智慧型手機、遠距工作等宅經濟發威，資通訊產業暢旺，帶動光學產業蓬勃發展。然光學鏡片的瑕疵檢測多以人眼檢測進行，不僅耗時費力，受限於人眼容易疲勞，誤判率也是光學業者揮之不去的痛點。受惠於AI技術的演進，上暘光學導入繞射光學技術拍攝，以系統拍攝後影像為數據來源，導入AI模型訓練，並將攝像系統與影像辨識整合為一產線工作站，大大提升瑕疵辨識率高達90以上。 台灣光學產值佔全球10 精密光學應用範圍日廣 光學產業為消費性電子之主流產品，於2019年即使台灣受中美貿易爭端之影響，光電產值仍達463億美元，佔全球10。其中，在「精密光學」部分，即佔新台幣870億元（約29億美元）產值。有鑑於智慧型手機鏡頭數目的增加，相較其他領域之衰退狀況，精密光學仍保有4的持續成長。 自2000年夏普推出全球首款搭載後置11萬像素鏡頭的拍照手機開始，終端消費者即對智慧型手機攝像性能的要求不斷提高，且隨著網際網路5G高速網路的浪潮來襲，帶動擴增實境AR或虛擬實境VR等應用市場的活絡，其技術的創新與應用更為光學產業增添許多動能，而應用的領域更已從智慧型手機延伸普及至汽車、家庭娛樂等大眾民生市場。 光學鏡頭對於「精密光學」經濟發展密不可分，隨著半導體技術的不斷成熟、網路速度的不斷提高，光學鏡頭的運用不僅僅在智慧型手機、平板電腦、傳統相機、播映投影、民生車載領域，其在高精密製程之工程視覺檢測、安防應用的需求更是不斷高速成長。 光學鏡頭瑕疵檢測多以人工進行。 「光學鏡片」為整體光機系統之必要零組件，其進料後與出貨前的鏡片光潔檢測不僅左右整體產線效能發展，對終端客戶的品質承諾影響更是不容小覷。 長期以來，光學產業多以人眼檢測進行瑕疵檢查，隨著生產量的持續提升，不僅人力成本持續上漲。隨著檢驗人員的年齡增長，視力逐漸衰退，誤判率更是年年增高。且近年人力招募困難，即使有幸招募，該檢驗技術養成不易，且訓練時間冗長，無法及時因應產線人力需求。 導入繞射光學技術及AI訓練模型 提升瑕疵辨識率達90以上 現行市面充斥著大量自動化光學檢測系統，並具有多項針對鏡片瑕疵的實質案例。但經由上暘光學多年來的市場探勘與評估，該系統仍無法解決現行人工檢測之問題，其主要在於光學鏡片外型為曲面且透明，並不容易拍攝到各種瑕疵狀況，且一旦瑕疵周圍有其他雜光之干擾，判斷難度更高。且不同型號的鏡片都需依瑕疵狀況個別透過旋動打光、拍攝手法的調校方可進入到判別階段，人力耗費比例仍高居不下，並不符合效益成本。 藉此，經過經濟部工業局AI計畫執行團隊的媒合，小馬光學協助上暘光電建立有效瑕疵拍攝系統。由小馬光學提供精密繞射光學的指導，基於「光」波動的特性即可以統一鏡頭拍攝方式獲取鏡片瑕疵狀況。 現行市場拍攝系統多採幾何光學方式，幾何光學以直線光行進，對於鍍膜缺失、細微刮痕、液態髒污等瑕疵並不易拍攝。合作方案導入繞射光學技術拍攝，經過全角度的精密成像可達到比一般幾何光學元件更高的對比、更卓越的降噪程度，以獲取必要之瑕疵影像。 光學鏡頭刮傷瑕疵示意圖。 為提升本案更細緻的瑕疵檢測辨識率，上暘光學基於系統拍攝後影像為數據來源，導入AI模型訓練，並將攝像系統與影像辨識整合為一產線工作站，不僅提升瑕疵辨識率達90以上，更有助於後續自動化產線發展。 此合作案的AI模型訓練由奕瑞科技提供，目前大部分廠商導入產線瑕疵檢查AOI的系統，大多採用OCR光學字元辨識，是指對文字資料的圖像檔案進行分析辨識處理，取得文字及版面資訊的過程技術，需要達到百分之百的精確度，沒有任何容錯的空間，導致誤殺的情況時常發生。 加入AI訓練模型之後，光學鏡頭瑕疵辨識率大大提升。 AIAOI解決人力不足及誤判率過高兩大痛點 此次奕瑞科技與小馬光學合作，將奕瑞的AI系統搭載在小馬光學研發的光學檢測儀器，在光學檢測瑕疵上加入AI演算法，根據客戶提供的資料與需求，訓練AI模型辨識對於瑕疵的判定，可大幅提升判別的準確度，提生良率，並增加產線效率。透過上暘光學、小馬光學與奕瑞科技三方合作，將光學產業AOI導入AI，期望能徹底解決產業鏡片瑕疵檢測之痛點。 上暘光學自2019年設立生產線後，即希望導入智慧化生產模式。有鑑於公司營運持續成長，生產量持續提升，透過該成果的導入與拓展，將大幅減緩人力需求，更可因高準確判別率指標降低生產排程影響，進而提高生產效率。 上暘光學表示，由於開發成果落地，將可引領該技術推播至光學產業上下游業者，諸如上游光學鏡片原料供應商直至下游成品應用端，包含沉浸式遊戲設備、相關曲面玻璃產品、民生車載及安防攝像裝置等。

