服飾快時尚、少量多樣、短交期 紡織產業面臨服飾品牌快時尚趨勢衝擊整體紡織供應鏈，全球品牌通路都推動零庫存、短交期與少量客製化，生產時間、品質、成本難以平衡，面對品牌商對ODM的預測與實際需求常有落差，造成物料管理與大量庫存成本積壓的問題。 由於客戶預測需求不準確，常導致備料困難，備料太多會增加積存量、備料太少可能延誤交期。本計畫規劃以國內一級供應製造商為對象，建立各客戶專屬的物料需求AI預測模型 AI計算銷售趨勢，進而預測需求 輔導團隊與神通資訊科技合作，計畫主要透過LSTM演算法來做為AI的基礎，主要是希望藉由過去的銷售記錄預測下一個週期的銷售量，在統計上使用簡單迴歸，乃至複雜的『時間序列分析』Time Series Analysis來預測銷售趨勢，因為，當期的銷售量通常會與前期的銷售量有緊密的關係，除非公司發生重大事件，否則，應該會循著規律變化。 銷售量預測的樣態很多種，包括營收、利潤、來客數、遊園人數、銷售產品數金額、等等，都屬於同一範疇，以下會以工廠的每月出貨批數為例，使用 LSTM 模型預測下個月的出貨批數。 物料需求分析方案執行架構 本計畫規劃以客戶為對象，建立各客戶專屬的物料需求AI預測模型，規劃階段使用三種機器學習演算法試作物料需求AI預測模型： Logistic Regression Algorithm 羅吉斯迴歸 Gradient Boosting Algorithm 梯度提升法 Deep Learning Algorithm 深度學習法 物料需求AI預測模型規劃 需求預測誤差自最高70降至35，降低備料庫存量 本計畫將客戶預估需求、所需物料類別、供應來源、客戶交期等資訊，以機器學習的方式，建立主要原物料的採購預估系統，將該客戶前五大國際客戶需求量預測誤差自最高70降至35，大幅減輕庫存之備料量。

人力吃重、容易疏失與錯誤、出貨效率低落 國內某黏扣帶傳產代工製造轉型升級經營品牌，並透過電商平台模式拓展新市場新商機，需要仰賴大量人力進行貨品上架、訂單整理、庫存管理、出貨追蹤，導致可處理之產品種類與數量受限，人工登打作業也常容易疏失或出錯，影響出貨效率與客戶滿意度，對於企業在電商上的競爭優勢至關重要。 企業內部往往有許多是仰賴所多的人力在各個電腦系統、網頁、email、hellip等資訊系統之間的重複作業。目前上架15個電商平台，僅更新單一電商資訊就需要工作23個月200多項商品，難以快速擴展；受限於人力，產品資訊未能詳盡，導致各電商評論中多有疑慮，影響下單，也影響下單後的滿意度。目前僅每日確認一次訂單，資訊落差達24hr。每年約有上萬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。 精簡型用戶端，加速導入效率 輔導團隊與瑞精工科技合作，透過網頁型架構整合AI與RPA的技術，機器人流程自動化 RPA 應用程式不是安裝在使用者的本機桌面上，而是存放在伺服器，只有在使用者有需要時才進行存取。 這項技術也稱做為精簡型用戶端 Thin Client，相較於複雜型用戶端 Thick Client 必須將應用程式和資料下載到本機桌面，精簡型用戶端提供了更高的效能與安全性，精簡型用戶端不需要在本機下載。 RPA可協作服務功能包含： 網頁爬蟲：複雜網頁資料收集與整理 電子郵件操作：內文與附件的資料剖析與拆解 網頁操作：精確快速的網頁操作或填寫特定欄位資料 應用程式操作：定時定位操作其他視窗應用程式 資料處理：資料間格式轉換、拆解重組 檔案交換管理：檔案定時產出、新增刪修、FTP上傳下載 資料庫操作：異質資料庫資料交換、讀取或寫入特定DB 資料辨識：固定格式欄位資料處理；螢幕快照、截圖、英數文字解析與辨識 排程執行：可以定時重複，交叉處理以上所有流程 告警機制：Email、Line Notification等指定或廣播通知 軟體機器人技術方案執行架構 AI 軟體機器人加速訂單、庫存管理、採購等製造營運處理速度，發展自動化處理服務，避免數據重複輸入和輸入錯誤，且跨系統流程串接、247 全天候運行，透過戰情室面板資訊統計分析各電商即時銷售狀況與預測優化產品庫存。 