應用案例

透過AR、情緒辨識等科技應用結合通路資源，以虛實科技等消費者體驗式行銷，建立零售業者與消費間的互動，強化消費體驗好感，進而搜集消費者喜好等相關數據，提供後續附加價值或產品規劃。 同時AI智慧辨識與AR結合打造出創新銷售體驗商業模式，讓消費者透過自有裝置及可親身感受，進而促成消費行為，強化消費此品牌價值，也可讓零售業者可透過既有監視器擷取消費者情緒指數，進行大數據收集並透過AI Deep Learning方法分析，可將其導入行為模式建立更完整的演算分析，將情蒐資訊儲存至雲端系統，待辨識模型建構完成後，其未來也運用於其他領域上會更具全方面。

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。

本公司將AI語音評估導入英語數位學習平台，提供學習者英語自學與英語口說練習，並提供教學者透過平台取得學習者之AI語音評估學習成果，透過數位學習平台填補英語口說的練習缺口，以強化英語教學者與英語學習者對口說訓練的需求。

(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。

傳統保全業者或社區大樓保全須以固定人力執行長時間重複關注且99.99%時間均浪費在等待，或是傳統感測器均只能偵測單一特定狀況。 而近年的人形感測監控於演算技術不成熟的狀況下，誤報率非常高（已經星堡實證），反而更增加客戶與保全業者的困擾與成本浪費。 本公司的分散式節點暨邊緣運算能有效降低誤報，且經由收集得之影像，能更精進影像識別能力，並且於系統學習之後，可經由線上更新客戶端系統，與傳統設備無法更新或更新困難相比，本系統更為靈活，且效率更高。

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。

生理量值例如生命徵象，其中包含體溫、血壓、脈搏、呼吸、血糖等為居家照護每日必須量測數值，是長者身體狀況定期追蹤之指標，而生命徵象的異常更可作為後續衍生疾病的預警資訊。智齡科技透過合作照護機構蒐集之高齡者生命徵象歷史資料，進行分群（Clustering）與離異值分析（Anomaly detection）找出各分群群體的離異值，來設立每個群體的異常值判斷模型。此外，因生命徵象資料屬性為非均質，且具時間相依性高、資料數量大、個人化差異性顯著，故需要可持續學習新進資料的人工智慧技術，如以RNN (Recurrent Neural Network)、LSTM (long short term memory)來分析生命徵象時間序列。後續可透過每位長者的資料量持續累積，以建立個人之異常值判斷模型，提高適用至個人之模型判斷準確率。當異常值警示出現時，可透過資料庫中各種量測數值的變化軌跡，提供照護者與家人其對應的照護措施與衛教資訊提醒，掌握照護實施的黃金時間。

「派藥神器」以「聊天機器人與AI語意分析模組」等技術，將散落在各網站的農業資材訊息整合在聊天機器人平台。 透過「派藥神器」聊天機器人的對話情境，引導使用者找到適合使用、合法的農用化學農藥與友善農法資材，輕鬆簡單又有效率地取得農業資材訊息。 此外使用「新詞Direct」- 農業AI語意辨識模組與自動化分析之演算法，讓使用者不需要輸入精準的蟲害名稱也可以找到資材，同時減輕後台問答及管理人員的維運負擔。

AI數據整合 –企業數據中台引擎：結合AI應用與產業數據整合，已導入餐飲及零售業 目前積極與神通電腦集團合作洽談 即將結合該公司力推的Sugar CRM系統串接ERP與CRM之數據，共同打造製造業合用的數據中台。 AI Key in –NLP+OCR導入：以OCR+NLP的方式整合AI，協助燈飾與散熱片製造業客戶，將客戶的訂單與圖檔等文件Training分群 最終再用RPA模擬人的操作將分類好的資料回填到表格中，協助客戶大量節省了60%人工Key in的工作量。 AI 社群分析 –NLP+3D視覺化：以NLP + 自行開發的3D社群網絡引擎，協助客戶建置YOUTUBE聊天室語料分析。

美髮連鎖店為了提供更好的頭皮護理服務給予消費者，長期花費大量的金錢與人事成本培訓「頭皮管理師」，培訓時間最少6個月。加上，人員異動頻率高，使人才的養成以及投入成本的回收困難。每位消費者的狀況不同，如何讓美髮師有一個簡單的工具幫助消費者認識與理解自我頭皮的健康狀況，並且能夠將頭皮的問題給予標示清楚，將是頭皮管理致勝的關鍵。堅兵智能打造的第四代膚質檢驗系統，蒐集超過幾十萬張不同圖資，使用電腦視覺深度學習網路，來辨識分析阻塞，油脂，敏感等各種膚質/頭皮的狀況，進而推薦消費者適合他們頭皮狀況的理療項目及產品，取代過去用人眼辨識的做法，大幅提高顧客滿意度。

案例‒鋼珠製造產業長期以來面臨產品種類眾多、尺寸規格複雜、客戶經常性改單導致生產線產能分配不均、工裝次數頻繁、磨盤異常損壞增加等問題，造成工廠生產效率不佳。鋼珠製造流程從原物料的線材、鍛造到形成鋼珠的粗研磨、熱處理、細研磨、精研磨，最後為成品的洗淨、檢驗和全檢；其中主要的瓶頸為粗研磨至精研磨的關鍵三道研磨製程。其原因為鋼珠在研磨過程無法即時監控磨盤的狀況，容易造成堵溝、尺寸變異，嚴重時將造成磨盤崩裂而傷及鋼珠的完整性，若因人員的疏失造成規值的錯誤，不但造成產能的損失且增加成品久置而生鏽的可能性，增加產品重製的加工成本及工廠的產品產出時間（cycle time）。

3D OCMS(3D Operation Central Management System)可視化整合管理平台，也可稱是戰情系統。是一個單一平台將各系統資訊串接，進行整 合及應用、模擬及分析，並以3D視覺化呈現，提供使用者直覺式操作、沈浸式感覺、即時直覺觀看模式、3D介面直覺式操作。可藉由以人形為主的影像辨識系統，並使用具事件管理及情況發生通報功能之影像管理系統，以及以紅外線及WDR寬動態或相關技術達成在低光源、高光反差狀態下之人形辨識率，透過3D監控模組+即時影像貼合樹狀選擇面板單一視窗影像分析，呈現720度視覺角度監看管理，並搭配主動通知、行動裝置 (手機、平板電腦)等措施。

企業常態性面臨數位化管理課題，為了協助企業有系統地蒐集基礎資訊，首先以可客製化的電子表單模組協助企業建立各式企業表單，授權予產業一線人員蒐集數位化資訊，採用敘事型資料結構串聯專案內的人(負責工程師、外包廠商等)、事(任務)、時(專案預定時程)、地(結合現地圖說)、物(實體結構物或工作成果)資訊，利用雲端資訊平台讓企業管理資料。為完成數位化後的資訊應用，將人工智慧技術應用於簡化作業方式或流程、數據分析、最佳化分析、決策輔助等實務應用，輔以產業顧問的服務機制。

於Covid-19疫情期間建置LINE官方智慧客服「新竹市居家照護關懷中心」，提供照護、隔離、檢疫者相關資訊，達成遠距關懷的目標。

本PHM系統的核心價值在於其能夠精確地預測設備健康狀態與設備的製程狀態，提高生產過程的效率。透過結合IOT、邊緣運算，系統不僅能夠減少算力需求和演算時間，還能夠降低誤判風險，提高模型的遷移性。這項創新技術將為製造業的數位轉型帶來巨大的改變，協助企業實現高效運營和成本降低。