精選案例

22
2020.7
【109年 應用案例】 AOI驗布員降低誤殺率,減少70%複判篩檢量

檢出率低、速度慢、招工難且人員成本高 紡織業向來為勞力密集之產業,目前全球紡織業幾乎都還是用人工進行布料檢驗,人工驗布有三大痛點:檢出率低、速度慢、招工難且人員成本高。平均一個驗布員在1小時內最多發現200個疵點,瑕疵檢出率約為70。 但人員集中力最多維持20~30分鐘,而且驗布速度一般限制在20~30cms,若超過這個時間和速度,驗布員會產生疲勞。 紡織業者購買的國內外AOI驗布機,到目前皆尚未正式融入生產線中,開始時1捲布約能測出10000個疑似瑕疵,檢出率高但正確率過篩低,迄今約減少到7000個點,但仍未達老師傅水準。 高速相機拍攝瑕疵,記錄瑕疵位置 廠商目前採用的Rule-based瑕疵辨識方法,在業主場域實際使用前需要花費大量調整時間約13個月,而且目前使用後並沒有一套可以修正自動化修正辨識模型的方案,造成廠商需要再額外花費時間進行參數設定重新調整,因此,不管是對廠商或業主場域都需要花費龐大的成本。 目前廠商的胚布驗布流程 輔導團隊與合作廠商針對瑕疵檢驗流程導入AI辨識技術與學習框架針對模型重新訓練,具體作法描述如下 1 AI-based 瑕疵辨識模型 利用大量收集到的影像資料包含無瑕疵與有瑕疵,藉由機器學習Machine Learning,如SVM,或深度學習Deep Learning的物件偵測方法,如SSD或YOLOv3,建構瑕疵偵測模型,依此模型來得知當前胚布表面的狀況,是正常品還是瑕疵品,藉此達成瑕疵辨識。 2 辨識模型重新訓練框架 根據目檢員的判斷,若有判斷錯誤的情況發生,則標記該筆影像,將該筆資料作為重新訓練的資料集,待累積至一定程度的誤判資料筆數後,系統將自動啟動辨識模型重新訓練功能,新模型產生後將自動替換舊有的辨識模型,藉此達到模型更新的目的。 導入本計畫後的胚布瑕疵檢驗流程 低誤殺率,解決產業缺工與高質化挑戰 本計畫以深度學習網路架構,重新分類經檢測出的瑕疵,包括真瑕疵與假瑕疵,並可將真瑕疵與假瑕疵進一步分類,降低傳統AOI方案的誤殺率,預期可再協助驗布員減少70以上的複判篩檢量,解決現行生產線導入的疑慮,加速擴散織布廠導入應用AI化AOI檢測方案,解決產業缺工與高質化產品的挑戰。