直購訂單解析自動化機器人流程 各家電商資訊戰情室統計分析看板 軟體零失誤，降低1590成本 面對快速變化又競爭激烈的市場環境，更需要減少重複性、低產值的工作，將人力運用在更高價值的工作上。 RPA軟體機器人效率是間接作業人員的15倍，同時可以強化流程品質，趨近於零失誤率的作業執行品質，提供15至90的降低成本的機會，由於不需要大幅更動原有作業流程，因此對於業者來說，幾乎不太需要另外耗費人力重新訓練或配合新的作業流程，對於業者來說接受度也較高，甚至在軟體部署方面，僅需45周即可上線運作。

微型化產品、客戶要求全檢 台中某國內上市電子元件業者，因應5G世代將為石英元件產業注入新的成長動能，尤其在5G商機爆發下，石英元件的重要性將比過去在消費性產品上扮演更重要的角色。 針對產品不良因素的分析能力，頻率元件走向微型化的同時亦要求高精度，因此製程環節更容易遭受細微因子影響，業者需掌握更全面包括人機料法環各環節數據進行分析，因此需設法如何在複雜生產環境中，儘快找出關鍵不良因素。 瑕疵認知不同，品質一致性難提升 隨著電子元器件的微小化、複雜化趨勢，在產線中視覺檢測有四大主要功能，包括量測、辨識、定位、檢查等，而檢查是所有功能中最困難的部分絕大部分電子製造廠商仍然依賴於傳統人工目視檢查。 以目前AOI（自動光學檢測）技術滲透率最高的PCB行業為例，曾有研究機構做過調查，當兩個人檢查相同的PCBA板四次時，他們的相互認同率少於28，認同自己的只有大約 44左右，由於現場人員對瑕疵的認知不同，因此即便是已然自動化的機器視覺，仍會存在因系統設定或現場品管人員不同，導致出貨產品品質無法一致性的問題 偲捷科技檢測AI化，降低過篩率2030 輔導團隊與偲捷科技合作，針對其封銲製程下的瑕疵，以CNN Convolutional Neural Network 為基礎，透過整合多個模型的方式導入AI辨識模組，利用視覺辨識技術輔助AOI檢測的後續優化，以提高檢測設備的辨識正確率。 預估導入AI視覺辨識後，將可有效降低過篩機率至2030。因此產業在需要更智慧化的檢測系統條件下，開始應用AI技術來輔助AOI設備進行後續篩檢的優化。 AI化AOI 檢測解決方案Cross-Model設計概念 封銲AOI檢測試煉結果 降低誤殺率，減少目檢員50篩檢量 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，預期可再協助目檢員減少50以上的檢測篩檢量，解決現行生產線仍需仰賴大量人力複檢、效率低落的問題。 未來目標結合機械手臂，進行自動上下料，並針對瑕疵成因進行分析，優化生產製程參數。

AI應用在醫療健康服務應用上蓬勃發展，對於與民眾第一線接觸的社藥局裡，藥師是負責提供藥物知識及藥事服務的專業人員，但社區藥局執業藥師需要人工處理處方箋申報系統登打作業，如果花費太多時間處理例行的作業，就排擠了提供藥品衛教、服藥成效追蹤、及更多專業藥事服務的時間，AI應用要如何協助社區藥局成為藥師的小幫手呢 繁瑣、耗時、重複性高的工作、以及AI解方 藥局經營備受新環境威脅，市場新商機設限，藥局的經營成本高，獲利方式有限。一人藥師的社區藥局數位化升級困難，藥師需要身兼數種身份以求對社區住戶健康程度瞭解，且繁瑣、耗時、重複性高的工作阻礙服務品質的精致度，難以全年無休回應客戶。 智慧藥師助理服務平台 由健康力科技的智慧藥師助理服務平台之系統架構，搭配行動裝置程式「智慧好醫」App及系統「智慧好藥師後台」以及整合外部研發功能資源「OCR處方箋識別」及「RPA流程機器人訓練模組RPA library」，主要應用於診所及藥局相關基層醫療院所。