應用案例

在過去，當我們需要從監視系統中找尋目標人物，例如說嫌疑犯、走失人員或是Covid-19的染疫者足跡，我們需要透過人工的方式，去檢查每支攝影機的每個片段，當找到可以作為證據的片段時，也需要一段段的輸出再交給警方或是相關單位，非常的耗費時間。而現在，當我們有了airaTrack, 全場域人員追蹤解決方案，我們可以在場域的主要路徑上，採用攝影機做及時的人臉擷取，儲存臉部特徵值為Face Index, 當需要找尋目標人物時，我們透過搜尋Face Index以及位於監控系統VMS當中的錄像存檔，就可以快速找到與匯出帶有目標人物的影像片段。aira作為影像與AI的專業團隊，致力於提供整合各產業的落地方案，從演算法、軟體、應用都是由自己的團隊開發，並透過數十年的產業經驗，使用先進的AI技術、相容性高的系統架構，來解決客戶問題。

「DKABio智慧健康風險分析服務」由國內知名生物統計學者鄭光甫教授、資深醫界元老李英雄教授，聯合帶領浚鴻數據開發（Dataa）的AI技術團隊所建立，共投入超過7年時間，運用超過500萬人、資料期間長達20年、超過1億筆的華人健康資料庫，以大數據分析及機器學習技術所建置的風險分析體系， 綜合考量遺傳、行為與環境三大健康影響因素，整合148項生理體徵值、健康生活習慣、體質、家庭遺傳等投入因子，是一個全方位的健康風險分析服務，協助民眾提早在健康或亞健康階段，掌握自己未來罹患疾病的風險，予以事先預防及管理。DKABio榮獲第16屆國家新創獎，目前已針對國人常見的15種慢性疾病/病症提供風險分析服務，並與高雄榮民總醫院、是方電訊「是方i健康APP」及國內知名健檢中心合作。

偉薩科技針對傳統軟硬體架構不足，開發特殊高效能運算領域專用的軟體以及專用處理晶片。解決方案包含針對大數據領域的Apache Hadoop™與Apache Spark™系統，以及針對生物醫療領域的次世代基因定序次級資料分析，提供並行排程、高度平行運算流水線、優化資料運算架構。

受到快時尚及網路購物風潮影響，品牌客戶對即時且準確供貨之要求越趨嚴謹。建構網實智能化製造、生產、銷售系統，以快速反應或預測市場需求，產業供應鏈垂直與水平數位化、智能化，成為全球搶單競爭關鍵。在缺乏即時內外部資訊整合條件下，每次決策都在考驗高層主管的智慧與運氣，常備原料採購時機錯誤就可能導致公司訂單賠錢，生產決策錯誤就可能導致需要空運才能達交，昂貴的空運費即大幅抵銷了訂單利潤。利用基因演算法+資源限制分類，並整合訂單、排程及產能，模擬生產排程資訊提供給廠長決策參考。此一應用可最佳化安排生產，減少瓶頸問題，提高物料供應精準度，減少停工待料的問題。

物流士AI語音助理採用數位客服助理的概念，整合人工智慧、語意分析等技術，協助解決國內物流士離職率高，1至2年資歷的物流士平均占比高達4成左右新手司機因不熟路徑，全程配送時間平均比老手司機多出1.5~2小時，邊開車又要聯繫客戶容易產生交通安全上的問題，忙碌忘了聯繫，收貨人不在又需重複再次配送。DHL採用APP提醒司機最近取貨點及正確送貨地址，縮短50%等待時間並消除包裹送錯地址的人為錯誤，工研院服科中心「物流士AI語音助理」數位客服助理即時追蹤物流士的配送動態，管控中心預先透過數位語音的方式，掌握車輛目前位置與下一送貨地址，先與收貨人進行聯繫確認收貨人可否收貨，收貨人無法收貨變更下一送貨點並即時告知物流士。當路況異常導致配送時間延遲時主動告知收件人，並透過語音或文字，回復貨件動態查詢。每日出車排單時間減少30分鐘；每件貨收件地址查詢時間減少2分鐘每日可節省約1~2小時的查找時間，並可與廠商原有配送作業系統結合，擴充分析的資料區域趟次/貨量/時間窗/客戶商情/配送熱區分析服務。

數位樣布資料建立： Frontier的方式很簡單，紡織廠不用添購昂貴設備，只要用公司裡最常見的事務機掃描布片，三分鐘就能上傳完成。接著再透過雲端上多達12個AI引擎，自動辨識布種、克重範圍、紋路、規格、色號，省去手動建檔的功夫。 AI織布判別： 經由機器學習(Machine Learning)讓其進行圖片特徵資料之辨識及分析應用，AI自動辨識布種、顏色及花型 AI圖搜圖： 於樣品庫中，品牌設計師可以從生活中找尋靈感，依照手邊的現有布樣花色的圖片、照片，利用圖搜圖功能來找尋廠商樣布中相近的花色樣式，讓設計師可以更加直覺便利的從生活中找尋想要的布樣花色。

將人臉辨識、口罩偵測、體溫偵測整合與服務型機器人進行整合，使其在疫情期間可同時進行體溫量測，口罩提醒等工作; 並可依需要發出警訊。該功能除增加相關硬體設備，同時須與人臉辨識，口罩辨識系統進行整合。口罩辨識系統以機器學習方式建立模型，服務型機器人偵測到人臉時以該模型進行判斷口罩是否佩戴，並決定是否發出提醒語音。

本系統提出一遷移式深度學習網路，由X光手部影像判別骨齡供臨床醫師診斷評估，係為全台唯一藉由AI深度神經網路的方式結合手骨X光影像輔助判斷，並將AI診斷結果結合門診系統，可讓醫師經由門診系統按鍵自動帶入到AI輔助報告該系統將透過卷積神經網路模型個別對男性及女性之骨齡影像進行訓練以建立自動化骨齡評估系統。

