子郵件、Lotus、ODBC…等，可整合現有系統並保留模型操作歷程與知識思維，減少用戶的重複性工作，讓耗時、繁瑣的資料分析流程不再是您的痛點。 平台內鍵AI自動搜尋參數引擎，所有參數可自動由AI決定，並提供自然語言之分析演算法模型，同時與市面上資料分析軟體有所區隔，具備錯誤矯正能力，提供詞關聯、詞量化、文本時序性的功能，提高資料分析品質。另外支援於GIS空間分析、影像辨識，可結合R、Python、Hadoop等，可應用於各產業結構化與非結構化資料，目前已成功導入半導體、鋼鐵業、製造業、銀行業、服務業、政府機關、學校、國家研究單位…等。

養殖蝦苗的生長週期需要數個月，且需要投入大量成本並細心照顧，寬緯科技的水質監測系統能提供養殖水質相關資訊，包含水中氧氣濃度、水溫、酸鹼度等，但漁民難以24小時無時無刻留意水質變化。寬緯科技水聚寶智慧監測提供養殖蝦苗24小時監控數據。我們將進行水質數據資料收集，會建立ORP數據的3-6小時預測分析模型，來進行AI分析與以達成提前預警。若能透過AI工具對未來的水質變化作預測，建立提前預警機制，能提早提醒業主作出應對。

意藍團隊協助國家災害防救科技中心導入AI Search For KM系統，運用生成式AI與自然語言模型建構「災害防救知識問答平台」，自動針對網路社群媒體之災害相關輿情進行擷取，並透過語意分析及搜尋引擎的技術提供網路輿情即時蒐集與災情觀測內容分析，縮短災害發生時的災害相關輿情蒐集時間，同時以完整且系統化的功能進行災害相關訊息分析，協助快速掌握災情現況，落實循證決策、全面提升災害應變能力。

企業常態性面臨數位化管理課題，為了協助企業有系統地蒐集基礎資訊，首先以可客製化的電子表單模組協助企業建立各式企業表單，授權予產業一線人員蒐集數位化資訊，採用敘事型資料結構串聯專案內的人(負責工程師、外包廠商等)、事(任務)、時(專案預定時程)、地(結合現地圖說)、物(實體結構物或工作成果)資訊，利用雲端資訊平台讓企業管理資料。為完成數位化後的資訊應用，將人工智慧技術應用於簡化作業方式或流程、數據分析、最佳化分析、決策輔助等實務應用，輔以產業顧問的服務機制。

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。

(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。

從大數據的資料預處理、AI 模型的訓練、一路最終至 AI 預測應用部署的複雜流程中，企業經常因不同階段所需的異質環境、多種運算架構、甚至跨部門的協作而困擾。透過 Gemini AI Management Console 打造出便利企業組織進行跨單位 AI 專案協作的 GPU 管理節點，協助企業更有效率地從海量資料挖掘出更好的商機。 雙子星的Gemini AI Console能夠幫助IT管理者在單一平台上管理數台至百台的GPU及CPU 伺服器的實體與虛擬資源，並可依據組織分工與AI專案管理需求來進行相關客製化開發，有效提升GPU資源的使用率，更大幅簡化企業導入AI的IT複雜度。資料科學家與AI開發人員可透過內建友善的使用者服務入口，便利地自助式快速開啟大量預載大數據與AI工具的運算叢集環境，將底層運算架構建置化繁為簡，只需透過網頁表單輕鬆點選，即可開啟各種所需的AI運算工具服務，研發人員進而能夠將時間與人力資源專注投入在核心演算法上，加速AI產品研發效率（Time to market）。