精選案例

03
2021.11
【110年 應用案例】 海量數位工程AOI機器智能手臂檢測系統 大幅提高瑕疵檢測精準度

臺灣堪稱製造業大國,然而,在產線上,品質瑕疵檢測一直是製造業長期痛點,雖然有AOI設備可輔助,但大多採用固定式機器,受限於角度,診斷不夠精準,誤判率也高。海量數位工程公司導入AOI機器智能手臂檢測系統,可有效降低誤判率,提高瑕疵檢測精準度。 一般來說,產品的良率攸關企業的成本與客戶的退貨率,而製造產業品質瑕疵的檢測流程,往往需要編制大量的品質檢測人力。目前製造業檢測工具雖然有AOI設備來輔助進行,但這些設備多半採用固定式的檢測機器,固定式相機容易受限於角度,導致診斷不夠精準,誤判率太高等缺點,因此,人員在後端需要再次篩選檢驗,也就是複檢,通常人工目測檢視的瑕疵漏檢率平均在5上,甚至可高達20。 製造業品質檢測三大痛點 機器手臂AOI之動態多角度品檢協助解決 根據海量數位工程實際了解製造業在檢測產品品質有三大痛點: 痛點一、人力檢測產品品質出錯率高 目前製造業多以人力來檢測產品外觀,但人工判斷多半有誤差,例如:表面刮傷、色差、焊道外觀hellip等,瑕疵判斷出錯率高,且須待成品階段才能一次性檢驗,時常出貨前全檢後依然遭整批退件,導致重製及人力成本大增。 痛點二、品質檢測之數據無法量化與記錄 傳統人力檢測無法保留檢測數據,嗣後發生品質糾紛時,責任難以釐清。而海外品牌高階代工單往往要求溯源與相對應的缺點紀錄,傳統產業原有之人力檢測難以符合更高階代工單之要求。 痛點三、傳統AOI視覺檢測的限制 現有製造業常用的AOI視覺檢測系統,因為視覺軟體技術的限制,都是以固定相機、固定光源及單一角度的方式來進行,這種方式對於平面或形狀由直線組成之產品例如:長方體或正方體的單一檢測點尚可處理,但對於複雜形狀的產品例如:汽車零件多為不規則狀多點、多幅度的檢測,就較難實現。 海量數位工程研發AOI機器智能手臂檢測系統,有效提高瑕疵檢測精準度。 為解決製造業在品質檢測的痛點,海量數位工程決定從研發多角度、可移動式的檢測儀器開始發想,從結合工廠自動化領域中的兩大代表性技術-機器手臂與機器視覺著手。海量數位工程以機器手臂結合AOI之動態多角度AI視覺即時品質檢測方式,改善固定式檢測受限多角度的問題,視覺檢測技術的提升與結合人工智慧,進一步相機取得的影像資訊可由平面取樣提升至多角度、多維度取樣。 選定汽車產業做為實證場域 可快速回應顧客需求 AOI機器智能手臂檢測系統,所運用的AI技術包括無監督學習(unsupervised)、監督式學習Supervised learning、半監督式學習Semi-supervised Learing,使業者在初期樣本不齊全,或是沒有不良樣本的情況下也能使用無監督深度學習技術學習良品,並應用在汽車三角架自動焊接的視覺檢測上。可解決導入前受限於固定式機器的角度、診斷不夠精準、誤判率高的問題。 汽車零組件單價較高,會要求更嚴格的瑕疵檢測正確率。 在導入AI服務的產業中,選定汽車製造業作為實證場域。海量數位工程表示,汽車製造業主要為相關零組件製造商,而且通常元件單價較高,需更多品質檢測品質及良率,會要求更嚴格的正確率,因此選定汽車業做為導入的場域。 機器手臂結合AI之動態多角度AOI視覺即時品質檢測系統,除了可以改善汽車零組件檢測瑕疵品質失誤率外,因為以多角度的機器手臂AOI服務來提升定點式AOI光學檢測,可以符合多數產業之量測需求;最後是建立第三方系統平台,建置共同工作整合平台監測系統,以便在問題發生時,第一時間接收訊息並著手處理。 本系統可針對出廠產品之重要數據進行記錄儲存,為實現未來數位生產線與虛擬生產之基礎。同時於瑕疵發生時,可即時串接海量MES監控系統,迅速反應至相關製造決策部門,嗣後並利用ERP系統進行專案管理與檢討,有效精進其生產效率,降低生產成本。 有助降低溝通成本 期許成為行業標配 就產業上下游整合而言,可以為上下游之數據連貫提供一基礎之標準,降低供應鏈之溝通成本,經由指標代工廠與品牌商的認證,有機會成為該產業之行業標準配置。 透過此一計畫的產出數據資料庫建置,業者進一步透過大數據分析Data Analysis,優化供應鏈管理的解決方案「供應鏈規畫Supply Chain Planning, SCP」,依據數據,建立預測計畫,並運用科技串連供應鏈上下游的數據,精準控制產品品質。未來對接歐美、日,需要品質精細訂單,業者能更快速回應及整合產業供應鏈Supply Chain 。 最後期望透過標竿示範產業之場域驗證,例如:以汽車零組件製造產業標竿示範場域,透過機器手臂結合AI之動態多角度AOI視覺即時品質檢測系統計畫進行驗證,讓汽車代工廠與汽車原廠之間有更優化的供應鏈聯繫,並成為該行業標準。更進一步尋求更多的AI團隊,加入場域協作平台跨產業之開發,帶動整體AI新創與場域結合的生態系。 海量數位工程研發的自走車