當傳統產業仰賴的老師傅越來越少 在台灣，中小企業一直以來扮演著台灣產業的中堅實力，陪著台灣走過各種「經濟奇蹟」的時代。但隨著時間演進，昔日的師傅也逐漸變成了老師傅，再加上台灣社會的少子化現象，以及整體產業結構的變化，越來越少新一代的年輕人願意進入傳統產業，如今也可以發現，大多中小企業內的機具操作現場，已經由「老師傅」搭配「外籍勞工」的組合形成主流，而身為現場經驗活字典的老師傅們，卻也缺少後續者能夠持續傳承經驗，逐漸產生了傳統產業的現場經驗難以持續傳承的現象。 傳統人工作法優化製程的極限已在眼前 位於台南保安工業區的「唐先企業」，於年創立，以製造優質的編織機具設備起家，同時具備有製造機具之實力，也因為近年來隨著響應國際間綠能、再生、環保，唐先企業積極研發塑料環保再生設備，最終以簡約高效的機體設計，輔以先進智慧化的核心控制技術，成功研發出低能耗、低廢料、高純度、高產出的回收製粒設備。 唐先企業自行研發的塑料回收製粒設備 但在塑料再生的生產作業過程中，當高達數百種的原料種類，對上十幾種的製程溫度、轉速參數，所面臨的是成千上萬種參數組合。以往都是依賴現場員工老師傅的經驗去調整各種生產製程條件。因此往往在轉換生產不同來料如：PET、PP、PE的過程中，會因為嘗試階段浪費掉不少原料。 傳統產業的專業資訊能力缺口 唐先企業知道數據資料的重要性，因此過去雖然有將製程參數紀錄下來，卻因為當時缺乏數據化的能力，主要以紙本形式，由現場的操作人員以人工操寫紀錄寫下來，累積了大量的紙本數據，但也因此缺乏具科學化且詳實的數據資訊可供即時參考與調整。 製程參數的手抄本，每小時記錄一次十幾種機器狀態與產量數字 在品管方面，也因為缺少產出的品質管制與單位時間產量的監控與反饋機制，導致實務上難以預測每一批的生產條件的獲利狀況，生管單位最後只能從結果去估計與平均攤提過程中的各種產能與成本的變化，無法客觀與即時地讓產線以最短的時間恢復合理的生產條件或當面對品質異常作出更明確的調整。 現場實況左圖為回收碎料右圖為造粒成品 台灣廠商的機具製造能力十分堅強，許多現代化的機具已經具備了數據化功能，能夠將實時的狀態與資訊以物聯網的方式記錄下來。然而在工廠的現場與資訊系統的基礎建設是否已經準備好了呢 當老師傅遇上AI 唐先企業透過政府相關單位引薦，與台灣資料科學公司媒合，共同攜手將導入AI服務與運用AI優化內部流程的構想與應用情境，先以廠內中型塑料再生產線作為試煉場域，建立成功標竿後，將此模式擴展至工廠內大型塑料回收再生機械設備上，持續驗證與應用。 首先雙方共同將過往之手抄紙本資料，以OCR輔以人工修正方式，將過去的參數資料數據化。唐先企業也與機具之人機介面廠商將操作面板以及參數數據導入之工廠之資料庫，使得能夠即時監控機具狀態，免除人工抄寫的繁複或錯誤性發生。 塑料回收再生造粒之機具面板，顯示當前各製程的溫度、轉速與使用電力的狀態 同時台灣資料科學公司再將數十種參數資料進行建模，透過情境分析，在環境參數與材料投入下模擬各種的產出可能性，找出關鍵特徵參數，並提供參數調整建議，降低試驗階段所需成本。 將數據分析應用於傳統產業機具製程中 當老師傅取得原物料之後，只需輸入相關料件特性參數，由系統自動生成建議的製程參數，再經由老師傅微調之後進行料件的試作，有效減少了錯誤嘗試所造成的料件、水費、電費以及人力的耗費。並且唐先企業更超前部屬，在塑料再生的製程上導入了「生產履歷」的概念，能夠透過掃描QRCode，取得該批產品的原料、製程等相關參數資料。 塑料再生造粒的產銷履歷 台灣中小企業機具實力堅強，只待「數據」的東風吹起 在工業20到30，甚至到40，許多台灣中小企業在轉型過程所面臨的問題，並非只是在機具升級上，而是把錢用在購入了現代化機具設備之後，產生了數據，卻不知道如何利用這些數據，若要這些廠商們自己培育一個專門的數據分析部門又顯得不太實際；在此同時的另外一面，台灣也有非常多軟體實力堅強的AI或數據分析的創新團隊，空有技術與實力，卻苦無場域與數據。因此若能夠充分的結合台灣傳統產業以及AI數據分析的創新團隊，除了能夠彌補現今傳統產業所面臨之人力與經驗傳承問題之外，也能夠讓台灣的AI發展與應用上往前跨進更大一步。

