應用案例

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。

因應少量多樣的訂單複雜性需求，透過建置上下游供應鏈資訊串流平台與外包商空桶管理系統，提升供應鏈串接的能力，並藉由射出機連線與可視化看板、AI 智慧排程系統，提升製造端管理手法，進行智慧化生產現場管理，進而達到指標的改善。

應用於金融交易之高效能資料數據處理與風險控管系統，包含整合系統軟體、硬體模組，提供客製化設計與服務。 藉由提升原有系統交易資料處理速度，達到即時風險控管之目的以符合監管法規，並進一步客製化數據分析服務。 汎思數據運用FPGA與GPU圖形處理器，並搭配即時交易數據人工智慧深度學習專屬演算法、 方便針對不同客戶需求或法規修改，有彈性地變更系統運作內容，或逐步提供交易客戶不同種類服務。 相較於現今大多以純軟體建構之交易系統，此系統利用硬體平行加速運算提升資料處理速度， 達到超高速交易與異常偵測之目的。

智能即時派車配送系統包含三大核心： 1 需求預測： 可利用過續運送的大數據資訊，猜測未來的運送需求 ，預測在不同時間點、不同產業別、不同地點、... 等等不同情境下，會產生怎樣不同的配送需求。 2. 供給引導： 利用業者過去的大數據，建立初步的智能車輛調派模型，搭配智能需求預測模型，引導車隊往需求多的方向集中與散佈。 (3) 媒合最佳化： 利用業者過去的大數據，建立初步的智能供需媒和模型，配發工作給接單騎士。

智慧農業中種鵝育種產業中，開發一款整合了 RFID+AIOT +影像識別+邊緣計算技術 的 智慧型 "種鵝智能產房" 。詳實自動登錄各隻母鵝產蛋與行為數據，再經系統，依該群種鵝產蛋狀態自動統計分析並產生產蛋曲線圖，自動分類豐產與寡產鵝群組，有效篩選並淘汰不孕或寡產鵝隻。以確保種鵝產能最佳化。

PrimeHub 是針對企業內部多人、多專案需求所量身打造的 AI 開發管理平台，基於 MLOps 的概念協助團隊共享運算資源與成果，加速開發 AI 模型的速度。平台架構基於 Kubernetes 的容器編排環境，提供安全穩健的系統資源分配協助使用者實現最佳化資源配置，並搭配⾃動資源回收機制提升使用率與降低營運成本。開發人員透過簡易使用的瀏覽器介面便可管理群組及各種資源配額，快速啟動 TensorFlow、PyTorch、Scikit Learn 等熱門 AI 框架進行模型的開發、訓練、部署及監控，不需再自己搭建基礎設施，讓開發人員能夠專注於 AI 模型的開發以提升工作效率。

利用智慧服務型機器人Ayuda人工智慧能力，進一步延伸至防疫需求，研發小型機器人及防疫機，降低成本及提供多方面功能，讓客戶有更多樣式選擇，此外也研發大小機器人協同運作模式，由小型機器人體温偵測及口罩偵測，由大小隻機器 人協同執勤，小隻機器人偵測異常由大型移動式機器人負責阻擋。

人才培育教學方案採客製化設計，可根據需求制訂培訓課程，從基礎到進階一步步了解及應用AI 技術，課程內容規畫理論、實作，亦可以搭配國際認證。

XCockpit 平台由三大核心模組構成，每個模組都深度整合了 AI 技術，實現自動化分析、偵測和應變： 端點安全態勢管理 (Endpoint)：  自動化案件管理：告警不再被動處理，而是透過 AI 分析，自動建立和管理案件，提升團隊效率。  視覺化根因分析：AI 模擬攻擊路徑技術，自動歸納事件關聯，並以視覺化方式呈現根因分析，讓案情一目瞭然。  AI 即時案情解說：獨特的資安專用 AI 模型，能提供中文案情摘要和處置建議，協助管理層快速掌握狀況。 帳號安全態勢管理 (Identity)：  帳號衝擊分析：AI 模擬帳號衝擊分析，預視駭客可能的攻擊路徑 (Attack Path)，揭示企業特權邊界。  監測威脅先兆：監控異常的特權帳號活動，即時偵測常見的 AD 帳號攻擊手法，識別攻擊先兆。  量化身份管理：掌握身份攻擊面 (Attack Surface)，量化企業 Identity 安全指標，提供整體安全態勢。 外部資產曝險管理 (EASM)：  數位資產調查：持續監測對外曝露的服務和數位資產，提供外部攻擊面可視化分析，掌握企業資安破口。  評估資安態勢：提供即時的風險評估、整體資安態勢指標和處置建議，協助資安人員迅速採取行動。  虛擬 AI 情資助手：提供企業風險評估、資安合規報告，並彙整重大資安事件重點，協助掌握全球駭侵資訊。

透過整合進企業現有的客服系統輸入對話雙方的語音，經過資料預處理後分離出不同的對話人員，再分別分析其情緒，此資料透過 API 會傳給客服系統，可以根據分析結果以分時情緒變化圖的方式呈現出來，可有效呈現客服人員在服務過程中，雙方的情緒變化，進而分析客戶對於服務的滿意度，進而讓客服中心的營運主管可透過AI 進行客服人員品質檢測，解決原有質檢流程人工隨機抽樣，進一步精準分析客服中心整體營運狀態，透過語音情緒分析技術可以有效衡量客戶的有效性與真正效益等指標，解決客服中心進行質檢瑣碎的人工流程及透過AI 增加客觀的分析維度改善整體客服中心的營運績效。

觀光為臺灣重要的經濟之一，臺灣各景點每年的觀光人口從20~100萬人不等，透過人流的數據，於景點拍照打卡進行 AI 影像分析，分析各地區景點人流、年齡層、性別與情緒…資訊，提供景點及有關單位以利後續商業決策及應用，促進台灣的觀光經濟發展。此專案可延伸性應用於COVID19防範，如：2019年4月份全台11處景點警示新聞，可透過此系統提供民眾資訊，及群發告警，避免群眾群聚感染的風險。

隨著電子元件微型化，對檢測設備準確度之要求越來越高，然而現今檢測設備大多仍採取傳統影像處理技術來檢測瑕疵，無法滿足高準確度之需求，為了避免漏檢瑕疵，業者被迫將檢測機台靈敏度調高，其副作用就是造成了大量假瑕疵的產生，使得產線仍須耗費大量人力做二次篩檢，不僅耗費成本，且影響產品品質及生產速度。國內檢測設備業者聯策科技以AI深度學習技術進行真假瑕疵之判定，可協助PCB業者減少一半以上之假瑕疵，促進產線自動化，且以軟帶硬提升設備10倍之價值。

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！

緯創軟體團隊開發了基於機器學習的自動醫學影像標註模型，並將模型整合至雲端平台建立完整的自動標註系統。團隊建立了以下的流程: 1.建立資料清洗模組並自動化建構訓練資料集 2.設立團隊檢閱的檢查點以利審閱自動化建立的資料集 3.建立模型訓練模組並能提供模型訓練結果 4.設立團隊檢閱模型預測結果 5.自動化模型部署流程。模型開發流程主要著重在流程自動化及功能模組化並設立人工審閱節點供工程師及科學家分析資料訓練集與模型測試結果。功能的模組化可以降低工程師在後期維護上的難度，並且有著快速插拔套件的優勢。

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。