精選案例

21
2021.1
【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。

2021-01-21
【110年 應用案例】 化身大型AIOT科技遊樂場 海科館華麗轉身好吸睛

臺灣是一個海洋國家,你去基隆八斗子漁港或潮境公園遊玩時,是否順道去占地48公頃的國立海洋科技博物館探索海洋世界的奧秘呢為了讓更多人親近海洋科技,基隆海科館導入科技服務,將場館化身為一個大型科技遊樂場,讓大小朋友都樂不思蜀,充分發揮「寓教於樂」的功能。 歷經長時間的規劃,北臺灣最大的基隆海洋科技博物館於2014年元月開幕營運,館內以海洋教育科技為主題,號稱擁有全臺最大的IMAX 3D海洋劇場,主題具有獨特性、又擁有新穎的視廳設備,理應成為基隆知名的地標景點。然而,原先的展覽規畫以靜態為主,內容相當專業,與民眾互動不足,曾經前往參觀的遊客也反映展出內容有限且十分無趣,整體消費者體驗評價欠佳。 海科館不滿意的前3項為周邊景點連結弱、展示內容不吸引人、展示內容少 根據海科館的統計數據顯示,海科館遊客結構當地民眾與外來客的比重約為 64,其中外地遊客以北部居多;交通方式以開車與客運方式為主;出遊類型以家族、親子、朋友居多;逗留時間為 1至2 小時。 再深入了解,遊客感到不滿意的前3項分別為周邊景點連結弱、展示內容不吸引人、展示內容少等,館方分析可能的原因包括部分展示內容的呈現方式過於專業,讓民眾看不懂,以及缺發互動體驗的元素,讓參展民眾覺得無趣,停留的時間匆促而短暫。分析遊客的輪廓可以發現,由於基隆科博館主要客源有半數以上來自於當地民眾,外來客必須以開車或大眾運輸方式前來,來一趟並不是那麼容易,因此,場館與展覽的設計必須導入更多的互動性及趣味性,讓本地客願意一來再來,外地客的停留時間也能拉長一點。並透過科技服務將博物館特色凸顯出來。 經由經濟部工業局AI團隊之一中華民國資訊軟體協會引薦,海科館就委託巨鷗科技協助解決場館無法吸引人的問題。 巨鷗科技初步訪談之後發現,許多遊客前往海科館,大多是受到海科館建築外型、周邊牆面所張貼的告示及懸掛的旗幟、或正在舉辦的活動所吸引;而遊客最感興趣的為 3D 海洋劇場,顯示內容以影音、實體景方式呈現較能吸引遊客。 七大AI科技導入 海科館帶動區域觀光人潮 巨鷗科技透過科技服務的導入,將占地48公頃的場域設計成AI語音導覽、尋寶解謎遊戲、AI展物互動活化、AI空間展館互動體驗、AI人流管控、Face AI互動式體驗、AI語音客服系統等7大服務,藉由AIoT物聯網以及雲端科技讓看展變有趣、不僅解決孩童靜態看展無趣的議題,並可提升雙倍學習效率,讓消費者對海科館的印象改觀,大大提升來客意願,也同步拉升區域觀光人潮。 國立海洋科技博物館導入AI語音導覽等七大科技應用服務。 巨鷗科技以改善海科館空間場域優化為目標,透過臺灣北部海濱鳥類特展的展覽背景為雛形,結合包括「人臉」、「肢體」、「人流」三大主軸,從提升功能的面向,來協助改善海科館對AI的應用。 在具體作法上,海科館及巨鷗科技首先針對場域內的特展進行篩選,先避免在已展出的展覽內進行水電工程、管路等相關建置,影響到展覽本身的觀看品質,轉而找出展期未到的場館先行導入,透過展覽本身的特點搭配一系列的科技服務進行導入。 在海科館內臺灣北部海濱鳥類特展施工內容與策展人討論,初步在展館入口處利用Bella X1做迎賓互動說明,接著搭配AI智慧導覽中文英文X1進行講解,搭配趣味性尋寶解謎集章活動-APP X1,讓民眾闖關,後續將鳥類特展內鳥種進行標本活化互動X1、甚至在展覽空間中導入AR之情境X1增添趣味性娛樂,最後在Face AI做人臉之互動測試臉部進行微笑打分數。nbsp 華麗變身後的海科館將成為親子最佳旅遊地點。圖海科館FB粉絲頁 海科館這套AIoT服務未來可延伸運用於各大展覽類博物館,甚至擴及到靜態美術館等地區,依據不同場域特點導入。同時也可透過政府專案及相關計畫推動,幫助農村再生,讓遊客不再只是去農村看看而已,添加趣味互動以擺脫對不同場域的刻板印象,應用服務範圍十分廣泛。