2020-07-22
【110年 應用案例】 巨量遙測空間數據AI分析雲端服務平台 使衛星遙測影像順利落地應用

衛星遙測影像雖然可以讓地面景物無所遁形,然真正要能落地應用至產業面,還需要耗費大量時間與人力。為有效解決客戶面臨巨量影像資料消化困難及消除跨領域用戶對衛星遙測影像處理的技術障礙等問題,興創知能研發「巨量遙測空間數據AI分析雲端服務平台」,作為智慧空間資訊跨域AI應用導入的新開端。 近年來,為了因應產業全球化衝擊,臺灣農業轉型持續走向科技化與精緻化,紛紛從微氣候衝擊、病蟲害防治等問題的解決,來提升農作物的產量與品質。為了精確掌握作物的生長環境、農業對於影像的使用,有了無限擴張的需求。 在早年UAV無人機尚未盛行的年代,人工田野調查是最基本、卻也最消耗人力的工作,有了UAV無人機的出現,航拍操作也許不太困難,但能拍的範圍受限,要精確地擷取空間資訊,還需要測量專業。此時,衛星遙測數據的使用可能就此跳脫過去使用影像資料的想像。 國家太空中心TASA資料倉儲服務 在近十年,現代衛星遙測應用技術的突破,數位地球成了全球資料採集的新趨勢、各國紛紛發展資料立方的影像倉儲技術,各國發展智慧農業成了最大的影像用戶之一,掌握作物的栽種分佈,就是掌握作物產量的第一步,有了免費的衛星遙測影像、強大的資料倉儲支援,以及團隊穩健的影像辨識技術,是加速農業轉型的重要支持。 運用衛星遙測影像數據 可加速智慧農業發展 然而,在過去,想透過衛星遙測影像來萃取大面積作物分布,也是困難重重,所需要花費的費用不說,若想使用免費的資訊,必須逛透國際太空機構的網站,在琳瑯滿目的衛星產品規格表中,審慎評估感測器規格、影像解析度以及再訪週期,找到適合的影像後,還得一幅一幅的看,去蕪存菁,接下來,動輒數百MegabyteMB的影像資料、連續幾十張的影像下載存檔,所用的電腦容量恐不堪負荷。 還有,當克服影像存取、備好資料後,接著必須開始確認下載的影像產品,哪些才是想要的波段,因為眼前看到的影像並不只是一個圖檔jpg或png,複雜的多光譜資訊、屬性欄位和座標資訊,光是確認正確的資訊,就耗費龐大心力。 而面對功能複雜的GIS套裝軟體,又是另一個麻煩的開始,複雜的影像前處理流程,以及缺乏彈性的機器學習套件,大幅降低分析資料的效率。好不容易做出作物辨識的結果,才發現可能已經過了圖資使用的黃金時期。上述複雜耗時的衛星影像處理問題,恰恰就是市場的痛點, 興創知能從傳統的機器學習擴展到現代的深度學習應用,研發在GeoAI框架下的「巨量遙測空間數據AI分析雲端服務平台」,為客戶突破這些空間資訊的魔鬼細節。 AI分析雲端服務平台流程導入前後之差異 興創知能表示,在我國國家太空中心TASA, Taiwan Space Agency的多年努力下,屬於臺灣的ODCOpen Data Cube系統也已打造完成啟動服務,與國際趨勢正式接軌,強大的倉儲技術讓使用者可以輕易的根據需求,擷取並使用特定時間與空間範圍的影像資料,倉儲收納了國際太空機構旗下的多個衛星影像資源,包含ESA的Sentinel-1每隔6日一幅、Sentinel-2每隔6日一幅,USGS的Landsat-7每隔16日一幅、Landsat-8每隔16日一幅,以及國內自有的Formosat-2每日一幅與Formosat-5每隔2日一幅。 以Python語言為基礎 興創知能開發衛星影像辨識工具 擺脫GISGeographic Information System套裝軟體的侷限,興創知能以Python語言為基礎,整合GDALGeospatial Data Abstraction Library,並考慮運算效率與平行處理,完成所有衛星影像處理與影像辨識建模所需的工具開發,包含座標系統與資料格式的轉換、網格與向量資料互動,以及資料內差與正規化等工具,都是以AI應用為考量進行設計,而部分常用的工具更以TronGisPy為名,打包為開源套件造福技術社群。 興創知能善用團隊對衛星遙測影像的了解,以及透過所蒐集的標記資料作物分佈圖資,預設好影像辨識建模過程,所需的訓練資料規格與資料集定義,套用事先完成的機器學習LightGBM或深度學習CNN框架,並讓整個訓練過程在Web GIS的介面中,提供使用者部分的彈性,自由篩選影像、確認時空範圍、選用模型與超參數調整。除了訓練模型的操作,也提供歷史模型的運用產出辨識結果,最終讓作物分佈的辨識結果展示在Web GIS圖台。 事實上,不僅只是農業才會有衛星遙測的應用需求,隨著各行各業為了提升企業全球性的競爭能力,空間資訊的智慧化應用也大幅度的出現在各種領域之中。舉例而言,擁有大量圖資的測繪業者,能夠透過AI分析雲端服務平台 ,收納圖資的同時也加速數化製圖的效率;在全球氣候劇烈變化與致災性地震風險之下,產業保險類別豐富,農業保險、金融保險或是災害保險,都與空間資訊脫離不了關係,透過遙測影像辨識掌握保險標的早已成為國際趨勢。 巨量遙測空間數據AI分析雲端服務架構

