AI 服務應用

自動化分揀倉儲決策AI系統結合大數據與智動化科技，研發以預測、快速反應為基礎之AI倉儲軟硬體解決方案，AI in Edge 架構結合揀貨路徑規劃技術、儲位配置技術需求預測與庫存調度技術，整合物流貨品標識影像處理系統、國產化自動化分揀系統設備建置智慧物流Total Solution。智慧科技精準預測、最適儲位規劃、最佳揀貨排程，解決電商倉儲品項上萬、出貨急迫、人力時間不足，導致企業營運受阻問題及仰賴國外昂貴系統之困境。工研院服科中心採用 Variation Auto encoder 之無監督學習模型，結合「事前資源調度」與「人工智慧指揮引導」發展漸進式動態儲位配置調整技術，以遞迴式類神經網路、線性回歸模型、EIQ分析、深度學習、邊緣運算建立倉儲決策AI支援系統 ，協助解決EC物流中心缺工、爆倉等現象 ; AI in Edge 架構優化進貨、入儲及揀貨效率及空間利用，節省EC物流中心30%工時、50%人員移動距離與12%成本，自動化分揀系統與包裹辨識系統，快速滿足B2B、B2C等多型態出貨需求，目前已成功導入宅配物流業、EC物流中心、連鎖型超商…等國內相關業者。

現階段產品應用，進行球員、移動軌跡、執行戰術、得分與否進行辨識，將蒐集的數據整合進儀表板，提供教練團進行訓練規劃。遠期產品規劃，使用於正式比賽，即時串流影像與辨識，與賽評或實況進行搭配，與觀眾進行互動。

智能化麵包辨識系統有效解決結帳人員記憶、辨識、計算成本且提高結帳的正確率，讓結帳人員和消費者之間有更良好的互動。 雲逵科技的智能化麵包辨識系統是建構於iPad AI POS上，設計上讓使用者輕鬆達成-智能、敏捷、輕巧、快速、準確、穩定、決策的目標。 在使用上-使用者可利用iPad AI POS 的功能將麵包裸裝及包裝的圖像拍攝後上傳於AI雲，在AI雲收到麵包圖檔後即進行標註->建模->訓練的動 作->產生模型。使用者只需下載模型後即可進行辨識，在進行辨識的同時若有產生無法辨識或辨識錯誤的物件時，可即時在iPad上進行標註， 每次的辨識及標註都會即時上傳至AI雲，在AI雲端會利用這些已辨識的圖檔定時做優化的動作，讓AI辨識變的愈來愈聰明，有效提高結帳人員 的效率及結帳的效益。

日星鑄字行要進行『日星鉛字銅模復刻』計畫，要將持有的鉛字銅模中之文字轉化為數位電腦字型，再復刻成新的鉛字銅模。字型設計是屬於美的範疇，AI在這個領域雖還不算很成熟，不易直接完成全部設計工作，但在輔助大量生產上，卻能有很大的助益。開發一套中文字型需要設計一萬多個漢字，開發工時需要高達20-30個人月的大工程。本系統採用 AI 與人協作的模式，學習設計師已開發的少量新風格字型，自動產生剩下未開發的字型，再輔以設計師的品質確認與調修，完成整套字的開發工作，這樣可以節省大量的開發工時。文鼎擁有全球領先的漢字技術和造字系統，以及累積了開發三十年的字型資料庫，在現行的造字流程中加入本案的AI輔助造字機器人，可以讓文鼎用更少的時間開發更多種類的新字型，上架到iFontCloud雲字庫來滿客戶多樣的需求。現在重視形象的國際化公司除了有企業識別之外，也開始訂製企業字型，文鼎導入AI輔助造字機器人之後，將可和廣告公司或獨立設計師合作，讓客戶用較少的代價擁有能代表該企業精神的企業字型。

1、BrainBuilder是一個進階語意理解服務平台，結合網際智慧發展23年來累積的自然輸入法大量語意模型及創新深度學習演算法，可建立具備深度語意理解、上下文關聯之連續多輪對話、個人化主動互動、多人溝通協作的企業專屬AI助理，並管理相關的AI助理技能與服務。 2、BrainBuilder建立的AI助理，可做到模擬真人與用戶以自然語言對話方式互動，可用來設計航空業或交通運輸業的語音訂位訂票助理、餐廳或各類服務業的語音訂位助理、零售業的個人化導購機器人、企業內會議預約及後續追蹤的智能秘書、實體機器人的AI互動大腦、IoT硬體裝置的操控對話大腦等。 3、應用案例：中華航空公司的員工優待機票系統、火車來了沒語音助理App、Nuwa機器人、遠傳迎賓機器人、淇譽電子智慧音箱、ibo-office考勤助理… 等，可以搭載在手機App、電腦、智慧音箱、IoT裝置，也可以運用於電話語音系統、網站、LINE平台。 4、提供雲端版、落地版，100%台灣AI技術開發，歡迎應用系統界接整合，為您現有應用系統賦能AI，提供AI助理服務。

