應用案例

1. 利用先進AI技術快速完成檢核，自動識別並標記文中的違規風險。 2. 每個違規警示均連結相關法規和裁罰案例，節省查證時間。 3. 系統自動更新法規和案例，免去手動整理的需求。

聯瑩工藝企業有限公司導入四軸與五軸單工位自動拉膠機，並以有創科技之AOI/良率最佳化之影像識別系統透過客製化圖稿設計，能均勻繪製於立體塑膠製品表面，呈現多樣化立體與平面飾紋效果。同時，由智慧化設備運作，可完成多組重複網格線的精密圖樣，且已將間隔誤差控制在1公分以內，大幅提升產品品質穩定度與製程精準度，達成提升自動化、降低人工作業誤差及強化產線智慧化的目標。

機器人流程自動化（RPA）是一套軟體自動化機器人程式，可以用來模擬人類在電腦上辦公的作業流程和行為，且不需經由特殊的硬體設備，即能將這些重複且枯燥的電腦桌面作業程序自動化。 RPA可以全天24小時待命，不僅可節省作業時間，讓企業將人力投資在更高價值的工作上，並降低人為出錯率

現今工廠自動化的趨勢，已開始由大量機器人取代人工作業，製造業對機器人的需求及依賴程度越高，企業如何確保機器人的高可靠性呢? 因此，能夠自主性判別設備狀態與減少非計畫性停機更成為企業所需要深入探究的課題。機器學習智能監控系統即是針對各式機械設備的動態監測，使用者透過簡單建立健康規範，系統學習動作依照所累積的數據統計進而做出分析判斷，產業進而可訂立預知保養計畫並有助於設計者優化產線設計流程。 藉由即時偵測動態機械之訊號，可預測判斷機械手臂的健康狀況，及焊接作業品質的線上即時監測，使企業有較餘裕的時間安排設備維護與產線，將導入機器人的初衷發揮到極致，『做得快且做得好』

對於公司經營而言，客戶購買行為的發生，總領先於經營決策的制定，如何扭轉這樣的落後性，本司導入人工智慧來做預測建議，因此，三益制動科技股份有限公司將擔任後台支援的角色，並負責實體電子發票系統硬體的建置，以及軟體系統的維護工作，並透過開立發票種類與產生頻率，先收集客戶消費習性，週期性，季節因素，或是突發狀況等等，制定相對應的商業決策映射機制，也就是說，使用Neural Networks 作為AI 運算核心，先利用輸出入層級結構，與Sigmoid神經元做為驅動函數(Activation Function)，將過去交易的紀錄，當作初始訓練(Training)資料，以得出穩定的權重數Wi (i=0, 1, …)後，再據此映射出-庫存管理建議、製造決策建議、原料供應商管理建議等等。 舉例來說，本公司目前的一家客戶發票量最大類別為：剎車片組, 再則是機油濾清器、和空氣濾清器，因此輸入1~9月份的發票資料後，得出銷售決策建議，較傾向提高機油濾清器的促銷方案! 而下個階段加值，將要擴充整體產品品項 (例如：潤滑油、剎車油、剎車卡鉗零件、油路清潔劑等等)，甚至加入技術服務費用的項目(例如：定期保養維護、道路救援、零件壽命到期通知服務等等)，據此擴大加值服務的寬度與廣度!

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。

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。

AI即時監理系統，整合關聯性多面向資料，並以自動化人工智慧機器學習方式進行風險核判。系統可定期更新各因子係數、權重進行風險核判，進一步應用於即時風險偵測，將資料分析至建模，皆以自動化形式進行，節省人力及導入時間，其中包含定期更新資料集、特徵因子篩選、產製優先監控清單並依風險程度進行警示之服務。本系統已實證成功導入公民營機構，有效執行風險監理預警，可大量節省傳統人工監理稽核時間並提早預應，最高可降低成本達73%，以數據分析輔助驅動現有單位決策機制，達到監理最大效能。

AI冷鏈斷鏈預警系統可以有效為小農及農企業提升蔬果運送保鮮效率，整合冷鏈運送管理問題一一解決。透過先進AI演算法，分析生鮮於儲存、運送、轉存過程中進行即時監控並蒐集溫度、位置等資料進行雲端分析，確保商品冷鏈運送過程中能被有效保鮮，降低人員失誤或設備故障所造成之損耗。搭載NBIoT通訊能力之控制器嵌入於冷藏車輛，除即時監視車內冷藏條件外，即時回傳路徑資訊。生鮮出貨及抵達目的均能自動回報雲端並回報歷程溫度變化，提供優質有效率的冷鏈管理系統。針對各式不同溫度保存條件之商品以AI判定冷藏庫、運輸過程之最佳化智慧型溫度管理，仲闐AI系統能提高冷藏室運轉效率並根據儲存、運輸條件及數量，以AI演算協助判定最佳節能及冷鏈移動路徑及方式，並在商品因失溫損壞前提供即時告警。 AI冷鏈運輸斷鏈預警系統可以應用於物流運輸產業的服務與農企業，目前已成功導入農企業興農集團玉美研公司，提供智慧服務、智慧物流、冷鏈管理產品…等應用。