2021-11-28
【111年 應用案例】 優式AI智能割草機器人 搶攻高爾夫藍海市場

一台看似掃地機器人的AI智能割草機器人,在面積達30公頃的高爾夫球場草坪上來回穿梭進行除草工作。這是由國人自主研發與設計的AI智能割草機器人,此種機型搭載全球首創電子圍籬定位技術,可利用高精準定位的GPS功能結合雲端AI計算最割草路徑,已計畫搶攻高爾夫球藍海市場。 這款AI智能割草機器人由成立於2019年的台灣新創公司優式機器人進行研發,優式機器人總經理陳招成曾擔任台灣前5大ODM科技公司的執行副總經理,擅長軟硬整合工作。在他擔任服務型機器人聯盟總召集人時,就深知在少子化、人力漸趨吃緊的情況下,服務型機器人勢必成為高度成長的產業。 新需求》園藝市場規模大 剛性需求殷切 「發展服務型機器人核心技術,一定要找到剛性需求,綜觀歐美國家,人工短缺,然園藝需求增加,園藝工長年短缺7-10」,在此「剛性需求」強烈的情況下,陳招成成立優式機器人公司,第一個產品就是研發AI智能割草機器人。 以國外來說,美國是全球最大的園藝市場,佔全球產值高達30-40,估計約有100萬名園藝工,然近年來皆處於7-10的缺工狀態,遲遲無法改善。主要缺工原因為:人口老化,加上園藝工作靠勞力工作吃重,年輕人不想做。而不像在台灣,歐美國家對於草坪維護十分重視,並明文規定不除草,將觸犯法規予以重罰,因此,AI智能割草機器人的市場發展潛力相當大。 藉由AI多裝置智慧協作割草感測技術的導入,期望減少場務人員整理球場之負擔 優式機器人所開發的AI智能割草機器人已研發至第二代,包括國內大學院校及知名美術館使用最新機型M1,同時也在美國包括一些全球知名的高科技公司,及知名的大學院校等實際場域中運行,正進行後續商務合作的洽談中。 優式機器人表示,目前使用的專業RTK系統,可以將原本GPS定位的誤差從數十公尺縮小到2公分左右,讓機器人在戶外也可以精準的移動。簡單設定邊界後,便能透過APP輕鬆地進行作業。 新應用》導入高爾夫球場 解決人力老化及短缺問題 陳招成進一步說明,國土測繪局是RTK的服務商,RTK將定位點的誤差參考圖提供出來,優式機器人透過4G上網,即可抓取特定位置的定位誤差值。再透過優式機器人的AI演算法,將原本一般GPS 10-20公尺誤差值縮短到2公分。定位好之後,優式機器人再運用六軸加速器定位、陀螺儀、輪子的輪差等感測裝置導入,進行軟硬整合工程,搭配輪子的運動模式和地形的契合,才能達到精準的除草路徑規劃。 這款寬度62公分、長度84公分、高度 46公分,重量只有25公斤的智能割草機器人可以在雲端將割草邊界設定完成,可以透過設定避掉水池與沙坑,用AI演算法自動計算出最佳路徑,一小時可除草面積大約是150坪,電池可以連續使用6小時以上,電池續航力是目前全球最高。 除了一般園藝公司外,在經濟部工業局AI計畫團隊的協助下,將優式機器人的AI智能割草機器人導入高爾夫球場的割草應用。 位於台中市太平區的知名高爾夫球場現有場務人員5人,負責整個球場30公頃的草坪、植栽維護、及其他景觀維護工作。但因場務人員平均年齡高達55歲,且長期無法招募到新的場務人員,針對場務人員的老年化及人力的短缺,希望能尋求AI科技的導入來減緩衝擊,因此藉由AI多裝置智慧協作割草感測技術的導入,期望減少場務人員整理球場之負擔。 新挑戰》因應草種不同 需藉由專家系統克服困難 「這款AI智能割草機器人具備低噪音、低汙染、低人力成本及防水、防盜等配置,在割草的過程中,能透過超音波感測器辨識避開障礙物,並同時保持除草品質,維持美觀一致的割草長度」,陳招成接著表示,高爾夫球最重要的是草紋要漂亮、不能有病蟲害。 根據場勘後發現,高爾夫球場地主要分為果嶺、球道及長草區三大區塊,長草區以現行機器人除草沒有問題,20度以內的斜坡道都能夠克服;球道區的短草只能維持兩公分,草種也不同,需要修改刀盤設計;至於果嶺區的草因為影響到推桿速度,不僅要除草,還要壓草至與地面貼合,草的方向要一致,諸多因素均會影響到果嶺指數,這部分需要更多的研究與測試。 AI智能割草機器人能透過超音波感測器辨識避開障礙物,並同時保持除草品質 AI智慧割草機器人內建攝影鏡頭,可以用來偵測草坪的健康狀態,陳招成表示,未來也將導入專家系統,及早判斷草坪是否有病蟲害或水分足夠與否,將草坪健康數據分析提供給客戶參考,可及早防範與因應,以減少災害損失。 本身也是高爾夫球好手的陳招成表示,台灣高爾夫球發展得很好,然而,受到氣候多雨潮濕、有颱風等天候因素影響,與國外一流球場比較,台灣的高爾夫球場土質偏硬,坑洞較多,若智能割草機器人要普遍導入高爾夫球場仍有許多困難必須克服。但因台灣的困難地形造就很好的試煉場所,一旦台灣能夠克服諸多問題順利導入,就能擴展到海外市場,搶攻新的藍海市場商機。 優式機器人總經理陳招成