全球第四大沖床廠金豐機器工業， 自行開發APP與LINE、WeChat或IM急時通訊軟體， 不論機器數量，透過單一平台整合，可透過手機、 平板等行動載具，即時獲知遠端生產、設備狀況及各種狀況排除。 成立近七十年的金豐機器，是早期台灣「客廳即工廠」的幕後功臣，舉 凡湯匙、鈕扣等金屬產品，都是家庭代工用金豐的機器沖壓出來的。隨著工 業 40 科技浪潮襲來，使得這家位於彰化八卦山山下的「隱形企業」，不得 不引進 AI 機器人，迅速解決故障排除及縮短等待期的問題。 即時監控 AI機器人成為廠線好幫手 金豐機器工業總經理曾盛明的名言是：「永遠為客戶設想下一步」，年營業額逾新台幣75 億元的金豐，工廠停工一天等於損失2,000 多萬元，走在工業 40 的浪頭上，金豐透過各式感測器遠程掌握機台運作狀態並記錄數據，運用網路連接閘道器整合周邊設備，將監測數據傳送至數據庫，快速檢知降低停機風險，雲端線上全年365 天、每天24 小時報修等隨時監控，以實現無人化工廠的目標。 金豐機器工業總經理曾盛明的名言是：「永遠為客戶設想下一步」，年營業額逾新台幣75 億元的金豐，工廠停工一天等於損失2,000 多萬元，走在工業 40 的浪頭上，金豐透過各式感測器遠程掌握機台運作狀態並記錄數據，運用網路連接閘道器整合周邊設備，將監測數據傳送至數據庫，快速檢知降低停機風險，雲端線上全年365 天、每天24 小時報修等隨時監控，以實現無人化工廠的目標。 為了讓機器設備故障排除的速度更快，金豐機器工業引進亞太智能機器 公司所研發具備多輪對話能力的客服機器人，結合沖床領域知識圖譜，操作員僅需詢問代理機器人，就可以快速獲得問題解法與報價排修，不必事事等待金豐安排技術人員到廠後才進行處理，最快將停工時間縮短至1天內解決， 降低工廠停工排除障礙時間高達 50。 加速安檢流程 可大幅減省人力30 亞太智能機器透過AI 技術機器理解，讓客戶與前線人員僅需要透過詢問，即可立即準確將問題分類，線上回應操作問題及需求，同步安排撿修人員與料件，以迅速解決排除故障問題，有效降低停工損失。在工具機領域上， Open Talk 可結合工業40 的工具機進行機台控制與即時機台數據查詢，工程師不需要再拿出手機或平板電腦，只需用語音對話，即可對安裝好的音箱 或機器人等進行機台控制與查詢，在機台出現問題時，能即時通知維修師傅，將送修停工的時間控制在一天內。此外，透過亞太智能提供的技術，自動掌握有問題的是哪個產線、問題類型、處理情況，加速安排檢修流程，將可以 大幅減省人力30。

全台最大的黏扣帶專業工廠國紡企業生產黏扣帶，即俗稱魔鬼氈。 全球頂尖的醫療器材供應商DJO、 以拉鍊起家的YKK等國際大廠皆為其客戶， 國紡能獲得等大廠信任，主要是導入製造智慧化， 為有效掌握庫存，導入電商直購訂單解析自動化機器人， 庫存問題全都露。 業界首屈一指的黏扣帶（魔鬼氈）專業製造商國紡企業，成立於1984年，創業初期 30 名員工，如今在台灣、越南等第員工加總超過 330 名。 國紡企業從整經廠、織布廠、染整廠、定型廠，提供一條龍服務。透過拉力、顏色檢測，以專業電腦分析選擇顏料組合及比例，提供穩定產品品質，有效區隔市場，建立了高品質黏扣帶市場的領導地位，並銷售60 餘國遍及五大洲，全球頂尖的醫療器材供應商DJO、以拉鍊起家的YKK 等國際大廠皆為國紡的客戶。 