開發國家因人口老化、少子化、勞動條件提高等變遷，傳統零售業面臨人力短缺及人事成本高漲的壓力，導入自助結帳系統已逐漸形成趨勢。Technavio的分析師預測，從2018年到2022年期間，全球零售商店自助結帳終端市場將以18.63％的年複合成長率成長。近年來由於影像辨識結合人工智慧的快速發展，再加上相關硬體技術漸趨成熟且成本下降，採用影像辨識商品外型特徵的技術發展自助結帳已成主流。市場現有的自助結帳系統多採用條碼辨識技術有其先天上的限制，曾興起使用 RFID 技術成本因素也難以普及；AI多鏡頭自助結帳系統運用多鏡頭協同拍攝，結合AI類神經網路與感測器融合技術之開放式互動結帳平台，商品可以自然擺放(瓶裝、罐裝、鋁箔包商品可以豎放)直接進行辨識，針對易混淆商品透過重量感測以提昇辨識率。另外可搭配使用現金支付、悠遊卡等多元支付機台，實現「不用排隊結帳」消費體驗新風潮，商品結算速度較現有店員提升50% 促成實體零售數位化，為新世代零售服務門市提供優良自主結帳之解決方案。

本計畫針對各種異常狀況使用不同的方法偵測，其中異常狀況有：壅塞、事故狀況、異常物件及逆向行駛，透過追蹤模組判斷是否發生異常事件。首先探討壅塞，壅塞發生在車流量大導致車速緩慢的狀況，針對此現象可以透過追蹤模組取得車速，若平均時速低於高速公路的60km/h 最低速限，則判斷壅塞。第二點事故狀況，由於在道路上行駛時須保持安全距離，若兩車距離過近，則會提高碰撞的機率，在事故發生前透過軌跡判斷兩車是否在前方會有交集點，並在兩車發生重疊時則判斷兩車相撞。第三點是否有異常物件，將一般道路上禁止出現的物件加入訓練樣本，以高速公路為例，正常情況下不會有機車出現，若畫面中辨識出異常物件則進行追蹤。最後一點逆向行駛，在路上行駛方向與其他車有所不同，在追蹤時軌跡會與正常情況下有異，判斷軌跡方向異常時發出警示將團隊所使用的 Smart AVI 與目前最常被使用的影像辨識技術之一的 YOLO 相比。雖然 YOLO 可以辨識的種類較多(屬於通用解決方案)，但要運用在交通方面則是Smart AVI 較具備優勢，因架構與設計屬於特定領域的解決方案，其訓練所需要的樣本數較低，演算速度也更快，最重要的是具備追蹤物件的功能。

專為現代紡織業打造的 AI 驅動布料數位化解決方案，結合高解析度掃描機與雲端軟體，將織物的開發、共享與生產全面數位化。只需幾個步驟，即可生成精準呈現織紋與物理特性的數位孿生，並於 3D 環境中即時預覽與模擬垂墜效果，實現打樣前的快速設計決策。 透過 AI 自動完成無縫拼接與紋理貼圖，NunoX 大幅簡化繁瑣流程，降低 3D 設計的導入門檻。所有數位布料可即時儲存、編輯與分享，為全球供應鏈帶來更高效的協作體驗。 導入 NunoX 解決方案有助於減少樣品浪費、減短開發時程，加速產品上市，現已獲 Under Armour、Makalot、Little King、SHAHI 等全球領先品牌信賴，持續引領數位材料開發與管理的未來。

以GRI國際框架為報告基礎，提供資料盤點、協作編輯、進度管理、匯出報告等功能，搭配AI文稿生成與全球CSR報告的全文搜尋功能，輔助企業更有效率的完成企業社會責任報告。金管會在2014年已強制要求特定的上市櫃公司，必須每年編製企業社會責任報告。因此，企業需要投入大量人力成本與時間，在蒐集資料與撰寫文稿等繁瑣的作業。因此，Sustaihub永訊智庫開發SMS永續管理系統及CSR大數據資料庫，搭配AI人工智慧處理非結構化資料，並開發文本生成與詞向量空間等模型，協助企業更有效率的完成企業社會責任報告，並專注於提升企業的永續影響力。

《振海資通股份有限公司》利用AI機器學習搭配AOI技術，已部署於電容器製造業並成功實際運用。由於電解電容器為圓柱形體相關問題，此方案可解決傳統平面檢測較無法檢出的相關問題，檢測出人眼無法看到的瑕疵、測量物件尺寸及辨識物件位置等，是一套非接觸式檢測系統，可在動態製程中檢測。對所須檢測項目進行取樣，樣本進行標註數據化後，將數據透過演算法，進行瑕疵檢測數據分析，歸納出各階段產出不良品之原因，確保品質穩定性，提生良率，實現智能化的生產線。

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。