2022-06-01
【110年 應用案例】 救命急如星火 AI病危系統監測掌握黃金搶救期

60歲的黃先生因中風住進醫院,在加護病房躺了兩周之後,突然病情急轉直下,經過搶救之後,才幸運撿回一命。事實上,在AI病危預警技術的輔助下,讓醫院能在病患心臟停止前的6-8小時,發現徵象並採取及時、準確的醫療措施,可大大降低病患院內死亡的機率。 病情的惡化是一個隨時間演進的過程,其細微推移變化絕非無脈絡可循。過往的研究報告顯示,發生非預期性院內心跳停止的住院病人中,約有六至七成在其心臟停止前6到8小時前已有徵象,但是卻僅有四分之一被臨床人員所偵知發覺,因此需要一種能更早期、並持續使用風險預警工具或系統監測病情,隨時警示醫護人員注意患者病情的細微變化,在病情進展前採取及時、準確的干預措施,有效減少不良事件或嚴重不良事件的發生風險。 非預期性病情惡化 無法及早偵測 急重症患者常出現不可預測的變化,及時發現或能預測潛在急重症患者為重要的課題。目前臨床常用的評估方式為Modified Early Warning Score MEWS,利用簡單的生理參數評估 包含心跳、呼吸速率、收縮壓、體溫、排尿量及意識狀態篩選出高危險群病人,已經證實可以預測病人的臨床預後。 MEWS為單一時間點且制式化公式的評分機制,然而,博鑫醫電所研發的 AI病危預警-醫院急重症病危提早預警指標系統EWS,係以即時反應預測病人狀態為目的,收集病患的連續性時間之生理資料進行深度學習,找出最佳預測模型,提高整體準確度。 博鑫醫電以大數據分析模型建置早期警訊系統EWS、IoT物聯網及5G通信技術,讓醫護人員透過通訊設備遠距離監控病患的生理狀況,監控急重症快速的病情變化,能掌握心臟停止前的6-8小時黃金搶救期。 博鑫醫電導入AI視覺判讀之後,無人化操作方式可大大降低醫護人力 博鑫醫電開發之AI技術為梯度提升集成學習系統 Gradient Boosting Ensemble Learning System, GBELS 建置早期預警系統,為該公司開發之具有學習型之EWS預測演算法,屬於集成學習 Ensemble Learning的一環,且歸類於監督式學習,提供以下三項功能: 一、早期警訊風險通知,以將具有代表性的數據,以GBELS進行分析,提供早期風險評分,讓醫護人員可即時進行臨床評估及提供適當醫療處置。 二、降低醫護人力:收集連續性生理監護數據,如心跳、呼吸、血壓及血氧濃度等,降低醫護人員書寫病例時間。 三、結合IOT物流網及5G通信技術,快速傳輸監護參數和影像資料等醫療數據,協助醫護人員透過通訊設備,遠距離監控患者的病情變化。 AI病危系統監測 掌握黃金治療期 博鑫醫電表示,急重症患者評估疾病嚴重程度是一項複雜工作,患者經常出現不可預測的變化。臨床醫護人員對病情判斷經常根據自己臨床經驗或直覺,缺乏科學、客觀,導致無法正確識別、及時發現潛在急重症患者,導致或誤診導致病患院內死亡率增加。 導入AI早期病危預警系統可輔助急重症的醫護人員正確的預判患者病情,更能讓患者即時受到需要的照料,藉此可以減少同時間急重症病房的人力安排並降低人力成本。 此外,易於攜帶的設計更有助於日後將系統導入救護車、居家照護等場所,對於急診患者可以更早得到適當的照料。院內的其他科別也可以在這套系統周邊開發新的應用,可有效加速智慧醫療技術的發展及推廣;以時下新冠疫情仍然肆虐全球多國的情況,此一系統也可以協助各地醫院更有效地照顧及監控重症患者的病情。 除了AI病危預警外,博鑫醫電也研發AI影像判讀-醫療生理監視器生命週期合規檢測AVS,也就是以AI影像判讀技術,發展生命支持類醫療器材之自動化品質檢測儀器,解決醫療儀器檢測耗時問題,可降低70的檢測時間,提高3倍的檢測數量、有效降低50的人力成本,同時100合乎法規要求,逐步解決醫療領域人力不足、醫療資源短缺、醫護工作超載等問題。目前已於中國大陸扎根,積極在歐洲為落地做準備,未來將朝日本及美國市場發展。 博鑫醫電研發AI影像判讀-醫療生理監視器生命週期合規檢測AVS,解決醫療儀器檢測耗時問題,可降低70的檢測時間。 現階段博鑫醫電的智慧醫療技術已導入包括新竹馬偕、彰基、東元綜合醫院、高雄工學大學附設醫院、振新醫院、新泰醫院、台北醫學大學附設醫院等醫療院所;國際知名醫材製造商GE HealthcareInc、中國最大醫材製造商邁瑞醫療,皆為博鑫醫電代表性客戶。