(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。

在企業數位化轉型的過程中，知識中台已成為提升企業競爭力與營運效率的核心技術。透過LLM（大型語言模型）技術，知識中台能夠進行語意判斷，理解使用者需求，並透過智能互動引導目標，完成各類任務，確保企業內部知識的有效運用與流通。

滿拓科技提供客製化的 LLM 演算法落地訓練服務及企業資料庫串接， 協助您領先市場推出最具競爭力之專有領域生成式對話 AI 服務， 抑或是實現內部 AI 資料化訓練，滿拓獨家 LLM 自動化訓練流程， 可在高度自動化程序下，用最短時間協助您推出新型態 AI 服務 ，提供從雲端到地端落地部署一站式整合服務，整合了 AI 專家顧問、 AIHPC 技術環境資源、大型語言模型 LLM 開發服務，並且能夠支援在地服務， 滿拓科技願與您攜手合作，協助貴司擁有最符合企業需求及 使用效益之 LLM 產品，搶佔市場領先地位

在企業雲端治理與數據分析需求持續增加的趨勢下，卡洛地股份有限公司為知名建設集團導入CRP（Cloud Resource Planning）雲管平台，整合AI異常偵測與預算預測模型，實現跨雲資源的自動化監控與預測分析。平台具備AI驅動的費用監控、異常警示與自動化報告功能，協助企業精準掌握用量與支出，並藉由Transformer與Graph Attention Network等模型提升預測準確度與決策效率。

於平台資料庫中，客戶可以找到產品的用料需求、輸入關鍵字進行搜尋，並可在關鍵字中，讓其依照布料組織、成份、重量等數值讓其依序排列，進而找到想要的布料圖像資料，也可用以圖搜圖的方式，找到類似紋理，圖案的布片。

在人力資源管理中，常見如請假辦法、報支規範、出勤異常、獎懲制度等問題，若仍倚賴人工回覆，耗時且效率低。導入AI人資代理人後，員工可直接用自然語言進行提問，系統即從內部知識庫檢索答案並提供出處，並依據身份自動帶入表單資訊或流程節點，有效減少人力負擔並提升內部知識流動效率。配合語音輸入與表單導引功能，更能加速流程完成，並形成問答紀錄供未來教育訓練優化之用。

於LINE官方帳號建置「桃園市立圖書館」LINE智慧客服，除了提供讀者快速查找圖書相關資訊外，同時提供個人化服務，使用者綁定身分後，即可管理自己的借閱紀錄等功能。

針對工廠內部工安管理、製程監控、能源使用與資訊整合等問題，導入人工智慧與物聯網技術，建置可即時偵測與通報的智慧監控平台。系統整合現有監視器、中控設備、電力與濃度監控模組，將感測數據與監控影像同步串接至中央平台，打造廠區專屬的主控中心。 在 AI 技術應用方面，系統導入 YOLO 與 Detectron2 等物件偵測模型，辨識人員跌落、水池接近、火災等高風險事件，並結合骨架姿態估測技術提升動作判斷準確度。透過 OCR 技術擷取無通訊設備畫面資訊，讓系統能從老舊儀表板或傳統監控畫面中擷取數值資料，進行即時分析。主控模組支援 Web 與 APP 雙平台操作，提供互動式廠區地圖、即時影像畫面與模組化功能切換，協助現場人員快速掌握各區域狀況。 AI 智慧巡檢工具結合大型語言模型（LLM），可根據現場人員輸入的自然語言指令（Prompt），針對是否配戴安全裝備、是否誤入警戒區等項目自動辨識異常，並以語意推論輔助任務分類與處理。系統每 7 秒自動擷取影像，檢測結果將逐一記錄並標示異常，大幅減少人為疏漏並提升巡檢智慧化程度。

門牌地址與生活密不可分，從郵件寄送、通報資料、普查名冊到現在最熱門的外送服務，都仰賴高品質的地址定位進行服務的應用。然而，地址資料往往缺乏一致性的維護標準，傳統的地址解析方式，難以精確將門牌拆分後成功定位。AI門牌地址定位服務，導入自然語言處理技術(Natural Language Processing)，結合地址正規化(Address Normalization)與機器學習演算法，克服門牌地址樣態複雜的困境，提升地址定位的比對率，大幅降低地址定位所需的資料處理時間。 AI門牌地址定位服務提供單筆或批次地址定位服務，依照地址比對精度的不同，回傳定位坐標，未來規劃線上定位服務，提供使用者更彈性的定位方式。服務應用包括各種產業的決策分析、精準行銷與資料探勘等應用，導入對象包括：政府機關、擁有眾多會員的企業、研究人員與教育組織者。

透過機器學習方法建立刺繡圖案資料的AI模型，透過深度學習(Deep Learning)的方式使機器能做出相對應的判斷，實現可即時前處理與特徵萃取並進行圖案辨識之「刺繡圖案AI辨識引擎」。