2021-10-17
【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。

2020-10-27
【109年 應用案例】 AI導入營建業 減少工安意外 安心看得見

營建業是台灣的火車頭工業,撐起營造、裝潢、修繕等產業一片天,然而,營造業的職災發生率偏高,成為業者及勞工心裡的痛,透過AI裝備辨識導入營造業,讓企業放心、勞工安心,共創雙贏。 根據勞動部2017年職業傷害統計,各行各業勞工發生職業傷害千人率平均為2773,但是位居第一名的營造業職業災害千人率卻達到10036,識平均值的36倍,屬於發生職業傷害的高危險群。若能從源頭預警做起,將可有效降低職災發生率。 有鑑於此,財團法人資訊工業策進會受經濟部工業局委託執行AI計畫,就將AI技術導入營造業列入重點實證產業之一,選定台灣具知名度的大型營造商,將佳能企業安全帽正確配戴辨識方案應用於企業,以期有效降低職災發生率。 智慧辨識配戴安全帽 解企業主的痛點 營造業高階主管強調,與各產業相較,因營造業勞工主要的工作環境為建築工地,安全衛生的風險較高,很多的風險來自於勞工未正確配戴及使用個人防護工具,例如戴安全帽等,如果要使用人力全程監督勞工,耗時費力且效果十分有限,若能應用AI技術導入工地進行智慧監控,不但能節省公司人力資源,也保障勞工安全,一舉兩得。 事實上,為保護勞工於作業中的安全,當勞工進入工地作業時,營造廠都會要求勞工需要正確穿戴安全帽,但有戴上安全帽不代表正確佩戴,為避免安全帽於作業過程中脫落,佩戴好安全帽後,需將頤帶確實繫於下巴的正下方, 工地用安全帽正確佩戴方法 然而,在工地現場,有許多外籍勞工便宜行事,並未正確配戴安全帽,若要安排監督人力,耗費過多人事資源,在資策會團隊的媒合下,導入佳能企業的影像辨識技術。 為能確認裝設影像辨識攝影機的最佳位置,雙方團隊先進行現場勘察,也同步收集工地現場使用的各類型安全帽;其後於工地、工區電梯出入口裝設一般攝影機收集現場人員畫面,以提供佳能建置正確、錯誤佩戴安全帽之模型,讓影像辨識程式進行學習,並由佳能工程師定期至工地回收影像,而後待影像辨識程式的辨識率達一定程度後,再將影像辨識攝影機裝設於工地現場。 佳能工地安全帽資料搜集攝影機設置 有效提升辨識率 具體落實工地安全 在辨識率上,因現階段國內尚無辨識安全帽正確配戴之相關技術,因此,辨識的程式均由佳能公司重新建置並訓練,加上實際安裝地點的環境背景更加複雜,將影響到辨識效果。 未來,透過機器學習,將可大大提高整體辨識率,使得勞工配戴安全帽的安全措施可以具體落實。 在AI辨識技術導入營造業工安領域的同時,也可以結合行動裝置進行預警,也就是說,在攝影機取得辨識資料,進行判讀之後,可立即將辨識結果推播到工安主管等特定人員的手機、平板電腦,或是門禁設施進行連結,一旦發現員工未能正確配戴安全帽,在第一時間通報相關人員,甚至是門禁阻止其進入,直到員工正確配戴安全帽才准予進入等,未來的應用方向仍具備相當的發展潛力。

2020-03-17

應用案例總覽

【導入案例】「到府洗衣智慧服務系統」,透過AI會員經營,打造智能化洗衣產業
【109年 應用案例】 「到府洗衣智慧服務系統」,透過AI會員經營,打造智能化洗衣產業

方便又好用的洗衣業者哪裡找 當想送洗衣物至乾洗店時,偏偏電話打不通,無法確認今日是否營業該怎麼辦乾洗店APP下載佔空間又卡卡不好用送洗後衣服有問題卻沒有客戶服務系統,產生客訴無法即時處理怎麼辦 根據行政院主計總處統計,全台洗衣業家數在2019年8月已超過6,000家,如何在眾多洗衣業者中脫穎而出,與眾不同,成為一個重大課題。 客訴管理,危險邊界 國內某乾洗品牌連鎖店,於2015年中推出洗衣APP,主打「到府收送洗衣」,目前該APP已有2萬次下載,會員人數大約6,000人,實際每月約300人次使用,在如此便利的服務下,卻收到許多消費者不好的評論,造成營運無法順利擴張,其面臨之問題及改善需求有以下二點: 1消費者缺乏下載APP的誘因及居高不下的成本: 消費者要使用服務需先下載APP,「如何讓消費者願意下載」是APP服務的最大難關。且因採平價、高品質的理念,運用到府收送的服務流程,物流成本已比同業高出許多,又要在推廣APP上付出行銷費用等,在成本居高不下的狀態下,很難達成永續經營的目標。 2人力不足造成的客戶服務問題: 原APP的客戶服務方式是以電子郵件為主,因人力不足所以無法以電話方式服務,故在回應上無法即時滿足消費者需求,且常造成對消費者問題反應的遺漏,進而造成消費者不滿意的情況。 目前多數客訴問題發生於消費者收到衣物後,發現衣物有缺漏、破損或是洗後色偏等狀況,當客服同仁接受到問題後,會先請工廠調出洗衣袋照片,同時請消費者提供收到的衣物照片兩相比對,若確認此問題並非工廠疏失時,會將工廠所提供之照片傳遞給消費者以釐清問題。此客服流程需花費大量人力及時間才能處理完成,實在欠缺服務效率 完善的AI客服體驗 思言科技股份有限公司與AI團隊切斯特國際有限公司合作,透過數據分析與智能客服打造「智慧線上預約服務系統」,利用系統線上預約洗衣服務到府收送,並打造24小時隨時預約及客服回覆服務。 且智能客服採用最新人工智慧深度學習,自動記錄每一次問答紀錄,具備錯誤矯正的能力,並新增客服表單、推播功能、客服機器人及LINE真人客服等服務管道,大幅提升客戶聯繫及確認的方便性,確實縮短客服處理時間,也提供更即時的服務,並透過數據分析打造自動化的AI會員經營術,有效提高消費者回購率及滿意度。 1對1 LINE線上真人客服 到府洗衣智慧服務系統 降低服務使用門檻,有效提升客戶服務滿意度 乾洗品牌連鎖店之服務原先需下載APP才可使用,在導入AI聊天機器人技術後,已轉換成只要加入LINE便可使用。由於服務入口更換,在試營運期間已明顯感受到消費者使用意願提升,訂單及營業額也同步增加。 未來將擴大推廣,除在網路下關鍵字廣告外,也會在門市請人員進行推廣,並已規劃「舊會員邀新朋友得優惠」之行銷活動。且已將本系統應用至餐飲業,未來將會持續將本系統推廣至其他適合之產業。 乾洗品牌連鎖店已規劃將開立「小型門市」,減少檢查訂單及衣服之人力,並已與取物櫃業者聯繫合作,以期多方服務消費者。

【導入案例】緯霖華岩科技聯手研發以AI預測性維護機台,提升血液透析機使用率
【109年 應用案例】 緯霖X華岩科技聯手研發以AI預測性維護機台,提升血液透析機使用率