目前高達15 個電商平台需要仰賴大量人力進行訂單整理、庫存管理、出貨追蹤，以致於人力無法有效運用於產品與市場開發，目前雖已有另額外聘工讀生，然而，僅更新單一電商資訊就需要工作到隔年二月，難以快速反應市場需求；受限於人力，產品資訊資訊未能詳盡，導致亞馬遜產品分數難以更上一層樓。 導入AI機器人全面掌握商品庫存資訊 資策會團隊針對上述問題，即提供電商直購訂單解析自動化機器人應用供其試用，依據國紡提供的新產品資訊，定時自動進行電商平台上架，定時自動於電商平台進行訂單檢核。 國紡能做到讓等大廠信任，主要是導入製造智慧化，生產過程的溫度、濕度、速度等都被量化成數據，不僅累積大量生產數據後可提高效率、 降低耗損，更能小量多樣化生產，就算冷門品項訂單也能接單。 由於少量多樣的特性，國紡企業每年約有 4,000 筆以上的訂單要開成出貨單，通常約累積1530天才會一次開單扣庫，導致庫存永遠不準確，因此，資策會團隊利用 AI 軟體機器人方案，以發展 POS 庫存管理自動化機器人應用，當其訂單成立後，不需人員操作開單，自動串接 POS 扣庫，即時同步 POS 系統內庫存數量至各平台，讓「架上」與「庫存」數量一致化，以確保產品庫存資訊可靠度。

隨著台灣社會高齡人口逐漸增長， 需要長期照顧的人越來越多，但供給方面卻始終不足以支撐如此龐大的需求。過去總計培訓了11萬名照服人員，但目前真正投入照服工作的僅有兩萬餘名。根據衛生福利部的推估，長照20需要的照服人力約三萬多人，顯示尚有很大的人力缺口待補足。除此之外，照護人力的流動率也極高，更造成雪上加霜的窘境。如此窘境造成原先就該被妥善差異化照顧之長者無法被妥善照顧，另外也造成了機構業者付出巨大的時間成本做教育訓練進而降低照護品質。 AI銀髮照護智慧平台 1院內基本管理：基本設定、設備設定、院內權限角色設定、職員管理、人臉辨識、住民角色管理、跌倒風險評估、褥瘡風險評估。 2床位管理：床位管理與床位狀態。 3住民管理：住民資料基本資料、床位紀錄單、人臉辨識表、住民結案資料。 4訊息紀錄：人臉辨識紀錄、跌倒訊息紀錄、電子圍籬訊息紀錄與血糖機遠端量測結果紀錄。 右側上方為須提醒住民事項，如季評估、72小時內新入住人員、護理計畫、復能計劃、處遇計畫與營養評估計劃人員。右下方為住民搜尋列表與新增新住民區塊，右側為評值服務計劃提醒事項，點選可查詢哪些住民須安排時間來進行計劃。 機器設備設定：院內機器設備如須新增，如人臉辨識鏡頭，在右上角的新增設備點選後，可設定對應的設備ID、場域名稱、IP位置、設備型態、帳號與密碼後即可完成機器與對應場域的串接設定。 機器設備設定 權限設定：右上角新增權限按鈕，點選後可新增權限角色與各大項功能對應開關的CHECKBOX勾選，此功能對應到院內職員管理，可新建院內職員對應到權限角色，如此一來會員登錄帳密就有會員專屬功能出現在左側選單，達到權限控管人員目的。 權限設定 床位管理：新增床位按鈕點選後，可輸入對應場域名稱如哪棟大樓、區域分類名稱、寢室名稱A01與床位編號0106欄位，所有院內床位建置完成後，可提供住民入住選取床位使用。 床位管理 床位狀態：可查詢目前床位是否有對應到住民，如果有對應到，也可用病床查詢對應的住民資訊，床位歷史紀錄查詢點選後，可查詢所有床位住過的歷史資訊。 床位狀態 住民資料列表：住民新入住時，可在首頁按新增住民按鈕進入此頁面，新增按鈕點選後，分基本資料填寫、緊急聯絡人、個人生活狀況與攜入財務四大項來填寫，完成後按儲存鈕回住民列表，找到剛剛新增的住民，點選個案病歷功能，上方除了基本資料以外，還有四項針對個別住民，須要完成的資料，如住民照片、檢附資料、會議記錄與評估紀錄。 住民照片可上傳三張，提供人臉辨識與首頁大頭圖使用。檢附資料有身分證影本、戶口名簿或戶籍謄本、家系圖、生態圖、中低收入證明、身心障礙手冊、補助函、財務物品照片與其他項。會議記錄為評估完成，所要執行服務計劃項目。評估表是要更詳細了解住民，所須填的資料與分析項目，系統會依照項目分析出結論，提供護理師下照護計畫參考使用。 