2021-10-12

應用案例總覽

【導入案例】無人智慧販賣機 黑沃咖啡一分鐘打造精品咖啡
【110年 應用案例】 無人智慧販賣機 黑沃咖啡一分鐘打造精品咖啡

科技也能飄著咖啡香 位於台中市南區高工路上的「黑沃咖啡」創始店,28坪的空間,飄散著文創與科技交融的咖啡香。2016年10月成立的黑沃咖啡,迄今在全台擁有7家直營店及28家加盟店,在全台已有15萬家店在賣咖啡的情況下,黑沃咖啡異軍突起的秘訣在於:運用AI科技,打造無人智慧販賣機,1分鐘煮出精美香醇的迷人咖啡。 黑沃咖啡實體店營造文創時尚氛圍圖:黑沃咖啡官網 根據國際咖啡組織(ICO)調查,台灣人一年喝掉285億杯咖啡,市場規模超過700億元;而業者星巴克調查,2018年台灣咖啡整體市場達720億元,2020年已上看900億元。近5年,台灣咖啡市場以每年約20的成長率擴展,成長潛力驚人。 咖啡需求商機驚人 每年以20速度成長 在咖啡已成為台灣人時尚消費象徵的現在,除了星巴克、路易莎等一級品牌咖啡店外,還有7-11、全家便利商店,及在街頭巷弄一家家的精品咖啡館。如何吸引消費者的目光,在淪為「紅海市場」的咖啡市場中異軍突起,就有賴彈性與創意,了解消費者的需求與口味,更是培養品牌忠誠度的不二法門。 除了實體店面外,黑沃咖啡也積極發展虛擬通路,其電商平台除了官網,還有 PChome、momo及團購主等通路, 通路多元,業績也穩定成長。 即便如此,黑沃咖啡創辦人林佩霓仍不斷求新求變,在成立前三年,由於與加盟門市的關係處理往往處於被動分散狀況,難以主動掌握市場動向,與消費者溝通的節奏及品牌跟進消費者的速度存在著一定的落差,較難以培養品牌的忠誠擁護者。 職人精品咖啡深受消費者喜愛。圖:黑沃咖啡官網 透過AI鷹眼系統爬蒐商情 市調成本大幅下降 為解決無法快速掌握市場風向與市調成本高昂的兩大痛點,黑沃咖非在2020年導入AI鷹眼系統爬搜市場商情,透過在社群網站、新聞、論壇等社群媒體全方位爬蒐各式文章,自動貼標,合適篩選,從網站每篇以5個關鍵字計算,爬蒐4,858篇文章,相當於24,290個關鍵字,所花費的成本不多,可以精準掌握到消費者的口味與偏好。 同時,在新品推出之後,不僅可即時通知加盟店,更可以透過社群了解消費者的接受程度,作為是否大力推廣的參考依據。 透過數據的蒐集,及透過AI演算法的分析,選出消費者最喜歡的口味,可以降低新品推出的風險,提升新品成功率,因此,黑沃咖非在2021年大膽開拓新市場,推出全球首創AIoT智慧咖啡創新概念,與全聯合作首間「智慧超市」合作,結合黑沃咖啡打造無人智能手沖咖啡機,讓消費者也能享受獨一無二的好風味。 洞悉消費者口味 打造AIoT無人智慧販賣機 台灣第一家全聯內湖瑞光「智慧超市」就位於台北軟體重鎮內湖區內,推出全球首創AIoT智慧咖啡概念店,可以透過手機App連動AI智慧咖啡販賣機、AI手沖咖啡機、AI真空冷萃機,一次滿足三種咖啡科技體驗,自助區部分設有黑沃咖啡AI智慧咖啡販賣機,不僅支援多種無現金支付方式,還是全台唯一以冷藏牛乳製成奶泡的無人智慧咖啡販賣機,嚴選黑沃5A級牛乳,從付款、研磨現煮、到出杯,只需1分鐘時間。 台灣第一家全聯「智慧超市」於台北市內湖區瑞光路成立。圖:全聯FB粉絲頁 全聯智慧超市設置AI智慧咖啡販賣機,使用APP操作就能享用香醇咖啡。圖:全聯FB粉絲頁 現在,加上AI科技元素之後,喝咖啡不只是純喝咖啡,也為消費者帶來更多全新的科技體驗與便利。

【導入案例】屈臣氏導入insider AI 技術平台 加強客戶體驗提升轉換率
【110年 應用案例】 屈臣氏導入insider AI 技術平台 加強客戶體驗提升轉換率