台灣洗腎率 世界第一保持洗腎機運作正常是降低風險第一要件 根據美國腎臟登錄系統(USRDS)最新年報公佈全球尿毒症排行,台灣洗腎率是世界第一,2018年急、慢性腎病患者共花掉健保51378億元,國內洗腎人數更衝破9萬人大關 當腎臟無功能時,除了換腎或以透析方式取代腎臟功能,約九成患者選擇血液透析(俗稱「洗腎」)方式;大多患者須每周三次,每次4-5小時至特定醫療場所治療(血液透析中心,俗稱「洗腎中心」,是一種高風險的醫療行為。 病患在洗腎中心進行血液透析期間,如發生異常事件,不僅直接影響病人的醫療安全及治療品質,尚要耗費醫療資源、人力解決或排除。減少血液透析期間的異常事件,為血液透析中心的主要需求。其中最容易發生兩類異常事件,一為透析設備出狀況,二為患者的併發症。在透析設備方面,血液透析機是血液透析過程中最重要的設備,大部分的技術性狀況,多可歸屬於血液透析機問題。 血液透析機結構複雜,潛在風險和安全隱患多 血液透析機的結構複雜、精密,集水路、電路交錯,整合電子、機械、流體力學、光學等精密的體外循環系統;由於工作時間長,易受熱力及化學腐蝕的影響,造成部件磨損,影響整個透析系統的操作性能,潛在的風險和安全隱患較多。 由於血液透析機發生「異常事件」時,不論輕重,均被動叫修處理,不僅患者需轉至備用床位,等待維修停機期間(約2至3天)床位無法使用,床位可用量減少,造成已預約患者調度困擾。 只要血液透析機發生「異常事件」,就是目前血液透析中心最大的擔憂,故提高血液透析機設備使用率為當務之急 以AI預測性維護提升血液透析機使用率 開發作業流程 透過大數據,運用AI預測架構,以主動式「預測維修方式」取代「故障時才維修處理」的被動方式,減少異常事件的發生,提升血液透析機的可用度,期望降低(解決)血液透析機的異常事件,不僅可減少醫療資源、人力及時間耗費,也提高治療品質,保障患者生命安全。 透過AI預測,血液透析機的維護可分為「預測性維護」及「即時故障診斷」兩種 ,其中「預測性維護」是指每日血液透析機暖機時,依照大數據資料及AI預測模型,提供血液透析機的健康狀態,當檢測到設備參數有不健康趨勢時予以警示提醒。而「即時故障診斷」則是指血液透析期間,依據設備實時狀態、相關參數,透過AI預測模型,進行數據分析,判斷設備是否需要預測性維護;當血液透析機有狀況時,即可立即判斷故障因素,並即時排除非重大異常事件。 解決方案圖 以創新服務模式,推廣至全台或亞洲區的血液透析中心 AI預測模型維護能夠降低血液透析期間的異常事件,優化現場資源,提升可用血液透析床數,同時提供患者更進一步的安全保障。對「病患」可減少人為疏失產生的異常事件造成損傷及痛苦;對「醫護同仁」可提升簡易處理異常事件的能力,增加工作滿意度及品質;對「院方」則能提升醫療品質,增加醫療滿意度,節省醫療成本,避免醫療糾紛的產生。 「提高血液透析設備可用度」,對血液透析中心而言非常重要,以AI預測性維護為一創新服務模式,可推廣至全台或亞洲區量多的血液透析中心,也可整合個別血液透析的狀況,包含:後端維修、派工及零件庫存等,規劃雲端服務模式的新營運模式。

【導入案例】「AI智慧辨色及成本最佳化控管系統」,自動辨色,突破傳統調色模式,大幅降低成本、提升良率
【109年 應用案例】 「AI智慧辨色及成本最佳化控管系統」,自動辨色,突破傳統調色模式,大幅降低成本、提升良率!

調配新色彩,只能仰賴老師傅的經驗 漆料產業所謂的「電腦配色」,僅為從「現有色」中挑選再進行配色,若遇到「新色」實則無法調出對應的漆料,皆仰賴老師傅的經驗,因此遇到新色時皆要重頭調配,耗費了許多人力與時間,且每個師傅因調色習慣不同,所配出來的結果雖相同,但成本卻差異很大 傳統塗料工廠面臨轉型的危機三部曲 一、缺乏配色標準規範 一般傳統塗料廠生產新色時,會透過「分光測色儀」量測出樣本色之LAB值後,再由調漆師傅根據過往經驗調配出該色漆料,調配完成後再利用儀器檢測LAB值與C、H波長,而此過程並無完整的系統與資料庫紀錄,亦無一套配色標準規範。 二、生產成本難以控管 塗料廠生產許多不同材質及功能之色料,而漆料成本會隨使用的「色母材質」不同而有所差異,即使母件色號相同,色母使用比例不同,成本也會不同,而調漆師傅在調配漆料時,並無一套配色標準規範,導致難以控管生產成本。 三、調色時程冗長與人員訓練不易 在儀器無法取代人工配色之情況下,調漆師傅的培訓須經過多年調漆配色之經驗累積,並熟稔色彩學,對於色相、飽和度、明亮度皆須有基本瞭解,且在調漆時,若無基本參考配色值,必須花費大量時間反覆調配,造成時間成本損失。 建置「AI智慧辨色及成本最佳化控管系統」 塗料廠透過庫點子文創資訊產業有限公司與朝陽科技大學資工系進行產學合作,結合朝陽科大之AI研究能量,共同開發「AI智慧辨色及成本最佳化控管系統」,建置「漆料色號」及「色母材質成本」資料庫,透過資料探勘方法,分析最佳化配色及最佳化成本配方,調漆師傅可參考系統分析之配方進行配色,調漆完成後再將配方輸入系統,反饋至基本資料庫,利用「類神經網路模型」做系統深度學習,建立調色標準化系統,進行成本管控及資料蒐集,以解決塗料廠目前面臨的困境。 在系統建置前期,由庫點子進行塗料廠系統需求之規劃,並建立系統架構與系統資料庫,而後與朝陽科大共同進行資料探勘、類神經網路應用模型功能建置與導入。 系統建置完成後,由庫點子協助塗料廠進行系統測試及修正,待修正與測試無誤後再導入系統,並進行系統使用教育訓練,確保系統正確使用。 系統畫面示意圖 導入系統前後差異 拓展漆業新市場,看見漆業新榮景 此「AI智慧辨色及成本最佳化控管系統」蒐集調漆師傅之調色配方,建立漆料色母配方資料庫,並紀錄該色號之成本,再藉由深度學習功能,搭配分光測色儀,利用每筆數據,分析出最佳化調色配方,以利塗料廠掌控調漆配色之成本,並藉由系統推薦最佳化調色配方,提高調漆速度,增加產值。 未來可產生之效益包含:因產品良率提高,故可減少客訴、增加顧客滿意度;突破傳統調色模式,優化企業形象;提高調漆效率,並可將剩餘時間投入教育訓練,提升人員專業能力;並可共同拓展漆業新市場與學習新應用技術,推廣至其他塗料業者使用,提升整體產業競爭力,看見漆業新榮景

