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。
檢視內容聯瑩工藝企業有限公司導入四軸與五軸單工位自動拉膠機，並以有創科技之AOI/良率最佳化之影像識別系統透過客製化圖稿設計，能均勻繪製於立體塑膠製品表面，呈現多樣化立體與平面飾紋效果。同時，由智慧化設備運作，可完成多組重複網格線的精密圖樣，且已將間隔誤差控制在1公分以內，大幅提升產品品質穩定度與製程精準度，達成提升自動化、降低人工作業誤差及強化產線智慧化的目標。
檢視內容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。
檢視內容對於公司經營而言，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!
檢視內容