旨在解決基層診藥通路面臨的總總問題及經營痛點，其中包含運用數位科技提升工作效率、拉近民眾與診藥機構間的距離及醫病關係，達到更好的經營及人力效益。另外民眾還能增加用藥安全及提升相關藥物知識，也同時減輕藥師日常在藥事服務上的負擔。 智慧藥師助理服項目 現階段資策會團隊輔導媒合藥局資訊系統業者與AI新創團隊，主要除了研發處方箋影像智慧識別技術外，藥物影像辨別及藥物排程智慧提示技術等，都成為研發重點，同時已導入大台北12家社區藥局進行實證。 透過台灣年輕藥師協會協助推廣，已有約100餘家社區藥局負責人表示有意願導入相關技術，一旦這些服務平台系統整合完成，未來將成為推動台灣社區藥局藥事服務AI化的典範。

傳統AOI以限度樣本影像進行檢料，面臨產品過篩率過高問題 電子零組件製造業，在針對產品外觀瑕疵檢測上，經常使用AOIAutomated Optical Inspection設備來進行量測。長久以來，AOI量測設備在影像處理上，均是利用有限的限度樣本影像，透過不同的外在光源、角度，來與產品進行外觀比對。 這樣的比對方式，雖然可將產品外觀瑕疵篩檢，做到自動化。但由於現行技術限制，產品在批次轉換之間，經常存在光源參數的調機問題，若又碰上新手的調機技師，就會造成機台稼動率的下降，以及產品過篩率過高的問題。 人工智慧影像機器學習成熟，AOI製程找到新契機 台灣被動元件目前在晶片電阻及MLCC，2019年市占分居全球前2名，長期來看，各車廠陸續推出電動車與智慧車，各國也陸續建置5G 相關設備，都將進一步推動被動元件在未來出貨數量。因此，除了擴增新產品線外，如何幫助現有產品提升相關競爭力，將會是未來產業國際競爭的關鍵。 動元件製程中，AOI檢測為共通性站別之一，現階段均採限度樣本影像，來進行相關外觀比對。但常在產品批次與批次轉換之間，存在光源參數的調機問題，而調機狀況皆會影響每批次良品過篩誤篩的狀況出現。現行產業在每批次不良品當中，就有平均20的過篩誤篩發生。 憑藉中山大學產發中心深耕南部十多年的輔導能量，針對被動元件產業之痛點，媒合工研院AI影像辨識技術單位，降低AOI製程過篩，並減少人力調機所造成之誤差。 以影像辨識技術降低AOI過篩發生 此次工研院參與的技術單位，在AI模組建立上，利用影像辨識技術，針對被動元件製程產品，進行AOI技術開發。 開發過程先由案例廠提供產品外觀影像及相對應之調機參數，搭配現行產線人員調機邏輯，進行產品資料集建構，進一步建立AI模型。而在產線實測規劃上，先以影像辨識率為首要，藉由影像偵測、搜尋標籤的方式，進一步投透過AI模組比對，輸出可供線上人員參考的AOI調機參數。 影像分析示意圖 後續也希望透過機器學習的幫助，完成調機參數AI學習曲線，進一步降低產品外觀瑕疵檢測之產品過篩率，也同步解決現場專業技術人才斷層問題，並提升產品良率。 導入機器學習前後情境 推動製程AI應用與智慧化，打造無人工廠發展基礎 未來期能透過AI HUB的輔導，加速先進製程技術應用，建立被動元件各站製程AI指標，有助於國內被動元件生產高品質產品，提高產品良率與價格。以創新的思維提升產業附加價值，繼續帶領被動元件產業向前邁進。

從事馬達相關設備製造長達40年的九德松益公司，為有效監控進出廠區的車輛，導入辨識率高達989的動態車牌辨識系統，透過AI技術，讓車輛管理省時又省力。 車牌辨識系統是一種智慧影像分析的基本應用，利用攝影機，擷取車牌的影像後，將影像進行分析與演算，達到車牌辨識的應用。提供車牌辨識服務的康橋科技成立於 2008 年，由一群 LED 研發團隊，及軟體開發團隊所組成，致力於 LED 產品應用、開發 LED 投射燈車牌辨識，及 Etag 兩合一整合系統，提供給國內外公共工程標案為主。 