 【導入案例】「凱比同學機器人」有個AI腦,不再答非所問
【109年 應用案例】 「凱比同學機器人」有個AI腦,不再答非所問!

智慧家庭勢不可擋 近年來「智慧居家裝置」崛起,科技大廠除了推出不同產品之外,也帶動語音助理、聊天機器人Chatbot 、陪伴機器人的熱潮,而「語音購物」市場將成為零售業下一個潮流。根據調研機構Juniper Research調查也顯示,到了2023年基於聊天機器人的交易市場規模,將從2018年的73億美元激增至1,120億美元 國內某知名家用機器人製造服務商,提供自行開發設計的教育與陪伴服務機器人,「凱比同學機器人」為其主力產品,但因跟使用者的語音對話能力仍有不足,當消費者覺得機器人不夠聰明,就容易玩膩而被棄置在一旁,長期也會影響其他消費者購買意願。 Hello凱比同學,你聽得懂我在說什麼嗎 經過調查發現,很多凱比同學機器人用戶特別喜歡跟機器人對話或聊天,聊天範圍很廣,但語音聊天對話若單純使用Google或Microsoft雲端平台開發,開發成本不低,用戶使用語音對話服務時,Google是以服務量計價,系統運營成本高,且運營成本是動態變動的,因此對於系統成本管控造成很大困擾。 另一方面,家用機器人製造服務商因已投入大量資源發展凱比同學機器人硬體、軟體、數位內容等服務,自行再開發自然語言對話及語意理解技術,也必須耗費大量人力且速度慢。因資源有限,希望尋求第三方解決方案以提升機器人對話服務的能力與開發效率。 網際智慧自主研發之iboai語音助理對話大腦平台與凱比同學整合 從「對牛彈琴」到「我知道你很難過」的轉變關鍵 網際智慧股份有限公司為台灣知名的人工智慧自然語言理解技術服務公司,產品包含自然輸入法、TTS語音引擎、iboai語音助理對話大腦平台。其中iboai語音助理對話大腦平台,已經應用於智慧音箱、火車高鐵語音助理App,甚至企業用的中華航空公司的員工優待機票系統等。機器人製造服務商發現iboai語音助理對話大腦平台可以很快的補上機器人製造服務商自有AI服務對話技能發展速度的不足,增加更多的對話內容與技能,提供上下文關聯對話服務,使凱比同學在短時間內讓用戶有感變聰明。 服務架構 本案也進一步應用中央研究院資訊研究所最新Principle-based原則導向之語意理解引擎技術,達到深度自然語言處理及理解,並對其進行意圖與實體分析,生成互動對話邏輯,進行連續對話。所以也補強凱比同學機器人基礎社交溝通能力、增強AI對話技能數量,也從原先凱比同學機器人對話只能一問一答回覆就結束,進階為具備「多輪對話」與「上下文關聯對話」的能力,使機器人對答更人性化。同時,凱比同學機器人的開發時間上減少了許多,明顯且有效地大幅降低並控制雲端服務維護管理成本。 服務架構1 AI凱比成為你無所不在的好夥伴 目前市面上眾多的機器人與智慧音箱等語音助理,大都僅能提供一問一答即結束的對話服務,本案採用之iboai語音助理對話大腦平台最大的差異是具備「上下文關聯理解的多輪對話互動」能力,也是台灣唯一能支援在本地端或雲端服務的AI語音助理對話大腦平台。 iboai語音助理對話大腦平台也是支援Level 3Level 5最高等級的對話技能模版數量最多的平台(請參考httpswwwiboaiai-level),可以支援生活類(基礎社交、天氣、新聞、股價)、交通類(台鐵、高鐵、航班)、行銷客服類(FAQ回答、提升購買率)、企業管理類(預約時間、訂會議室、請假考勤、資料查詢)、電商類(出貨進度、退換貨)、IoT控制類等等,透過AI技能模版可以支援大量的企業服務應用,讓企業在短時間設計專屬的語音助理或AI Chatbot為顧客服務,可以應用到LINE, Facebook Messenger、網站、App、IoT裝置等。 本案iboai語音助理對話大腦平台採取iboai inside策略,強調自己的定位是Enabler,協助企業服務升級AI,希望也能幫助現有Chatbot廠商、App開發商、商用軟體商、資訊硬體商、系統整合商、IoT設備商,升級原有的產品與服務具備人工智慧自然語言理解對話的能力,一起為廣大企業提供新一代的人工智慧AI智能機器人服務。

【導入案例】AI加值「香蕉契約合作管理作業系統」,有效提升香蕉外銷產值
【109年 應用案例】 AI加值「香蕉契約合作管理作業系統」,有效提升香蕉外銷產值!