住民基本資料 住民檢附資料： 【導入案例】AI銀髮照護智慧平台 住民檢附資料 新入住跌倒評估：評估表其中有一項為跌倒風險因子評估，填寫下方欄位問題，系統會給一個分數，判定是否有無風險評估判斷，是目前機構針對跌倒風險這塊，來提早預防的機制 服務計畫產生1 服務計畫產生2 智慧提醒功能：在首頁右下區塊有塊提醒事項功能，每月或每季對每個住民，由系統計算後，自動提醒護理或社工人員填寫表單，完成該住民所須工作事項。 智慧提醒入口 點選入住評估連結後進入到所須填寫住民列表，機構人員再依照護理或社工身分填寫資料，完成後該住民事項提醒會消失，等下個月後會再出現提醒訊息。 提醒評估服務紀錄 每星期系統也會自動提醒評估服務紀錄，當照護人員下完照護計畫後，每星期須做各項服務檢測是否符合的相關紀錄表。 智慧評鑑功能：選取要查詢的住民後，點選評鑑功能，進入評鑑查詢列表。 評鑑查詢列表 【導入案例】AI銀髮照護智慧平台 評鑑紀錄 點選評估計畫查詢，就可重系統查出之前所有紀錄資料提供評鑑使用。 各項表單填寫查詢紀錄，依照小項功能依序以下頁方式顯示。 由於跌倒及壓瘡風險評估之AI功能是基於11項生理數據資料作判斷，因此服務能擴散於長照住宿型機構外的長者，例如日照服務的長者，以及居家服務的長者。預計明年同時推廣至日照型機構之長者，以及有居家服務需求之長者。

金融監管的趨勢 隨著全世界越來越重視法規監管的趨勢，各領域面臨的法遵成本越來越高。若要說2020年成長最快速的領域是什麼相信有許多人會認為是法規 監管嚴格的趨勢下，又以金融業為最，在台灣包含金管會在內的監管單位對於金融業的監管要求趨向嚴格，罰金也越來越重。為了因應這些監管措施，金融業自數年前逐步導入新的法令遵循內控內稽的制度，例如設立法規風險評估、業務單位設立法遵主管作為第一道防線以及法遵自評制度等等。 法遵人員現行的人工法遵流程 然而，金融相關法令多如牛毛，而業務單位的業務手冊又十分繁雜且數量眾多，因此許多金融業的法遵人員必須投入大量的時間處理繁瑣且重複性高的內外規比對工作，避免法令修正的時候，企業的內部規範沒有提出因應措施，造成企業落入風險或被罰款。 法遵人員花了許多時間處理法令異動 Lawsnote法遵系統解決方案 作為台灣技術領先的法律科技方案解決公司，Lawsnote收到許多企業客戶表達法令遵循系統化的需求，即開始投入研究人工智慧應用於法遵系統的解決方案，進而開發出Lawsnote RegTech 法遵系統，用以將法遵人員的部分工作流程自動化，降低法遵人員繁雜而重複的工作 Lawsnote將法令異動以及內規調適自動化 A法規資料庫、搜尋和法規異動派送 作為RegTech系統的基礎，法令遵循流程是由「法規」所發動，因此具有特定領域「完整」而「即時」的法規資料庫以及法規更新機制是必須的。 然而法規並不只限於立法院所制定之「法律」，還包含了各行政機關由法律授權制定的「行政規則」和「法規命令」，以及用以解釋法規的「行政函釋」，都被視為法遵系統必須遵循的法規。 這些法規資料目前並沒有統一的資料源，除了全國法規資料庫外，更有許多法規散見在不同的機關、組織或是公會網站上獨立的法規頁面，造成蒐集完整法規的成本非常高昂。 由於法規會修正，行政函釋會新發布或廢止，因此即時維持法規的變動也是大問題，縱使一次性的搜集完整的法規，若沒有持續監測法規和行政函釋的異動，也會造成法令遵循的缺口。 Lawsnote作為專業的法學搜尋引擎，具有完整的法規及函釋資料庫，可因應各產業法遵系統需求，並可派送各領域所需法規異動通知。 B1內規資料庫及搜尋 企業透過規範進行內部管理，稱為「內規」，一般的內規類型包含公司內部規範、標準作業流程SOP和業務指導手冊等資訊。依照產業別監管的強度，企業內規的數量及密度也會依照產業別有所差異。 在監管密度較高的產業，內規數量有時高達數千甚至數萬部，在如此巨大的內規數量之下，紙本或簡單的檔案系統已經無法滿足企業的內部需求，若不建置內規資料庫及搜尋引擎，在查找及遵循內規的過程中，可能伴隨的是大量時間的消耗以及人事成本的浪費。 Lawsnote具有台灣最強大的法學資料搜尋引擎，掌握專利搜尋技術，以及應用人工智慧優化排序演算法，可將企業內規、SOP及指導手冊等內部資料建置為「內規資料庫」，並將搜尋引擎的技術應用在內規資料庫上，達成快速、完整、易用的內規資料庫和內規搜尋引擎。 