此次，資策會AI團隊與台灣能源技術服務產業發展協會合作，探尋 車牌辨識技術實證場域，發現九德松益公司現階段遭遇到的問題包含下列三項： 1 公司大門目前無柵欄機或其他管制設備，進出車輛完全靠人力管制及記錄，紀錄方式也是完全人工處理，如果人力不在現場時，車輛進出完全無法管制 2 當有狀況時，現有的監控系統必須慢慢地去調閱資料尋找有問題的車輛，非常耗時且不方便 3 找到影像時車牌部分也無法清楚辨識，找到也沒有辦法確認車主 解決三大問題 提供四大功能 了解到企業實際需求之後，依據康橋科技所建立車牌辨識系統架構，實際到場域進行實證，在管理室設置監控電腦。 康橋科技車牌辨識系統架構 車牌辨識系統於安裝後之使用現況，主要完成功能如下： 1 車輛進出時，透過高解析智慧型攝影機，可以辨識出車牌及影像，紀錄車牌號碼及車輛進出的現況 2 當需要調閱檔案時，可以利用時間搜索車輛資料，或是搜索車牌資料，可以直接找出需要的影像檔案，可省去不少時間 3 由於使用高解析智慧型攝影機，對於影像有大幅度的提升，如有狀況可以清楚辨識 4 當車牌資料有登記時，還可以建置黑白名單資料庫，方便警衛人員管理 車牌辨識的優點是可以將車輛進出管制全面自動化，減低人力成本；而使用軟體來辨識進出車輛，車牌不易遭人冒用，同時免除遙控器、感應磁扣遺失與轉借外人之困擾；進出不須按遙控器、不用搖下車窗，遠距離車牌辨識，行進之間即可開閘門，省去停車等待的時間。 康橋科技車牌辨識系統設置於管理室 資策會AI團隊表示，該團隊不斷與相關公協會合作，從挖掘企業需求、訂定主題、鏈結團隊、導入實證等有系統的方法，來協助有需求缺口的企業，媒合AI技術研發團隊，導入AI技術，解決產業問題，來達到產業AI化的目標，未來，將持續協助企業運用科技工具突破經營困境。

廠區安全為工業安全的一環，目前的做法為設置許多監視器配合安全人員的人為監控來提供資訊，但人員監控有其極限，若能建置 AI 系統輔助進行異常行為與臉部辨識，可以更有效協助安全人員的監控工作，彌補人為監控的死角。 位於新北市石門區的核一廠，背山面海、風景秀麗，然而，此一全台首座核電廠將邁入除役期，即將成為歷史。適逢核電廠正準備進行除役作業，未來將有許多外部廠商進出施工，出入管理複雜，外部廠商施工也需要持續進行安全監控以確保核能安全；另外，核四廠雖正在封存中，但仍有敏感性區域與降低人員駐點的需要，因此對於安全管理的智慧化有急迫的需求。 資策會AI團隊在台灣核能級產業發展協會的協助下，以台灣電力公司核一廠場域為目標，欲解決低人力配置狀況下，安全與工安之相關議題。根據訪談之後，歸納出核一廠導入 AI 的技術需求，包含人員進出管制、與人員作業與廠區的安全性監控等。 AI人臉辨識 解決人員進出管制與廠區安全監控兩大難題 在人員進出管制部分，在核電廠部署臉部辨識系統，藉由人臉的唯一性與AI 的高辨識率，提升核電廠的人員進出管制成效；在人員作業與廠區安全部分，也將部署異常行為偵測系統，藉由監視器視訊提供的人員姿態，以 AI 辨識異常或危險行為，即時提供資訊回報給安全人員進行處理。 經過資策會媒合，選定旺捷智能感知公司（簡稱旺捷）的解決方案，分別投入臉部識別與姿態識別兩項功能之開發。旺捷智能與資策會數次討論，最後導入Google的Facenet與Posenet兩項演算法進行系統實作，相對於其他類似的演算法，Facenet每張人臉僅需要128個維度就可以達到最佳效能，所需要的辨識照片也只需要數張，對建立工業級的臉部識別系統來說非常適合，這也是最終決定所採取的方案；Posenet運用於動作偵測，透過Data Processing Unit（以下稱DPU）將資料轉換為機器學習演算法ndash支援向量機（Support Vector Machine，SVM）能夠接受的格式，進行人體姿態辨識，預測方式為二元分類，分別為跌倒以及非跌倒。 