香蕉產業面臨外國低價衝擊 我國香蕉產業近年來受到菲律賓與厄瓜多低價衝擊,銷日數量逐年下滑,已不復當年台灣香蕉外銷日本之黃金時期。 香蕉價格組成之結構,在青蕉階段各國差異不大,投入之肥料與所收穫之重量各國都無明顯差距。但國際香蕉報價,菲律賓一箱約在美金11元,但台灣香蕉每箱則多在美金22元左右。究其原因,乃在於香蕉採收後之「集貨場規模投入資本與產出」之效率,國內農地破碎而零散,因而大幅度拉高了後期商品的成本,也因而限制了外銷的出口動能。 此外,氣候變遷對於我國舊有外銷香蕉之南部產地也造成影響。冬天不冷,夏季降雨週期改變,導致產出之香蕉生理特性受到影響,果徑急遽增大超過外銷規格,造成集貨場處理時每單位的合格品成本增加;或是含水量過多導致口感失去歷史味道,造成市場願意購買的價錢下滑,在成本上升與售價下降的壓力下,更相對的擠壓了台灣香蕉的商品價值與生存。 種植環境差異性無法維持香蕉外銷品質的穩定度 雲林縣某鄉果菜生產合作社,原為國內內銷香蕉之集貨場,所在田區位於雲林縣,該區原本並非台灣外銷香蕉之產區,自2017年,台農發股份有限公司在進行田間調查時,意外發現雲林縣所產之香蕉品質與南部地區相比較為穩定,農民組織也更為緊密,能夠利用水稻田與香蕉田輪作之方式減少黃葉病發生,有效維持產量。 香蕉出口 然而雲林縣的果菜生產合作社並無外銷經驗,因此台農發逐步導入日本相關品規,與農民議定出貨之果指大小、果徑寬度、果軸切口與裝箱方式等。期能逐步建立起我國在中部地區的香蕉外銷中心,然而雲林產區的氣候因素與南部截然不同。目前我國外銷香蕉的相關經驗,多是按照高雄與屏東之經驗來訂立,並無考慮到產區北移後,氣候對於香蕉生長之影響,因此目前集貨場在處理規格品的時候,淘汰的部分仍多,間或造成農民爭議。 農業風險控管數據服務,發展香蕉品規量能波動預測模式 台農發股份有限公司既有之集貨場對契作香蕉農戶包裝分類品檢機制,收集之數據資料與悠由數據應用股份有限公司配合,運用資料科學研究方法,透過研究規劃、資料蒐集擷取、資料清洗、特徵萃取、資料融合、資料分析演算法建立、分析結果、模板開發、專家會議討論等步驟建立分析應用流程。 以「集貨場對香蕉契作戶包裝既有分類品規數據」為核心,將相關數據包含:集貨場每批進貨之貨櫃編號、產地、香蕉數量、每箱果把以及果指數據、瑕疵品抽驗紀錄及內部收購價格與各採購商價格等,透過香蕉契約合作管理作業系統,介接資料決策分析系統及API,提供果菜生產合作社上述分析數據,以利進行後續判斷。 悠由數據擷取與蒐集香蕉契作戶產地之歷年氣象環境資料、公開批發市場的產地價格及香蕉生理模式等數據,結合台農發的分類品規數據,建立「香蕉品規量能波動預測」演算機制,並將分析預測結果回饋至香蕉契約合作作業管理機制。 視覺化採收時程分析 藉由香蕉不同品規量能波動預測分析結果,提供集貨場作為提早預警及市場風險控管之決策參考,並進一步對通路端進行供貨調節,解決集貨場收購所面臨的產能與品規不穩定的問題。 果菜合作社X台農發X悠由數據應用緊密合作,創造三贏 本次成功將產地與台農發和悠由數據三者結成緊密之合作關係。農民以往對於貿易商常有猜疑,貿易商對於農民亦無掌控力,產地往往發生對立的情況,因此未能針對品質進行循環性的改進。這次的結盟,能夠讓通路端的要求,對照產地實際出貨的品規波動,並且用數字化的方式呈現,讓農民也能夠對自己的出貨品質有客觀的認知,進而願意換位思考理解貿易商的難處而進行配合。 香蕉契作管理創新模式 台農發與悠由數據的香蕉契作管理系統,能夠提供一個平台,讓作物的生理結合氣候預測而得到預判資料,對於台農發經營之其他品項,如:鳳梨、美生菜、紅蘿蔔、鳳梨釋迦等,都具有極大的啟發。 未來只要輔導農民參與產銷履歷系統,即能透過地籍資料對接到本契作系統中,有助於產銷履歷制度推行。此系統未來台農發也考慮進行商業化購置。