2021-11-03
【110年 應用案例】 赫銳特科技VCSEL封裝元件瑕疵導入AOI檢測 提升產能效率20%

2017年,iPhone X的亮相讓提供 Face ID人臉解鎖的3D感測技術成為大熱門,也帶動了3D感測模組中的核心零元件VCSEL的發展。而VCSEL封裝元件入料瑕疵檢測,若透過AI推論模型可解決良率偏低產業難題,提升可靠度達95。 VCSEL技術現階段可被運用於諸多用途和各類終端消費市場,包括機器人、移動設備、監控、無人機,以及ARVR等。VCSEL在需求高速調製功能的應用(例如照相機和生物計量)中堪稱為不錯的解決方案。 VCSEL技術應用層面廣,也可應用於無人機。圖為佐翼科技農用無人機 VCSEL技術應用層面廣 AI技術助攻瑕疵檢測 赫銳特科技表示,VCSEL封裝元件市場也面臨到商業對手強力的削價競爭,需要進一步降低成本提升、產品競爭力,其中一個關鍵的難題就是將玻璃透鏡更換為環氧樹脂型透鏡。傳統玻璃透鏡的生產良率高,但成本較環氧樹脂透鏡高,因環氧樹脂經切割製程,側壁切割道上容易會有毛邊,造成尺寸過大,容易在打件時因為受熱而產生的應力釋放,將會直接導致光學透鏡破裂。 赫銳特科技指出,VCSEL環氧樹脂透鏡的入料檢測十分重要,在封裝空間的限制下,封裝與光學透鏡貼合的空間有限,且此光學透鏡會被侷限於一金屬框架內,若是沒有控管好尺寸公差,很容易在打件時因為受熱而產生的應力釋放會直接導致光學透鏡破裂,造成VCSEL封裝可靠度驗證良率損失最高達到10,造成生產成本增加。 為解決上述問題,赫銳特科技希望在VCSEL環氧樹脂透鏡的入料階段,可以藉由AI影像監控環氧樹脂元件的尺寸及外觀瑕疵,確認其尺寸是否合乎規格、切割邊緣是否平整、外觀是否瑕疵等。由於傳統的入料檢測,經通過大略的人眼目檢分辨好壞,為順利收集影像數據,首先需要解決影像蒐集的問題。 因此,赫銳特科技首先建立自動光學檢測裝置Automated Optical Inspection,AOI,自動光學檢測裝置包含X、Y、Z三軸動及高解析相機,及相關控制軟體自動記錄影像。蒐集完成後的影像資料,經opencv將測試影像Test與一標準正常影像Normal,進行影像對位後取出Test與Normal影像的差異部分,並可經由Pixel Mapping計算影像的像素面積進行比較完成初步篩檢。 承上之影像分類,進行手動標籤標示包含:正常、外觀瑕疵或形狀特徵差異之樣品,後進行演算法訓練與驗證,使用深度殘差網絡Residual neural network ResNet或其他相關演算法進行深度學習,以辨識出透鏡的優劣情形。 導入AOI檢測 提升產能效率達20以上 比較導入AI影像檢測的前後差異,導入前的VCSEL入料透鏡檢測,僅透過簡易的人工外觀檢測,將透鏡封裝在已固晶的VCSEL封裝體上,通過一般點亮檢測後,最後進行可靠度測試高溫回焊,失效樣品進再入重工流程。 但在導入AOI檢測之後,可提前將有問題的透鏡篩選出來,除了可以降低後續物料投入的成本,亦可減少失效情形降低重工的需要,因而提升可靠度驗證良率達95以上,預期可協助場域業者降低生產成本達10,提高產能效率達20以上。 導入AI影像檢測的前後之差異 赫銳特科技指出,這項技術是基於微小影像開發的AI應用技術,透過深度學習演算法辨識影像瑕疵,用來辨識瑕疵影像。而訓練後的網路來自動分類對應於預定類別的影像數據。透過參考影像就能辨識缺陷類別,因此不再需要繁瑣的編程。 而在工業機器視覺環境中,深度學習主要用於應用中的分類任務,例如在工業產品的檢驗或零件的辨識,未來隨著IOT穿戴裝置的發展,符合節能省電的潮流議題,光電元件尺寸將不斷的縮小,本技術未來也可應用在其他微小光電元件的外觀瑕疵檢測。

