AI 大數據應用

(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。

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。

AI 企業助理串接企業內部人力資源(HR)、ERP、財務與訂單管理等系統，一站式整合所有工作資訊，協助IT、HR團隊第一時間回答來自全公司的問題，一站式整合所有工作資訊，讓員工在對話中提升生產力，目標，加速由外而內、全方位的業務數位轉型。

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。

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

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。

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。

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!

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。

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。

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。

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。

透過淨水場上游水質監控預警機制，避免水源濁度超標導致淨水 設備癱瘓，進而確保淨水場穩定供水。本公司於淨水場上游，以 RNN 架構建立河川濁度預測模組，由歷史雨量、水位與濁度，每 十分鐘一次滾動預測未來六小時河川濁度。

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。

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。