擁有台灣實體連鎖藥妝龍頭地位的台灣屈臣氏,近年來持續擴大數位轉型的腳步,自2014年成立屈臣氏網路商店,積極發展電商市場外,更透過結合Insider的AI技術,自營的官網加上藉由大量的門市銷售數據、會員消費行為累積,及AI的個人化推薦、在最佳的時機點投放最佳的接觸訊息給使用者,大幅提升消費者在Online成交與在線下購物的OO全通路消費體驗,大大提升轉換率。 OO線上加線下 提升客戶轉換率,帶動業績成長 屈臣氏集團為全球零售巨擘,過去30年在台灣落地深耕,專精於零售、門市營運SOP流程優化、零售供應鏈等,但對於電子商務平台經營只有數年,在電商領域如何提升轉化率、透過個人化的AI演算法提供客戶最佳化購物體驗並無足夠的人才與技術資源。 相比於在零售業經常被討論的「O2O」(online to offline),屈臣氏奉行的方向則是「OO」,也就是線下加線上。目前在屈臣氏網路商店下單的客戶,約有兩成會選擇到門市現場取貨。這時門市人員的服務如果到位,扮演現場購買的「觸媒」,就有機會利用線上商店導進來的客戶,為實體店創造額外業績。 根據統計,屈臣氏擁有將近600萬會員,在實體門市零售領域交易資料量龐大,但對比擁有120萬以上APP活躍用戶及近300萬App 下載量,會員活化的程度仍嫌不足,若能夠透過AI技術進行數據整合,也就是透過AI提供客戶進行最佳化的商品推薦以提升客戶從Offline 行為轉換至Online消費,或是導引線上客戶前往門市消費,將可提升大大客戶轉換率,帶動業績成長。 首頁個人化推薦模組:為您推薦 屈臣氏原始使用的開發套件為全球系統商SAP的電商解決方案Hybris,對於電子商務比較偏向單純展示、銷售,缺乏足夠技術資源處理提升消費體驗升級的相關解決方案。 Insider是一家行銷科技(martech)公司,在全球25個城市設有據點,並在台灣有專業的顧問團隊,提供顧客在地化的數位解決方案,致力於以技術優化數位行銷成效,幫助品牌推動數位成長。Insider是許多國內及全球企業包含屈臣氏、家樂福、IKEA、Lenovo、愛迪達、信義房屋、新加坡航空等大型企業的合作夥伴,在透過AI技術提升客戶轉換率、回購率、及提升廣告投資報酬率績效卓著。 屈臣氏引進insider AI演算機制主要是為了加強客戶體驗,透過AI的個人化、整合式行銷模組提升顧客戶消費的互動體驗。進而提升電子商務轉換率,以及透過AI的功能找尋對的客戶,增加新的客群、提供顧客更好的購物消費者體驗。 各頁依據客戶行為觸發折扣碼複製功能推薦 Insider 有許多原本已經研發好的技術模組,可以提供各種客戶於應用情境內去使用,搭配客戶在特定情況下所需要提升轉換率,可以提供許多不同功能的模組使用,目前屈臣氏電商網站APP使用insider不同模組,另有部分也會根據屈臣氏的特殊屬性,例如民生回購、導App需求、刮刮樂折扣碼,去設計因應屈臣氏客戶特殊情境的轉換套件或個人化推薦模組。 引進Web APP 個人化推薦、轉化模組套件 有效提升轉換率10 屈臣氏目前已經導入模組中的前四項,預計在2021年完成全部五項模組導入後,預期提升線上線下的互相導購,進而全面提升屈臣氏的整體電商及零售業績。 