2021-12-05
【109年 應用案例】 從一顆包子窺看如何應用AI減少50%報廢率,為冷凍食品提升60%生產效能

從產線到餐桌,吃進去的衛生管理由誰把關 近幾年有關食品安全新聞報導層出不窮,如即期品改標、洪瑞珍食物中毒等事件,不難發現民眾對於吃進去的食品衛生愈發重視,但由於各個食品加工的品管方式不同,容易有潛在風險。 世界衛生組織(WHO)就曾指出,不安全的食物與飲水,每年會造成200萬人的身體損傷,也因此國際市場要求食品加工企業必須建立商品可追溯體系,所以國內食品加工大廠也想建立生產追溯系統,期望能儘速反向溯源到問題原物料,並啟動追回和銷毀問題食品。 看得見的安心,落實生產透明化 國內某食品大廠以生冷凍食品、即時料理等商品,國外市場版圖已擴展至北美、紐澳、日本hellip等國,在國內對於食品管理的推動也是不落人後,現已取得HACCP、ISO22000、ISO14001等食品認證。 食品生產在人力需求較高,因此也容易有工作疲勞而影響品質,再加上生產線對於生產數量、流程與時間點紀錄不明確,在出現不良品時難以追溯生產資訊,造成食品安全管理上的漏洞只得整批報廢。 為此,中山大學產發中心應用自身的輔導資源,協助該食品大廠解決食安管理的問題,規劃運用AI技術蒐取生產數據,同時建立食品生產的防弊與回溯。 製程智慧化助力食品安全 烘焙類的食品加工雖自動化程度不高,但本案之食品廠對於提升產線自動化程度、導入智慧製造方面有意願,對於企業來說,溯源體制不僅能樹立品牌形象,提升產品、品牌價值,對於消費者而言,生產線的透明化讓人更加放心。 因此,中山產發中心媒合AI技術服務商泓格科技,在第一階段規劃導入數據蒐集設備來串聯食品工單資訊,降低人為操作上的資料疏漏,同時透過即時生產資訊看板掌握產線處理流程,確保可能因人為因素造成的生產階段資訊不連貫,使該批產能受到影響。 產線智慧化規劃示意圖 第二階段則於麵糰發酵階段透過深度學習進行大小與體積計算,分析溫度、濕度、發酵時間與產品體積比間的變化關係,並評估後續是否導入AOI異物偵測,於冷凍後建立第二道品管步驟。 成品品管AI化示意圖 食品加工身分證,開啟食安溯源AI時代 在台灣,消費者對生產履歷的認知度和接受度逐步提升,食物由原料供應、加工生產,到流通販賣,都需要能完全掌控,並提供透明資訊,公開食品生產履歷不僅是增加企業與消費者間的信任,同時也是讓台灣的食品安全環境,跟上國際的腳步。 中山大學產發中心將在2020年協助企業導入先進科技的AI應用,記錄原物料從產業到餐桌的全流程數據,監督食品生產過程,成功落實產品溯源,做到加工食品的防弊與回溯,從而對產品建立高規格要求,讓食品加工產品走進世界級的標準。