B2lt法規ndash內規gt條對條連結機制 當法規修正的同時，企業的內規也必須進行相應的檢查和調整。 企業內規檢查程序可能是由法遵人員依據法規修正啟動，也可能是由業務單位法遵主管（第一道防線）啟動，而後由法遵人員（第二道防線）查核。然而無論由哪一個單位啟動，困難之處都是找到修正法規條文所對應到的內規條文，用以判斷是否必須進行修正。 由於內規數量眾多，用語繁雜，並且牽涉到企業不同業務形態，若每次法規修正都必須重新盤點內規，將帶來巨大的時間耗損，因此法遵人員通常高度依賴經驗，在有限的時間和盡量降低風險的拔河中取捨。 並且由於內規的撰寫方式，常常將法規以不同方式大幅改寫和拆解，造成程式比對非常困難，若單純以既有的程式去比對內外規，會造成許多內規無法有效判斷。 Lawsnote經過研究和測試，設計3種人工智慧演算法以及4種rule-base演算法交叉比對，可以將數千部法規和企業內規之間，建立lt條文對條文gt之間的相關連結，協助法遵人員在法規修正時，能即時判斷連結內規的修正必要性，並大幅節省盤點時間，降低法遵內控風險。 C法遵內控內稽自評流程 為確保業務單位法遵主管確實履行法遵流程，部分企業會導入法遵自評及法遵教育等機制，透過法遵自評之評估量表要求業務單位法遵主管自行評估法令遵循的內控內稽流程，及盤點既有風險。 法遵人員或稽核則必須依據自評的結果進行結果彙整，或製作風險矩陣等，以便進行法遵風險監控以及弱點事項的追蹤。 Lawsnote RegTech法遵系統支援擴充workflow方案，可將工作流程延伸至法遵自評流程，將現行制度與法遵系統進行客製化整合，並結合組織架構以及單一登入權限控管等機制，實現一站式法遵系統的整合。 Lawsnote法遵系統三大核心模組 納入國外法規，作為企業合規工具的首選 Lawsnote將持續優化法規文本解析與辨識技術，除此之外我們將同時開發其他與企業相關之法律科技應用工具，以包套式的服務，成為企業的合規工具首選。除了國內法規之外，Lawsnote亦會將國外法規納入本系統中，使在台的跨國企業能掌握國內、外法規資訊。 Lawsnote一直專注在法學領域的人工智慧應用、資料探勘、演算法設計、搜尋引擎和工作流程優化，致力於透過科技節省法律人的時間。

產地直送尚青的蔬果，溫度控制是關鍵 蔬果新鮮保存，是農作物產銷模式重要之一環，如何提升蔬果新鮮保存效率、整合冷鏈運送管理，是農企業極需面對的課題。台灣農地小且分散，如何在農地採收後即進入冷鏈運送，嚴格管控溫度是保有新鮮的關鍵問題。 冷藏商品失溫損壞、冷鏈運輸斷鏈問題屢見不顯 蔬果供應商近年生產之產品受到市場高度青睞，不僅在連鎖超市銷售屢創新高，對於進軍更高層級的消費市場亦不遺餘力，且近期取得麥當勞、好市多、台塑牛排等生鮮蔬菜的供應通路，也因新高端供貨市場之需要，之前未被重視的公司自有冷鏈運送系統開始浮現諸多問題，也被要求必須積極進行改善及加強冷鏈儲存、運送之效能問題。 導入更多物聯網及AI架構與功能 此「AI冷鏈運輸斷鏈預警系統」以物聯網及AI技術協助蔬果供應商進行冷鏈系統分析，特別是人員管理及因人員決策失當所導致之資源浪費或生鮮商品損壞。 藉由Beacon系統建置得以AI分析冷藏貨品於公司內外之移動路徑、人員需求管理等，並進行數據分析，並以類神經網路學習「冷藏貨品自入庫後之移動路徑」、「處理人員關連」及「產品售出品質」等項目，透過AI學習結果解決並提升「公司內部人員理貨品質」、「外部冷藏車服務品質」及建立「產品品質監測及預警」之功能，達到一兼三顧的良好成效 物聯網感測器資料蒐集 依據蔬果供應商各冷藏空間之不同需求，設定溫度或濕度異常告警，當參數發生異常時，被授權者APP會以推播方式提醒使用者並告知相關處理SOP，對於更急迫之問題還可設定簡訊推播服務，通知未被授權安裝APP監視人員緊急處理程序，避免損失擴大。 