AI 大數據應用

我國針對自然水體之監測始於民國65年，初期監測重點在於河川水體之水質，直至民國82年及91年才開始針對水庫及地下水水體執行例行性之監測。截至目前為止，台灣現行之水質監測方式仍多以人工採樣後送實驗室檢測為主，然各水體之水質監測作業乃由各機關依執掌辦理，囿於各機關監測水質之目的不同，往往監測數據缺乏一致性規劃或持續性維護，部分資料格式不相容、資料品管或精度不一致等因素，導致額外耗費人力、成本於確保資料格式轉換及內容正確性，限制了資料的流通及應用。本計畫在林正祥環工技師的多年現場診斷顯微觀察下，獲取非常寶貴之指標性功能微生物影像資料，將此藉由AI的輔助，對自然水體之診斷與監控，將發揮控訴即時之功效。

【蛛思CHOOSE】專注於將無法透過人工處理的海量網路新聞與社群輿情，藉由人工智慧整合分析的互動式圖表呈現，搭配探索行為的介面設計，協助使用者在有限的時間完成網路輿情資料收集、輿情風向趨勢觀測、對手輿情佈局比較、潛在輿情悶燒預判等活動。藉由藍星球資訊所開發的網路輿情偵測自動化模組、透事中文探勘分析系列模組、互動式圖表操作設計模組等三類模組的創新整合，使本服務能為廣告代理商、媒體代理商、公關代理商、品牌顧問、各企業與組織的公共關係部門或媒體事務組、政治幕僚，提供提案談資輿情資訊、活動企劃發想脈絡、網路行銷曝光監測、公關形象輿情回饋及輿情危機警示預判，一次解決資料蒐集、彙整、分析的工作流程。

卡洛地專注雲端及 AI 技術的研發，是微軟的金牌代理商，也是台灣最早取得 4 張 Advanced Specialization 認證的公司，卡洛地創辦人 20 多年前創立恆逸資訊，是國內最多企業主管與資訊人員首選的教育訓練中心，技術協理蘇國鈞在資策會教研所服務 20 多年，卡洛地的團隊擅長將最新的雲端及 AI 技術人帶入企業應用，並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 相關服務與當紅的 ChatGPT 應用課程，有實體教室及線上開課的形式。

(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。

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。

電商企業因其主要透過線上銷售，不直接與客戶面對面接觸，顧客主要在 線上與客服進行文字交流，這會產生三個問題，首先是客服難以量化管理，其 次，不同客服人員會有不同的事件對應方法，最重要的是，客服透過主觀意識 判斷顧客的情緒，與決定處理的方式。 本系統能自動根據顧客的文字與其過往消費行為，進行事件緊急程度的分 類，也可以由系統基於提高滿意度為目的，給出一個建議補償範圍或需求引導， 取代過往發散且主觀認定的處理方式。

天心天思集團旗下分公司天勳資訊有限公司，著力於ERP系統已有十九年的時間，跟著天心天思團隊的AI知智慧團隊使用最新AI深度學習，設計企業的戰情中心，跨平台、跨資料庫整合ERP數據，透過參數設定及智能學習，提供決策者需要的資訊。 除戰情中心之外，更發展雲端智慧系統包括Linker+智慧平台、T-Boss移動商務、PDA行動條碼等提供管理者多變的需求及隨時隨地、隨心所欲的應用，AI製造、AI物流、AI行銷等議題生了企業的競爭力。

透過服務設計的介入，提供完整以使用者為導向的設計規範，不單僅以現有問題解決為主，而是透過四大角色象限: 管理者、生產員、品檢員與客戶，進行以服務設計流程全盤規劃統籌並導入技術應用的思考方式。透過實地觀察、用戶訪談、用戶旅程地圖以AS IS-TO BE的方式展開，實際挖掘人、機、環三者間的關係並產生關鍵服務需求，導出設計解法與服務藍圖並執行之。 以此為觀點，場域透過智能檢測針織生產數位分析平台，可詳實記錄分析生產參數，針對產線設備與作業人員進行稼動分析，並即時了解生產狀態，透過品質預測，找出影響品質的特徵因子，達到品質監測改善之目標，提供管理者與顧客有效掌握生產進度與品質之生產數位方案。

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。

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。

以人工智慧技術建立「坡地災情預測2.0」模式，透過優化演算法及動態降雨資料介接，提升預測頻率與準確度。與過去版本相比，改良後模型可由原本颱風期間、三小時一次的預測，提升至全年全天候、每小時預測一次，並可針對多種降雨型態進行即時崩塌災害風險評估。

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。

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

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

分析領域的領導者SAS為企業提供兼顧「大量選擇」與「有效控管」的AI開發平台，是更具整合性的企業級分析環境。該架構強調開發AI分析所需的企業級平台特色，包括： 「統一化平台管理／集中式分析協作／企業級AI特色／兼容開源／模型管理」 並兼顧模型生命周期的完整性，從資料存取及準備、模型建置，乃至模型的部署及追蹤等，都在同一平台上流暢操作，進而快速獲取分析價值。