2020-03-12
【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。

2021-09-27

應用案例總覽

【導入案例】防範於未然 跌倒及危險區域偵測維護長者安全
【109年 應用案例】 防範於未然 跌倒及危險區域偵測維護長者安全

我們都知道,老人家最怕跌倒,一旦跌倒了,可能出現受傷甚至危害生命等不可收拾的後果,或者是,跌倒之後昏迷,沒有被人發現,也可能產生無可挽回的遺憾。為防範於未然,透過AI技術跌倒或危險區域的偵測,提前預警,將可大大保障長者的生命安全。 根據國外的統計資料顯示,在65歲以上的人群中,每年跌倒發生率為30-40。也就是說,每年,10個老年人中就有3個或4個會發生跌倒。事實上,跌倒,也是老年人受傷最普遍的原因。此外,被開水燙到、浴室滑倒等在危險區域的行為偵測警示,都可以大大降低銀髮長者的受傷機率。 為了讓高齡者活得長壽又健康,減少意外傷害的發生,資策會AI團隊積極媒合長期照護中心與AI裝置業者,希望找出銀髮長者最迫切的服務,而長照中心宥於人力與資源,無法面面俱到照顧的地方。 事故傷害名列10大死因之一 預警系統建置為當務之急 據統計,在65歲以上族群的10大死因中,不管是在台灣或是在美國,其中之一都是事故傷害如跌倒等。老人跌倒後往往活動力和生活品質下降,除了可能身體受傷如骨折流血外,也可能產生心理陰影,使得老人家不願外出活動、導致身體變虛。因此,如何防範跌倒,以及即時預警,將跌倒的傷害降到最低,是長照的重要議題。 現階段資策會團隊輔導媒合銀髮照護業者與AI裝置業者,主要除了研發AI長者人臉影像識別技術外,影像跌倒偵測技術及危險區域行為偵測技術等,都成為研發重點,同時已導入北中南三個銀髮照護場域進行實證。 媒合智慧監控廠商與場域合作 有效提升辨識率 提供AI技術的奇卓科技副總經理吳佳琛表示,奇卓科技智慧監控技術在跌倒偵測、人臉辨識及電子圍籬等方面投入研究,技術成熟,但需要有實證場域,逐步累積大數據,才能讓「英雄有用武之地」,透過資策會引介,在長照機構場域中實證,將大大提高辨識率,對於後續應用有相當大的助益。 奇卓科技開發之跌倒偵測解決方案 此外,從事安全監控30多年的杭特電子郭宏達協理也指出,智慧監控成功的最大關鍵在於數據的累積及智慧影像分析,建立人工智慧資料庫來進行各項應用。例如徘徊偵測,根據觀察被攝者的肢體動作,來初步判定是否為身體不適或異常狀況,可即時通報監控中心。或是當長者靠近飲水機或熱水器等危險區域,也能快速通報服務人員前往協助,避免發生意外事故,均能有效達到預警效果。 杭特電子開發之跌倒偵測解決方案 透過在台灣擁有800家會員的台灣長期照顧協會全國聯合會協助推廣,現已有約100餘家長照中小型機構表示有意願導入相關技術,一旦這些場域建置完成,未來將成為推動台灣長照AI化的種子。

【導入案例】從一顆包子窺看如何應用AI減少50報廢率,為冷凍食品提升60生產效能
【109年 應用案例】 從一顆包子窺看如何應用AI減少50%報廢率,為冷凍食品提升60%生產效能