溫濕度感測器配置於冷藏空間 冷藏庫雲端監視系統APP畫面 為確保生鮮蔬果運送過程中溫度未被破壞，也確保進出冷藏室時間差以保證產品品質，並確保商品於正確時間送達正確地點，「Beacon溫度、濕度監測系統」能依據現場條件自動調整Beacon訊號發送間隔時間（自5秒鐘至5分鐘），且電力能維持至少1年，而溫度、濕度蒐集設備則可應用到非AI功能之冷鏈追蹤記錄系統，並藉手機APP便能獨立偵測、蒐集並進行運輸過程冷鏈溫濕度追蹤，著實大大提升運送過程控管的便利性 Beacon溫度偵測設備安裝 Beacon溫度偵測設備安裝 運送行為資料蒐集 此次合作的蔬果供應商其冷鏈監測項目，包含：位於集貨廠內之真空高速降溫冷卻機（可將貨品快速降溫至0～3）及12個冷藏庫、理貨場的堆高機工作環境溫度大約20～25，停留時間不超過20分鐘，運送車輛上車前車輛裝載空間溫度約0等，這些條件理論上都可符合整體冷鏈需求，但實際運作上卻出現相當多狀況。 此次合作除落實冷鏈運輸及管理細節，同時確保產品運送品質，萬一在運送過程品質發生問題，也能在第一時間透過系統得知貨品狀況，若「貨品已經損壞」則立即退回不要出貨給客戶，若是「成為高風險貨品」（可能保鮮期變短，則立即做成便當或特價促銷處理），若是「安全抵達」則可以追蹤整體運輸溫度變化及批次貨品品質確認，同時對於送錯目的地貨品之狀況也能夠立即追蹤處理，避免交易糾紛，有效降低冷藏產品的失溫耗損比例 Beacon訊號偵測設備安裝 AI建模進行冷鏈風險分析評估 導入AI建模分析後之成果可有效監視每一批冷鏈商品運送過程之品質，同時提供合作企業最真實的冷鏈品質回饋，管理階層對於每日大量之儲存、運輸貨品一目瞭然，同時，系統在人員還沒得知產品因為溫度變化而導致品質改變前，便可立即主動示警，有效減少商品損壞可能。 系統管理後台介面 導入AI及物聯網能量後，大幅提升90以上附加價值 一、冷藏商品失溫損壞比例降低62 以蔬果供應商108年3至6月之牛番茄產品損壞率21做為產品損壞之依據，本計畫系統建立後，冷藏商品因溫度變化品質受損之數量，較安裝AI冷鏈監測系統後之108年7至10月牛番茄商品損傷比例可降低至87。 二、提升產品價值30 以蔬果供應商108年3-6月之牛番茄產品銷售額12,464,175元做為提升產品價值之依據，以物聯網加值AI功能後之冷鏈管理系統價值，較只使用溫度記錄裝置管理系統之價值，108年7至10月牛番茄產品銷售額提升率可達30。 蔬果供應商導入AI冷鏈運輸斷鏈預警系統，展開智慧運輸新篇章 蔬果供應商導入AI冷鏈運輸斷鏈預警系統，可降低冷藏商品失溫損壞比例並提升產品價值，更可利用自動預警過期機制，智慧化記錄空間溫度變化並精準監測物品存放位置。未來在冷鏈營運上，將佈建全新冷鏈服務通路，並多方應用冷鏈品質追蹤管理技術，建立智慧運輸的新篇章

傳統製造業品管靠目測，品質、商譽皆受損 據IDC（國際數據公司International Data Corporation, IDC）研究，台灣製造業在2018年有25的業者導入人工智慧。主要著重在兩個需求，一是品質檢測，二是設備的預知保養。 然而在許多傳統製造產業當中，工廠產線的成品檢測流程仍由人工負責。人工作業的問題在於往往會因工時長、人眼疲勞而導致品質參差不一，或是肉眼無法挑出細微的瑕疵，而可能因不良品出貨而產生賠償損失與商譽受損。 封膜不良影響甚鉅 國內某椰果產品製造商，在椰果產品製程中，產品封膜完整性是由人工抽樣檢查，但因人力資源安排與產線速度不慢這二個因素，目前抽檢覆蓋率為25。封膜不良的產品一旦出貨，不但造成單罐產品損害，也將影響同箱產品、運輸工具汙損，並招致蚊蠅，對整體造成危害，影響商譽。另外，因產品為高濃縮加工食品，封膜不良若無檢查出來，出貨後，買家也未檢測，將可能造成食安風暴，影響甚鉅 因此導入「AI品管檢測方案」，除了提高檢測覆蓋率，也期望透過AI系統可準確挑出封膜不良產品，減少不良品出貨的機會與後續可能產生之食安問題。 智慧封膜良率檢測，全面覆檢 封膜辨識系統示意圖 由零次方科技有限公司貢獻影像類AI系統之Know-How，搭配巨鷗科技股份有限公司的系統整合能力，共同開發「智慧型工廠封膜良率檢測系統」，整合並導入椰果製造商之產品製程中，提高產品封膜檢測涵蓋率。 