【導入案例】【文鼎木刻思打造AI造字助手】傳統鑄字行文化傳承現曙光
【109年 應用案例】 文鼎X木刻思 打造AI造字助手 傳統鑄字行文化傳承現曙光

全台僅存的鑄字行文化傳承曝危機 國內某傳統鑄字行為台灣僅剩一家「仍在營運」的鑄字行,有種使命感,希望把台灣長久以來美麗的鉛字活版技術,長久傳承下去。但即使想要繼續鑄字,現存的模具已經歷超過40年反覆鑄造,用來鑄鉛字的「銅模」紛紛損毀。店中高聳的鉛字牆,正面臨時間侵蝕的困境。 每一枚「銅模」可以用來生產一萬枚鉛字,因此被稱為「鉛字之母」。如果銅模的字跡模糊,鑄出來的鉛字也會模糊,印刷之後就會出現部首殘缺、筆劃參差的現象。 在台灣5070年代,用來鑄字的「正楷」銅模,負擔傳播文明的重要責任。 正因銅模崩毀狀況嚴重,鑄字行老闆於2008年發起「字體銅模修復計畫」,與一群熱情參與的志工,首先進行「正楷」銅模字體的修復。三年中各種討論、工坊如火如荼,每週不間斷地討論,似乎銅模復刻之日即在眼前。然而這樂觀的前景,卻發生了意想不到的危機,最終被迫暫停,因為每個人修復的字個性迥異,雖然優美,看起來卻不像是同一套字型helliphellip 銅模字體修復師的「共性」養成不易 曠日廢時的「字體銅模修復計畫」 經歷2008年的失敗,對鑄字行是巨大打擊,因為不能採用這批字型,而覺有愧於志工們的熱情付出且最重要的銅模仍持續損毀中,尤其是店內最具價值的「正楷」銅模,每多鑄一個字、就又破損一點,讓日星焦急不已 銅模損壞從「缺角」開始,逐漸碎裂,終至崩壞 為了趕在銅模完全損毀之前至少保存「字體現貌」,鑄字行於2016年重啟修復計畫在幾位重要志工和Justfont字型團隊的協助下,先將受損最嚴重的「正楷」初號鉛字、部分「宋體」一、二號鉛字先行掃描、保存,待資源到位時,可將「掃描圖檔」轉換「字型檔」,再以電腦進行精修。之後由60歲的老闆一人,緩慢地以一天5個字的速度,修復日星12萬餘枚字型。 有鑑於人力修復的腳步遠遠比不上銅模磨損的速度,鑄字行透過更嚴謹的測試徵選,把3至4位有志長期協助修復的人才聚集起來。除重新進行字型教育訓練之外,也增加「書法」課程培訓。最重要的,為了養成修字的統一標準,這幾位修復師必須接連數月、數年的同步修字,並且每天就修字成果進行檢討,以便減低誤差,趨於一致。期望讓3位修復師一起工作,每天5個字進行長期修復;加上前置訓練,25年內將有望為繁體漢字重建完整的「正楷」4500字初號字型helliphellip 算算看一位修字師傅,需要幾個日子,才能把所有字修完 文鼎科技神助攻,打造AI造字助手 文鼎透過全球領先的漢字造字技術和工具來協助鑄字行,更透過工業局的AI智慧應用服務發展環境推動計畫促成資服業者AI加值轉型計畫,與AI新創獲獎廠商木刻思合作,研發融入AI技術,提升造字生產力,達到縮短開發時間與降低成本的目的。 文鼎從早期每個字都要字型設計師一筆一畫從頭開始造,進化到可以利用既有的字根組字,預組出完整的字。但此初步預組的字,可能筆畫重疊厲害,空間與粗細不佳,還需要設計師花許多時間調修,才能產出可用的字型產品。而透過AI加值模組後,系統可學習設計師部分已調修過的字型風格,自動調整剩餘字的架構、筆劃粗細等,最後再由設計師花較少的時間來確認品質與小幅修改,即能完成可用的字型產品,大幅降造字的時間成本。 導入文鼎加值AI造字系統流程-2之1(導入AI工程技術) 文鼎科技以全球字型、跨平台字型技術服務為核心,提供全球各大製造商、系統商、政府單位各種字型解決方案,以過去開發新字體為例,完成一套萬字的字型需耗時一整年,經濟部工業局輔導文鼎科技與AI新創公司木刻思合作,透過AI學習字型風格,只需完成5,000字,即可自動生成其他5,000個未造字型,再進行品質確認與調修,讓設計師花更少時間便能完成整套字體,大幅提升5成工作效率未來亦將持續優化造字模組,讓AI完成9成以上字型設計,加速新創字型生產速度。 導入文鼎加值AI造字系統流程-2之2(導入文鼎造字平台) 文鼎科技字型創新受到各界採用,如第30屆金曲獎運用字型進行舞台視覺設計、蔡英文總統競選團隊也採用平台字型做為總統大選文宣,於2019年透過AI加值轉變營運模式,首年創造1,500萬元營收,預計5年內提升營收至1億8千萬元以上。 智慧字型設計服務平台 以AI輔助造字降低字型設計門檻,未來可以轉化為「智慧字型設計服務平台」,提供設計師自創字型,也可服務企業字型設計,幫助設計師達到原本無法以個人完成的整套字型開發,也能在專業的造字領域,達成設計與開發的分工,並成為字型代工成功的第一步,對於字型的設計和應用將有重大影響。 且透過AI加值的iFontCloud文鼎雲字庫改變了原本的營運模式,從僅限於文鼎科技內部設計師進行字型設計,打破原有客群限制,與外部設計師進行合作,建立並活絡造字產業圈內的生態系。 AI加值造字流程產出的字型產品:文鼎雲端平台字庫管理工具 文鼎科技吳福生總經理表示:工業局輔導參與AI加值計畫的實證成效,自2019年起每年持續投入600萬,至2023年累計投入3,000萬於AI技術研發,文鼎規劃下一階段將轉化為「智慧字型設計服務平台」,把iFontCloud文鼎雲字庫開放給所有熱愛文字的民眾,每個人都可以透過平台創造個人風格字型,並可應用在各領域,預計將創造更大商機。 iFontCloud-AI加值造字流程產出的字型產品,在文鼎雲端平台上銷售

這是一張圖片。 This is a picture.
【109年 應用案例】 運用深度學習的AI檢測系統,只要0.5秒就能對不規則多邊形體瑕疵做出檢測!