運用可視化頁面 管理介面一目瞭然 兩個系統的使用者介面以Python的網頁框架Flask進行實作，透過網頁服務來適應不同作業系統，達到跨平台系統的目的。眼鏡App則以Unity進行開發，存取網頁資訊。 近年來，由於AI 技術的進步，人臉識別已逐漸應用在安全管理，人臉特徵的唯一性可以去除 RFID 變造的風險，與其他生物資訊辨識 指紋、聲紋 相較之下的高正確率、完全客觀沒有人情因素、系統易於架設與維護、運作時可完全自動無需額外人力等。無需置疑地，在安全管理機制中，加入臉部辨識系統可以大幅提高廠區的安全係數，同時降低管理的困難。 人體姿態辨識在實驗室中的運作狀態 台灣有四座核電廠，需要負擔龐大的管理成本，若能持續導入AI技術解決方案，不僅可降低人力成本，安全管理的效益也能大幅提升。

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。

銀色風暴來襲 台灣將在2026年邁入「超高齡社會」，全台長照中心鬧「人力荒」，AI人臉辨識導入長照中心場域，點點名靠AI，日照中心好安心。 台灣人口老化到底有多嚴重先來看一個數字，台灣在2018年高齡人口（65歲以上人口）比例已超過14，正式邁入高齡社會。 此外，根據國發會推估，台灣將在2026年邁入「超高齡社會（高齡人口比例超過20）」，老化速度甚至遠快於日本。同時國發會也預測，2065年台灣高齡人口比例將超過4成，屆時台灣每12位生產者需負擔1位老年人口。面對龐大的老年人口，長照中心的人力需求勢必嚴重吃緊。 台灣長照機構資訊化不足 亟待導入AI技術解決人力荒 在台灣擁有800家會員的台灣長期照顧協會全國聯合會副理事長簡文生表示，相對於醫療產業不斷導入尖端科技及最新技術，台灣長照產業並未受惠於台灣國際級的科技研發成就，中小型長照機構資訊化程度不足，均仰賴人力作業，若能導入AI技術解決轉型問題，對於長照機構及高齡者的需求助益很大。 對於產業的急切呼求，經濟部工業局及資策會聽到了，積極協助尋求解決方案。首先，資策會先聚焦需求，協同長照協會全國聯合會共同訪視多家長照機構了解問題所在，多數場域業者均表示，日照中心每日照顧的銀髮長者必須確實掌握其出席狀況，以符合長照20的補助規範。然而，每天一早的點名工作，就是工作人員的一大夢魘。 「早上7點不到，被照顧者有的被推著輪椅進來，有的自己拄著拐杖進來，有的由家人開車從後門送進來，有的則是登記要來，卻不見人影，門口有銀髮長輩、家屬，照護人員等，鬧哄哄地，連對方的聲音都聽不到，等到一一點完名，回過頭來，才發現早上買的早餐還擱在桌上hellip」，這是一位日照中心照護者的日常。 AI點點名 解決現行人力不足與資訊錯誤的困擾 日照中心普遍存在著每日照顧的銀髮長者來去時間不定、簽到時間無規律的問題。現行業者僅能以人工登記方式，處理簽到、簽退事務。而照護場域中有多個出入口、場域範圍大且跨樓層，進出人員包含照護人員、行政人員、長輩及其家屬、訪客等，出入人員複雜，無法進行有效管控。 此外，由於人工點名可能忙中出錯，也可能產生補助人數造假的誤會，對於衛服部及業者雙方都產生困擾。因此，業者深切期望能夠藉由AI裝置智慧化服務協助輔助照服人員，減少人工紙本登記，即可將行政人力時間省下來，以便協助更多的照服長者。 在資策會的媒合與輔導協助之下，安全監控業者奇卓科技與杭特電子將人臉辨識技術導入長照機構，在門口設置人臉辨識設備，同時為了節省長照機構的成本負擔，創新長期租賃的新商業模式運作，不但解決中小型長照機構預算、人力不足的問題，也協助電子裝置業者找到合適的場域實證，有效解決供需雙方的問題。 奇卓科技解決方案導入，左為與場域人員討論安裝細節，右為偵測畫面 杭特電子解決方案辨識畫面 AI人臉辨識技術一日千里，不僅可以取代長照中心的人工點名機制，也能在照護人員夜間查房時，掌握銀髮長者的行蹤，未來在長照中心的應用將持續擴展。