透過使用者的個性屬性資料分析預測可能喜歡的內容，如從使用者的年齡、性別及過去的流覽紀錄等，當使用者正在流覽文章時，系統將自動分析使用者偏好的類型、從流覽的時間分析對於該部文章的喜好程度等，機器自動追蹤使用者的喜好，以更精准的推薦使用者正在想看的內容。 系統不斷的自動學習使用者個性的流覽行為，個人化的推薦是即時更新的，即當網站的來源內容或使用者流覽行為發生改變時，推薦序列會自動改變，為使用者即時提供感興趣的內容。

在分秒必爭的產銷協調過程中，食品業者時常面臨供過於求造成浪費，或是供不應求錯過商機的情況。為了解決供應鏈產銷不協調的問題，Decanter AI 提供快速、易用、準確的自動化機器學習引擎，協助食品業者進行冷藏食品出貨管理，達到精準掌握終端消費市場的需求。此外，透過直覺的圖形化介面，Decanter AI 讓不具資料科學背景的 IT ⼈員，或是業務單位中不具編程背景的採購經理都能輕鬆操作，讓企業迅速建立精準的 AI 模型。

LibraLung天秤肺影為電腦輔助偵測系統(Computer-Aided Detection, CADe)，以人工智慧(AI, Artificial Intelligence)技術，輔助專科醫師判讀胸腔電腦斷層(CT, Computed Tomography)之肺結節影像。本系統以網頁介面操作，具備「肺結節偵測」及「輔助自動報告」兩大功能。 當系統偵測肺部電腦斷層影像疑似肺結節存在，系統自動於影像中標記肺結節之VOI(Volume of Interests)，以及對應肺結節之類型(Class)、肺葉位置(Lobe)、長短軸(Axes)及體積(Volume)資訊，並經由橫切面、矢狀面、冠狀面、最大投影橫狀面觀察肺結節型態。輔助肺結節偵測範圍，包含肺結節最大直徑尺寸為4 mm(含)至30mm(含)，類型不限為實質(Solid)、非實質(Non-Solid)或部分實質(Part-Solid)。 本產品經國內醫學中心測試，模型在偵測肺結節之FROC表現，平均每例偽陽個數(average number of false positives per scan)為2時，靈敏度(Sensitivity)為94 %；在肺結節之類型分類表現為Precision=0.93, Recall=0.93；在肺結節所在肺葉位置分類表現為Precision=0.99, Recall=0.99。

(1)初始透過訪談產業專家確定預測需求及影響產品銷售預測之關鍵變數(例如季節，品項大類，淡旺季..等) 。 (2)進行資料擷取、資料清洗、資料整理與資料整理等前置程序。 (3)而後基於數量分析流程，進行描述性統計分析、相關性分析等步驟，以確認變數及其關聯性。 (4)透過銷售預測的模型建立，直接成效反映在備料精確度及人員溝通效率提升，並提升初次合作的高質量客戶滿意度，達成高需求量判斷兌現率。 (5)模型曲線置入缺料預警戰情，提早指示/警示/預警，以報表/移動平台/戰情看板/即時通訊軟體…等呈現，拉動供應商，降低無效追料損耗。 (6)資料來源為ERP/MES，銷售預測與排程系統整合，動態模擬調整庫存水位，因應少量多樣需求，降低庫存呆料， 滿足達交，體現企業提升毛利。 (7)數據歸納出模型後，不需大量，也具參考，只須持續數據量與驗證，提高精準度，強化企業體質，降低人為干預，以數據智能面向市場。 (8)數位優化/世代交替/新冠疫情過後，客戶及供應商重新洗牌，產業高值轉型，跨足新市場，爭取新客人，都須仰賴數據驅動思考變革的方向。 (9) AI 銷售預測可以應用於ODM/OBM/自有品牌製造業。

為使YouBike會員能夠自主操作查詢，更快速獲取所需資訊，增加資訊的掌握度，導入AI智能客服機器人平台服務以滿足會員需求，以FAQ、NLU 雙大腦等人工智慧領域相關技術，透過微笑單車提供之應用程式介面與微笑單車內部應用系統介接，提供具價值的即時場站資訊、遺失車查詢與通報協尋、遺失物查詢及預約取件、天天YouBike活動查詢、常見問題等中文服務。 利用 AI 人工智慧建置「智能客服機器人」系統自動應答方案，擴增服務管道， 提供 24 小時不間斷的多通路即問即答文字回覆服務，透過AI學習機制，實現人機自然語言之互動，並結合真人文字客服，藉由完整機制達成服務分流，一般性業務諮詢由智能客服機器人協助回覆，客服人員處理複雜業務或是進階服務，有效運用人力資源及提高服務效率。 本案之核心模組以NLU、FAQ與FLOW構成「雙腦一流程」之運作架構組成AI交談式服務。「NLU 大腦」被稱為「服務腦」，負責理解用戶多元詢問提供個人化服務內容；「FAQ 大腦」則稱為「諮詢腦」，專門處理一般性的常見問題，而「FLOW 流程」則可串聯雙腦進行流程設計並與系統API串接，帶來流暢且彈性的客服交談。

一般企業在導入AI的過程中，往往面臨以下的挑戰: AI 技術人才缺乏、AI模型開發時程過長、AI模型準確度的維持、與現有應用系統的整合，DarwinML AutoML平台是將傳統的機器學習與深度學習模型開發的過程予以自動化，以解決企業導入AI時的困難，加速產業應用AI的發展

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。