應用案例

維曙智能科技(Vizuro)是為企業打造數位轉型戰情室的跨國人工智慧新創公司，總部位於美國波士頓，研發中心在台灣台北。聚焦智慧製造良率管理，醫療影像癌症篩檢，生醫科技通路行銷策略等領域。Vizuro的核心團隊由實戰經驗豐富的多位資料科學家所組成，有別於業界(AI+AOI，人工智慧結合自動光學辨識) 大多只具備標準化的自動瑕疵辨識軟體，Vizuro在瑕疵分類之外，也推出異常偵測、因果推論、製程優化等自主研發的多元人工智慧模型，因應不同客戶的需求，並提供顧問健檢、協作團隊建立、站點模擬與概念性驗證等服務，擅長跨國的客製化專案。

工研院研發產品品質指標預測技術，與軸承製造大廠T公司合作進行軸承加工產線的線上測試，基於機台電力、加工應變力等大數據，透過智慧分析瞭解刀具狀態與工件品質關係，及時偵測NoGo工件，降低損失。並藉由及時調整抽檢頻率，動態配置檢測人力，使傳統離線且需成品完成後的抽檢改為線上即時的全面檢測。

基於設備大數據的預測性維護與診斷 AVEVA PRiSM的APR技術 (Advanced Pattern Recognition先進模式識別)，將設備的實時運行數據同其特有運行模式進行比對，發現系統行爲的細微差異，從而對設備可能存在的問題進行提前預警，實現對設備的預測性維護。早於傳統報警系統數天、數周或數月進行預警 傳統的警告方式為設定上、下界限，但PRiSM是以點的周圍來計算，利用演算法建立一個正常的模式，當實際值和預測值之間的偏差超過允許的限制時進行預先報警。

本公司以農業風險控管數據服務為主軸，結合作物生理模式與自動化AI機器學習分析技術，提供企業客戶悠由農平台，透過研究分析成果和自動演算軟體平台，除可提供自動化農業作物品質、產量及價格波動預測，讓台灣農業集貨商如外銷公司及中大型農業契作公司進行風險控管(如:進出貨調節)的數據服務外，另提供保險公司發展不同作物差異化保險費率商品，以及計算風險指數更精確的依據。

1. 彙整專案資料：收集各類專案文件、專案時程和文件查核標準，為後續的資料處理和分析奠定基礎。 2. 建立企業資料庫：根據收集到的文件資料，建立結構化的企業資料庫，實現資料的高效管理和利用。 3. AI自動分類與計算：利用AI技術，對專案進行自動分類，對專案文件進行分類管理，並計算專案的關鍵時程點。 4. AI派工：將專案分階段進行管理，按照範本格式填入專案時程表和成員日程表，確保專案計畫的有序進行。 5. AI工作調整：當成員出現工作延誤時，AI會自動重新排列該成員的工作日程，保證專案進度的連貫性。 6. AI查核文件品質：系統自動查核交付文件的品質，確保文件的準確性和一致性。 7. AI查核回報狀況：自動製作專案績效報表，提供專案進度和績效的透明化管理。

本應用核心緣起，即在於改善這些「診間依賴、資料分散、缺乏標準」的問題。藉由推動 722 居家血壓標準（7 天、早晚各 2 次、連續 2 週），並串聯診所、社區血壓站與居家設備的數據，建立一個完整的血壓管理網絡。我們同時導入 AI 技術，協助進行異常數據偵測、長期趨勢分析與個人化衛教，讓醫師與病人都能透過系統即時掌握狀態。

一般市面上的機械手臂通常只能執行單一物件的取放，在少量多樣或產品變異性高的產線中，不容易實現自動化的需求。本案透過AI演算法和3D成像技術來揀選未知物品，即使它們被緊密的包裝在一起，仍然能夠辨識出個別包裹，系統也能計算出最佳的揀選點，規畫路徑引導手臂避免碰撞。

整合產線運行資料與專業技術人員標記的品質資訊，建立可用於知識理解與語意推論的數據基礎。透過 Embedding 技術，將包含環境感測參數(如:溫溼度)、品質預測（如:LSTM 預測濾網更換等）、設備稼動狀態與製程事件記錄等原始資料轉換為高維語意向量，提供語言模型進行語意匹配與問題解答的依據。 系統搭配 LLAMA 3 語言模型，可接收來自使用者的自然語言提問（User Prompt）與系統提示（System Prompt），並結合語意向量進行推論。為提升回答的實用性與準確度，系統可根據回應結果的品質，動態調整 Embedding 模組的權重參數，使模型更貼近鑄造領域的語境與判斷邏輯，逐步優化回應品質。

