AI 大數據應用

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

(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。

"結合業者 POS 銷售紀錄及會員資料，經處理及轉換後儲存至數據匯流平台，並利用資料探勘（Data Mining）或人工智慧（AI）、機器學習（Machine Learning）等技術，找出數據中潛藏之訊息，進行消費者輪廓分析模組，洞悉顧客真實需求，提供決策者及行銷人員進行決策分析或預測。 而可針對互動頻次最高的裝置與消費者溝通，如 Line@，進行高效互動，優化互動通路中的互動內容傳遞與準 確推播、提升轉換率，以完成「智慧化服務系統」分析層之建置， 以便利群聚業者可運用系統服務，並將消費數據共享予群聚成員。"

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。

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。

現今各產業皆導入自動化與資訊化技術以便提升產線效率、增加產能與效益，而工業物聯網亦是近期火熱的議題之一。由於工業物聯網環境擁有大量且多樣的聯網機械設備與機台。因此也面臨了盤根錯節的管理機制與資安議題，如何有效偵測甚至預測設備異常情形將是一大挑戰。所以，三甲科技便與製造業者共同執行一人工智慧研究專案，以機台內海量的系統稽核數據紀錄為樣本，經過彙整、正規化、分析、訓練等一系列處理流程，建立所屬的運算模型，爾後反覆校正其準確性，藉由不斷地調整使之趨於安定。接著，我們客製化系統協助業者導入偵測機制，結合文字探勘技術從滿山滿谷的數據中查找出特異的物件，也就是異常的製造單元。另一方面，針對員工操縱設備時的互動影像，加以分析、辨識，發掘違規狀況並加以警省，降低異常操作所衍生的風險。最後，我們藉由人工智慧分析判斷細微的設備異樣與操作習慣，使權責人能盡早察覺以提前應對，降低風險衝擊，進而提升運作穩定性。

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!

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。

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。

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。

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。

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。

利用AI大數據分析幫助零售商從POS海量交易紀錄中，了解形形色色的「消費者購物籃」組合，以建立更好的消費者購物體驗，提升公司形象與業績，成為具備智慧零售元素的公司。達成以數據驅動(data driven)的新營運成長目標！

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。