在AI能量加值前，原產線生產100箱（約600罐），良率在95前提下，約有30罐不良品，但因檢測覆蓋率僅25，因此僅檢測出1罐不良品；然在加值AI檢測後，檢測覆蓋率提升為96，可檢測出約28罐不良品，大大提升不良品之檢出率，進而降低未來可能產生之損失。 不論以Add-On方式導入或Build-In模式加值，均可為產業提供解決方案 檢測服務流程示意圖 此封膜檢測系統服務框架，未來將可以Add-On方式導入至其他類似檢測類製程之品管檢測環節，例如：整合進飲料工廠封膜、其他罐裝產品封膜產線流程，亦可與封膜機硬體製造設備商做軟、硬體整合，以Build-In模式加值封膜機，提供產業完整性解決方案。

遠洋漁貨的新鮮度與品質影響銷售額 鮭魚、石班、土魠、白鯧等食用深海魚類是我國民眾喜歡的魚種，根據2018年漁業統計年報資料顯示，遠洋漁業所帶來的產值高達357億元，佔台灣漁業總產值近40台灣遠洋漁獲主要進口地分別有挪威、蘇格蘭、斯里蘭卡、加拿大、澳洲、印度、紐西蘭、馬爾地夫等地。而三角貿易的部份是由中東、印度、挪威、斯里蘭卡進口，再將冷凍及冰鮮鯊魚貨轉出口到中國大陸。 國內某漁產品進口貿易商之魚貨主要以冰鮮魚貨為大宗，特色在新鮮度及良好的品質，因此魚貨均採空運來台，在機場通關後，直接由交由貨運業者分送全台各大批發魚市的代理商或經銷商。因此每日能否精準預測各漁市交易價格及代銷商銷售額，便成了當日獲利與否的關鍵 目前並無有效預測隔日漁貨價格之方法 漁產品進口貿易商銷售魚貨給批發商的方式分為兩類，一為「代銷」：主要以抽佣方式，代理商從販售收到的貨款中扣除必要費用與佣金後，餘額全交付貿易商；二為「貨品賣斷」：直接將魚貨賣給下游經銷商。兩者中又以代銷方式為最大宗，代銷商於出售魚貨後，當日便會將售價回報給企業，企業主依報回之售價扣除佣金後，定期向代銷商收取貨款。 因此，每日是否能把不同漁貨送往相對高價的漁市銷售，變成了當日獲利與否的關鍵；然這關鍵因素又有賴於是否能精準預測各漁市交易價格及代銷商銷售額。但隨著氣候變遷導致海洋溫度暖化，漁獲量也難以估計的情況下，各地漁市的價格波動不若以往易於掌控。 目前並無有效預測隔日漁貨價格之方法，發貨全由工作人員依經驗法則做決策，難以掌握獲利因素，只能看老天與市場價格的臉色，每日都存在虧損風險。 智能價格預測-漁貨交易利器 微影資訊科技有限公司透過網路爬蟲程式，自動擷取台灣各漁市的交易日之價量資訊及當地氣候觀測站所記錄之氣候資料，再以遞迴神經網路搭配機器學習所建立模型，預測隔日的漁產品交易價格。搭配氣候資料作建模。 AI智能價格預測模型運作流程 漁產品的交易價格來自「漁產品全球資訊網」，其網站記錄台灣各漁市的交易日之價量資訊。氣候資料則是由「觀測資料查詢系統」取得，包含降水、風向、風速、氣壓等指標數值，且以上二網站為公部門建置的開放資料，資料量充分、詳盡且穩定。 此「AI智能價格預測模型」以銷貨占比最大之基隆漁市為目標，將氣候資料與漁市資料合併為模型的「輸入變數」，模型輸出的「預測變數」則為各品種魚貨當日交易價格；針對資料中仍有缺值的當日資料剔除，並以82的比例分成訓練集和測試集來進行模型訓練。根據預測資料再由演算法判斷最佳配貨組合，經由Line BOT語音機器人與代銷商聯絡其所需魚貨品項、規格及數量，透過機器人流程自動化RPA完成人力精簡及效率提升。 AI智能價格預測系統操作流程 「AI智能價格預測模型」有效提升銷售毛利率，未來商機指日可待 貿易商透過導入AI機器人於企業流程系統後，根據預測資料再由演算法判斷最佳配貨組合，經由Line bot語音機器人與代銷商聯繫，完成配貨決策與資訊傳遞，精簡人力及提升銷售毛利率。 透過Line chatbot語音機器人與代銷商聯繫1 透過Line chatbot語音機器人與代銷商聯繫2 透過Line chatbot語音機器人與代銷商聯繫3 透過Line chatbot語音機器人與代銷商聯繫4