傳統製造業採人工目視檢測產品,品質良率缺乏穩定性 傳統製造業所生產的產品,「品質良率的優劣」是至關重要的議題,也是客戶業務要求的決定因素。近年來雖已有許多AOI視覺檢測輔助系統,但在自動化導入檢測系統時,仍有多項限制條件無法克服。 例如:少量多樣的產品外觀、無法標準化的不規則多邊形產品尺寸、因光線不同角度暈射之玻璃或金屬產品等,不易以AOI視覺檢測來輔助產品良率的過濾,所以仍有許多傳統製造業採用人工目視檢測產品的品管流水線。 人工檢測耗力耗時,國外解決方案昂貴 國內某模型新創製作公司,因常有客製化少量多樣的產品需要製造,雖有國外進口百萬級模具設備,但在產品外觀品質檢測的部份仍多用人工目視檢測,每位員工的測試標準不一,且為了正確完整的檢視產品的外觀,每個人所花費檢視的時間也不容易控制,往往同一個產品需要反覆檢視才能確保品質標準之要求,相當耗力耗時,也易受外界環境影響。 模型公司雖曾評估擬改採國外的AOI視覺檢測設備,但一組設備的價格不菲,又只能檢測部份型式的產品參數,且無學習功能以達到多樣化檢測的目標,故仍只能被動維持原方案helliphellip 客製化解決方案,大幅提升檢測效率與節省人工成本 為了降低人工作業的誤判率及操作成本,進而提升公司產品競爭力,模型公司尋求五百戶科技有限公司協助,期望透過客製服務,以Deep Learning人工智慧技術導入,改善傳統AOI視覺檢測系統的缺點,增加可用視覺檢測系統之產品面向種類,更精準地提升視覺檢測產品的準確性。 五百戶科技在國立中央大學創新AI研究中心的協助下,依據模型公司提供的五種瑕疵條件定義,如:刮痕、毛屑、白斑、損傷破裂與烤漆不均勻等狀態,先蒐集訓練集資料,再手動加工複製瑕疵條件到產品的其他位置與角度,再接著運用程式產生不同角度、光線變化下的瑕疵圖檔,並進行瑕疵標記。 並使用不同演算法所需的訓練集程式方法,如:VGG、RestNet、Inception、DenseNet、Xception、SqueezeNet、對目標的遷徙學習、分類問題Faster_Rcnn、SSD、Yolo、Mask_Rcnn等物件辨識演算法後,經過精確率與速度的綜合考量下,進而選擇了SSD作為主要核心測試檢驗用的演算法。 再產出該演算法所需要之訓練集格式內容,做為比對模型使用;繼而使用不同的AI框架,如:tensorflow、keras等,都做了實際的驗證測試,並產出驗證測試報告,最後調整出每種產品檢驗時的最佳應用參數,確保檢測準確率達平均95,檢測時間也由5秒減低至平均05秒。 模型公司原製作流程僅於人工檢測完成後,批次加蓋QC合格印章,或挑出有瑕疵之產品。導入此檢測系統後,原流程不變,但加速了人工判斷的時間,並且在過程中錄影存檔作紀錄,若有瑕疵品便會出現紅色警示並記錄成照片,該件商品即被排入瑕疵待檢區,人工檢測後若為合格品即可往下檢測下一產品,大幅提升檢測效率與節省人工成本 低成本、高效能的AI檢測新選擇 以機器取代人力的視覺檢測技術,在少量多樣訂單生產、急單和勞動人口短缺情況下,扮演越來越重要的角色。相對國外昂貴的檢測方案,國內能提供相對便宜且客製化之方案,無論是購置成本或檢測效能,都吸引更多業者躍躍欲試,將能有效提升製造業者生產品質之良率,進而提升競爭力。

【導入案例】台資科翻轉傳統專利分析曠日廢時的致命缺點, 研發「企業專利監控之 AI 數據分析平台」,一鍵搞定
【109年 應用案例】 台資科翻轉傳統專利分析曠日廢時的致命缺點, 研發「企業專利監控之 AI 數據分析平台」,一鍵搞定!

如何有效率地分析海量增長的專利資訊,挖掘潛在價值 專利是技術、市場和競爭資訊的寶貴來源。然而,公開的專利文獻總數已高達 12 億件,僅去年一年就新增 630 萬件。如何才能讓這些海量專利文獻為己所用 專利分析為充分挖掘專利資訊的價值,提供了一條不可或缺且切實可行的途徑。通 過專利分析,我們可以瞭解自身與競爭對手各自專利組合所具有的優勢、存在的不足和 蘊含的機會,以及全球專利申請趨勢、技術全景、哪些地方可能存在空白領域等等。 然而專利分析要求透徹理解底層資料,這些資料的用法和用途,以及能夠解決的問 題,如何才能有效率地運用及分析海量資訊,正是最讓人頭痛的問題helliphellip 非結構化的資料型態,只能透過人工閱讀整理,十足惱人 「專利說明書」係融合法律與科技用語的一種具有法律效力的文件,屬於非結構化 之資料形態,過去的各項檢索或分析都是以人工之方式閱讀內文與整理,實乃曠日廢 時,且經常發生追趕不上訴訟時程之情況。在協助企業進行專利佈局時,常面臨無法量 化競爭對手與客戶之訴訟風險程度,也難以量化專利之品質與價值,造成受輔導單位新 聚能科技股份有限公司(以下簡稱「新聚能科技」)之業務範圍無法進一步地擴大,也 無法促進外界對專利加值應用之瞭解程度。 近年來,新聚能科技也開始協助企業中負責創新與研發的人員,提前掌握影響產業 未來發展的重要科技及其專利競爭情報,使得相關人員更從容地進行專利佈局,並提高 專利品質與價值。然而,新聚能科技大部份業務範圍在於代理專利軟體,對於知識產權 運營管理資訊系統 IPServ 主要協助企業或個人的智慧財產權做管理,但目前並無提 供企業或個人提供專利監控等數據分析相關的服務。 台資科-股市與專利大數據間的連結 這些專利軟體包含專利檢索、管理與維護,而專利大數據是否能夠成功輔助企業掌 握市場現況、專利價值、訴訟威脅以及監控競爭對手的不法侵權行為,基本上全是仰賴 於專利數據之取得。由於專利數據之清理非常費時,所以一直是個讓人頭痛不已的問 題,直到台資科研發「企業專利監控之 AI 數據分析平台」,才終於出現曙光helliphellip 傳統專利分析曠日廢時,改用「企業專利監控之 AI 數據分析平台」, 一鍵搞定 本計畫的發想是使用專利申請的案件中之專利編碼與公司產業別等具鑑別力的影響 因子,透過大數據分析,並增加相關新聞以機器學習透過 AI 輔助專家,分析市場現 況、避免訴訟威脅以及監控競爭對手的不法侵權行為。這些最後萃取出來的因子也將影 響個股的表現,對此可以根據不同的企業屬性和發展方向,朝向客製化大數據分析提升 企業的戰略位置。希望透過平台的搜尋可以快速的讓企業於新增產品線時,了解競爭對 手的專利佈局,避免侵權的情況發生;或者廠商要找合作夥伴時可以從有高度研發的公 司來篩選,將此平台作為競合關係的好工具。 投資組合最佳化 傳統上專利分析曠日廢時,需透過人工檢索專利、閱讀專利資料,才能產出一份專 利分析報告,藉由本專案的「企業專利監控之數據分析平台」 (以下簡稱「專利監控平 台」),使用者可輸入某年度或自己與競爭對手的公司名稱,經過系統分析後,即可給出 該年度及公司間的技術布局、變化趨勢監控等結果,節省作業時間及人力。例如,若要知 道市場上對於物理、化學、電學的相關技術發展現況,可分析 IPC 專利號碼檢視哪些公 司的持有專利有群聚現象,藉此研判該群聚專利為相關技術或相互依賴的技術,了解公 司之間在專利布局上的相似度、產業趨勢,縮短決策時間,搶先布局或作專利迴避設計。 透過人工智慧改善傳統的人工專利檢索的作業以提高工作效能,「專利監控平台」 的設計係用於幫助專利分析人員更方便了解特定技術領域的專利發展現況,以預測未來 技術研發方向。專利布局是企業針對專利組合,透過整合市場、產業、法律等因素,構 建嚴密的保護網,形成有利的研發方向、降低侵權風險。嚴謹的專利布局可幫助公司在 戰略規劃時避開地雷區,避免不必要的訴訟戰;或是透過搶先申請專利及購買專利,擴 大自身技術的保護範圍。而要達成此目的,關鍵是經由分析大量的專利資料,領先同業 找出趨勢。以本公司開發之產品線人流資訊流天線為例,專利監控平台可針對產品之專 利組合,達到上述目標。 人流資訊流天線產品圖 未來,將針對專利文件內容之標題與摘要進行文字探勘(Text Mining)。前期人工 輔助,後期採機器學習方式建立專利詞庫自動斷詞系統。應用斷詞系統將標題與摘要進 行斷詞,計算字詞頻率(TF)與反轉文件頻率(IDF)。透過統計方法(如相關相數), 擷取專利文件特徵,找出專利之間強關聯性之相關字詞。提升探勘專利之相似度,更進 一步了解專利訴訟之風險。 經由呈現「平台網絡圖」可以讓公司或事務所快速看到,其相關的產業公司佈局在 哪些專利上面。對於專利,各公司可以思索全由自家研發申請或者是從產業龍頭單獨購 買專利授權。對於公司產品,要商品化時可因應時代變遷採取不同的策略,前幾年也許 是敵對的,隨著產品發展的差異而是今日的盟友。 台資科專利指數的獨特性與優勢 關於「公司交叉比對」,可一次選擇多年,對於和主要公司相似度較高的對比公 司,從年度變化可了解雙方是否發展太過相似的專利,而使二者處於高風險侵權的風暴 範圍之中。當數據庫資料更多時,可以進一步計算專利風險率,讓習慣讀數字或讀表的 使用者從另一角度快速知彼知己。甚至未來增添更多參數後,可以估計侵權金額,但取 得參數內容,還需與專利業者協同合作,一同打造更便利的專利風險監控平台。 專利大數據-預測台灣上市櫃公司獲利能力