1 Web Recommendation Conversion Suit 2 App Recommendation Conversion Suit 3 InStory for eCommerce 4 Mobile App Template Store 5 Insider Architect 屈臣氏目前已經導入AT模組,預計2021年底完成 屈臣氏2020年與insider合作以來,引進了Web APP 個人化推薦、轉化模組套件,已有效提升成交轉換率達平均10以上,ROAS 平均10以上。 未來屈臣氏也希望能將POS銷售紀錄導入insider CDP,可以達成更優化的OO互動機制,完成全通路的消費體驗。 透過結合Insider的AI技術,自營的官網加上透過大量的門市銷售數據、會員消費行為累積,以及AI的個人化推薦、在最佳的時機點投放最佳的接觸訊息給使用者,將大幅提升消費者在Online成交與在線下購物或是進入屈臣氏門市創造互動的機會。藉由新技術在電商寡占的領域,為屈臣氏在消費者心中保持美妝保健類別中獨特的領導地位。

【導入案例】光學產業AOI導入AI大躍進 徹底解決鏡片瑕疵檢測痛點
【110年 應用案例】 光學產業AOI導入AI大躍進 徹底解決鏡片瑕疵檢測痛點

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。

【導入案例】「以AI補足傳統產業經驗傳承的斷層」塑料再生製程之產量預測分析
【110年 應用案例】 以AI補足傳統產業經驗傳承的斷層 塑料再生製程之產量預測分析

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。

這是一張圖片。 This is a picture.
【110年 應用案例】 廠房好幫手 Chatbot 讓機器停工期縮短到一天

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。

這是一張圖片。 This is a picture.
【109年 應用案例】 電商直購訂單解析自動化機器人 解決庫存問題

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。

【導入案例】AI銀髮照護智慧平台
【109年 應用案例】 AI銀髮照護智慧平台

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。

【導入案例】「Lawsnote法遵系統」,透過AI技術將法遵CRA流程自動化,提升企業法遵效率。
【109年 應用案例】 Lawsnote法遵系統 透過AI技術將法遵CRA流程自動化,提升企業法遵效率

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。

【導入案例】「AI冷鏈運輸斷鏈預警系統」,降低冷藏產品失溫比例、提升產品價值
【109年 應用案例】 AI冷鏈運輸斷鏈預警系統 降低冷藏產品失溫比例、提升產品價值!

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

筆資訊
總筆數:69, 共8頁