眾至AI SPAM融合了先進的人工智慧技術，主要分為AI寄信行為分析和AI內文分析兩大核心，有效提升郵件篩選的準確性和防護力。在AI寄信行為分析方面，系統通過分析郵件的表頭，識別郵件是否來自正常的寄信行為，或是由大量發送的異常行為所觸發。正常寄信行為通常依賴SPF、DKIM、DMARC等郵件認證標準來進行身份驗證，而異常行為則多見於批量發送郵件，例如電子報、通知郵件、垃圾郵件或釣魚郵件，這些郵件的寄信行為異常將作為主要判斷依據。通過這一過濾方式，系統能夠準確識別出潛在的垃圾郵件和釣魚郵件。在AI內文分析方面，系統依據電子郵件的內容特徵進行分類，運用AI演算法對郵件內文進行深度解析，包括語句特徵、發送時間區間、附件內容、外部連結的數量和特徵等。這些內容特徵有助於識別正常郵件、電子報、通知郵件、垃圾郵件及釣魚郵件。系統通過綜合分析內文及寄信行為，達到高效分類和篩選的目的。

影片製作費用高 需要耗費多元團隊人力拍攝、器材設備、演員、剪輯特效等成本 若遇疫情期間不能群聚開拍作業，製片即停擺 傳統企業商家對數位行銷掌握度不高，或者預算有限，就算想嘗試用線上影片拓展客源，往往也感到力不從心。 本技術為生成影片工具，訴求預算再小的業者都負擔得起使用費，能幫助業者大幅降低企業製作影片費用。 位主播或導覽員學習多國語言很不容易，但集仕多股份有限公司研發AI自動影片生成系統，結合AI Deep Learning深度學習與先進的臉部影像生成技術，就能大量產出能說多國語言的AI擬真代言人影片。新聞影片案例: https://cmm.ai/news1 , https://cmm.ai/sleep, https://cmm.ai/news2

本系統透過RF訊號演算法搭配AI即時推論技術，進行非酒精性脂肪性肝炎(NAFLD)偵測，量測時間僅需10秒，即可顯示肝臟病灶影像，同時可提供影像輔助定位、局部病變結果。此外，系統可將檢測結果之嚴重程度分為四個階段，醫師可藉由分數分級進行輔助診斷。本公司透過與Intel、遠傳電信、國家衛生研究院、長庚紀念醫院合作，將AI超音波技術佈署於Intel OpenFL(Open Federated Learning)，結合遠傳電信的遠距醫療平台，為醫生和患者提供視訊門診對話，使NAFLD脂肪肝篩檢更加容易。 過去醫師以理學檢測確認新生兒髖關節有無異常，檢測一位新生兒平均所需時間為15-20分鐘，本公司與林口長庚紀念醫院骨科團隊合作，研發之AI即時推論超音波系統可將篩檢流程縮短至30秒，除運算快速、可針對超音波影像進行自動判讀，亦可量測髖關節角度，以判斷新生兒髖關節是否異常，避免錯過最佳黃金治療期。

生產製造公司83％的資訊長認為，設備維護以及總體資產分析最佳化為提升企業競爭力之最主要途徑。「機台故障預診斷」是一套人工智慧（AI）與機器學習的系統，分析機台所產生的製程資料，進行即時監看、預測並以視覺化資料呈現，讓產線管理者可以掌握設備的健康狀態。

目前市場競爭激烈，隨著科技的進步，無人化自動販賣系統現金也相當的普遍，五花八門各類產品都有，但目前的消費者客製化需求也越來越多，傳統以往的販賣機總以固定形式做銷售，消費者可選擇的範圍受限，購買慾自然也降下降。目前將商品銷售結合AI技術擴大應用服務型態，讓使用者可自行操作或是與機器互動，藉由AI系統的分析消費者的年齡、性別、情緒等，讓AI分析消費者的特徵值，並結合AI推薦系統而推薦消費者適合的商品，甚至購買樓層或是櫃位，達到多方面的銷售應用服務，例如：依年齡及性別推薦當季服飾，飾品，髮型、彩妝、美食等，以達到商品銷售的目。

物流/快遞公司每天面對的問題是： 1. 20,000件貨要遞送，公司有300輛車，哪些貨要分配到哪些車，而且不會超過貨車容量？ 2. 一旦100件貨放上了貨車，由於每件貨有貨主指定的收貨時間，司機如何決定送貨順序才能用最少時間每件都準時送完？ 3. 對於新型態的快遞業來說，如何有效率解決短時間內的大量訂單(如食物快遞)？ 4. 有些特殊遞送型態的行業，如需要邊撿邊送(pick up/delivery)，應如何進行調度才能用最少車輛進行最多路順？ 5. 台灣的貨運/快遞業有超過45000家，大部分是中小企業，公司沒有資訊人才，如何能快速導入智慧調度軟體，且不需維運軟硬體？ A.I.R是以人工智慧為基礎的車隊調度服務，以訂閱制(subscription)為主，能夠解決業者上述的痛點。

工研院自主開發的智慧視覺系統機器人，結合視覺物件分析辨識、座標點精確定位、及手眼協調等核心技術，於CES 2017以西洋棋遊戲互動的方式完成展示。在CES 2018進階以Scrabble拼字遊戲，透過2D與3D資訊進行深度學習的物件辨識技術，讓原本只能辨識立體物件的機器人，不再只是藉由物件的造型來辨識，更能看到同一外型上平面圖樣的差異。同時運用深度視覺感測器進行偵測，快速計算物品位置及相對關係，做出正確判斷。 此技術聚焦人性化及與人的協同技術，可自動判讀使用者情緒、動作、手勢，給予互動者更親近的互動體驗。