【導入案例】「AI指紋判讀模型」,利用AI將現場指紋進行數位化轉換與辨識,讓辦案追查更即時
【109年 應用案例】 「AI指紋判讀模型」,利用AI將現場指紋進行數位化轉換與辨識,讓辦案追查更即時!

精準快速辨識指紋,還給無辜關係人清白 「指紋」是刑案現場勘察不可或缺的重要證物之一,而在刑案現場可以採集到眾多指紋,對象包含:受害者、關係人及犯嫌。鑑識人員在現場採集「可疑指紋」跡證後,必須進行「關係人」或「被害人」指紋排除,避免比對到無辜關係人,造成鑑定資源浪費。 指紋初判,費工費時 根據國內某市警政統計年報指出,107年某市全部刑案發生數為43,558件,由於「自動化指紋比對系統」建置耗價不斐(目前國內採用的NEC指紋辨識系統動輒造價數千萬),不宜單為指紋排除作業耗費鉅資,故現行各單位仍以鑑定人員以肉眼逐一比對鑑定來進行指紋排除,而某市政府警察局鑑識中心於確認排除後再到「現場勘察案件暨證物室管理資訊系統」進行註記該枚證物為「關係人排除」,以利後續控管,最後再把「疑似犯嫌」的指紋進行後續比對作業。 以現行案件資料統計,90的案件現場,會有1至2個關係人及可疑指紋採集1至5枚;以1個關係人及可疑指紋採集3枚來計算,一個案件需花費15小時至3小時才能完成排除作業。如以107年某市刑案發生案件數而言,光排除作業就得浪費不少時間。 AI指紋判讀,讓犯人無所遁形 此「AI指紋判讀模型」由欣揚科技有限公司與AI團隊榮光科技有限公司共同開發,將鑑識人員從現場採集的所有指紋證物資訊,建入「現場勘察案件暨證物室管理資訊系統」內,此時,再執行「AI比對指紋比對」,透過AI指紋判讀程式,自動偵測指紋區域並抽取特徵點,系統便會根據判讀結果進行註記,確認是否該枚證物是否為「關係人排除」。導入AI後,一案只需2至3秒就可以完成鑑識,能讓現場指紋的比對流程更自動也更快速 關係人排除流程,讓鑑識專家可以加快鑑識時程 整合並建立電子指紋資料庫,持續優化AI指紋辨識模型,提升辦案效率 透過整合並建立電子指紋資料庫,再運用AI進行指紋辨識,可以大幅提升辦案效率其中「指紋資料庫整合」部分,因目前資料來源多為某市轄區內的案件,若要達到全台灣的指紋橫向連結,則需要整合各縣市的資料,如此更能有效提升指紋科技辦案的效能。 此外亦可將「指紋卡電子化」,因目前指紋卡都是直接按壓在紙本上,然後再掃描成電子檔,以供後續電子化處理;若能在第一時間就讓民眾在終端電子採集器上直接按壓指紋,便能大大提升後續電子化處理的時效性。 而此「AI指紋判讀模型」的成果,針對目前警員辦案尚可使用,但仍有幾點可持續加強優化:包含「執行速度」特別是使用在跨不同案的比對時,以及「判斷的精確度」,因目前AI模型是提供警員進行人工判斷的依據建議值,倘若日期的持續調校能讓正確性有一定的可靠信賴度時,就可以完全自動化來進行關係人指紋排除作業。

筆資訊
總筆數:76, 共9頁