從產線到餐桌,吃進去的衛生管理由誰把關 近幾年有關食品安全新聞報導層出不窮,如即期品改標、洪瑞珍食物中毒等事件,不難發現民眾對於吃進去的食品衛生愈發重視,但由於各個食品加工的品管方式不同,容易有潛在風險。 世界衛生組織(WHO)就曾指出,不安全的食物與飲水,每年會造成200萬人的身體損傷,也因此國際市場要求食品加工企業必須建立商品可追溯體系,所以國內食品加工大廠也想建立生產追溯系統,期望能儘速反向溯源到問題原物料,並啟動追回和銷毀問題食品。 看得見的安心,落實生產透明化 國內某食品大廠以生冷凍食品、即時料理等商品,國外市場版圖已擴展至北美、紐澳、日本hellip等國,在國內對於食品管理的推動也是不落人後,現已取得HACCP、ISO22000、ISO14001等食品認證。 食品生產在人力需求較高,因此也容易有工作疲勞而影響品質,再加上生產線對於生產數量、流程與時間點紀錄不明確,在出現不良品時難以追溯生產資訊,造成食品安全管理上的漏洞只得整批報廢。 為此,中山大學產發中心應用自身的輔導資源,協助該食品大廠解決食安管理的問題,規劃運用AI技術蒐取生產數據,同時建立食品生產的防弊與回溯。 製程智慧化助力食品安全 烘焙類的食品加工雖自動化程度不高,但本案之食品廠對於提升產線自動化程度、導入智慧製造方面有意願,對於企業來說,溯源體制不僅能樹立品牌形象,提升產品、品牌價值,對於消費者而言,生產線的透明化讓人更加放心。 因此,中山產發中心媒合AI技術服務商泓格科技,在第一階段規劃導入數據蒐集設備來串聯食品工單資訊,降低人為操作上的資料疏漏,同時透過即時生產資訊看板掌握產線處理流程,確保可能因人為因素造成的生產階段資訊不連貫,使該批產能受到影響。 產線智慧化規劃示意圖 第二階段則於麵糰發酵階段透過深度學習進行大小與體積計算,分析溫度、濕度、發酵時間與產品體積比間的變化關係,並評估後續是否導入AOI異物偵測,於冷凍後建立第二道品管步驟。 成品品管AI化示意圖 食品加工身分證,開啟食安溯源AI時代 在台灣,消費者對生產履歷的認知度和接受度逐步提升,食物由原料供應、加工生產,到流通販賣,都需要能完全掌控,並提供透明資訊,公開食品生產履歷不僅是增加企業與消費者間的信任,同時也是讓台灣的食品安全環境,跟上國際的腳步。 中山大學產發中心將在2020年協助企業導入先進科技的AI應用,記錄原物料從產業到餐桌的全流程數據,監督食品生產過程,成功落實產品溯源,做到加工食品的防弊與回溯,從而對產品建立高規格要求,讓食品加工產品走進世界級的標準。

【導入案例】AI建構最佳塗裝模型,降低電磁鋼片廢材檢驗成本,每年可省200萬
【109年 應用案例】 AI建構最佳塗裝模型,降低電磁鋼片廢材檢驗成本,每年可省200萬

表面處理應用面臨成本攀升與人才斷層問題 金屬表面處理的技術發展影響航太、汽車、機械、家電、通訊、扣件等內外銷產品品質。同時它對於國內「五加二」的智機、國防與循環經濟扮演舉足輕重的角色,依照2018年調查統計,金屬表面處理業產值達新台幣1,515億元,相較2017年成長36。 然而金屬表面處理係高勞力、高耗能、高污染的產業,長久受到專業技術人才斷層、環保法規不斷加嚴造成處理成本不斷攀升,致使產業面臨生存危機與國際高值供應鏈競爭危機。 人工品管面臨市場考驗,鍍膜製程找到新契機 國內某鋼板鍍膜廠目前國外市場佔營收7成,2016年往汽車用鋼材、多元供應鏈與多樣特殊鋼品市場發展,為搶進國際市場,表面處理透過創新科技提升品質勢在必行。 鋼板鍍膜連續製程中,鋼板完整成品與瑕疵品的兩者價差約10倍左右,現階段採取人工檢驗方式驗證,每卷鋼捲於生產過程中需裁切10米做為固定檢驗廢材,造成大量廢材成本產生,及生產時程的延宕,同時,人工檢驗的品質不穩定性,也讓生產品質無法恆定。 憑藉中山大學產發中心深耕南部十多年的輔導能量,針對該鋼板鍍膜廠之痛點,媒合AI光學量測技術服務商,降低鍍鋼檢測耗材成本,並減少人力檢測疲勞所造成之誤差。 以光學量測技術穩定鋼板塗裝品質 為掌握塗裝製程品質,需要運用影像辨識產品良率,而一般的量測技術需以接觸性偵測鍍膜厚度,故中山大學產發中心媒合AI光學量測技術服務商,協助開發非接觸光學量測儀,記錄塗裝數據後續比對出最佳製程數據。 3D非接觸量測儀測試展示圖 量測儀數據展示呈現圖 透過AOI光學檢測快速掃描,以非接觸方式量測,可在不直接碰觸產品或破壞鋼板表面情形下,迅速掃描出待測物的剖面及輪廓尺寸數據,不須增加成本負擔,可即時控制鋼板膜厚品質狀態後續也希望可以針對製程環境之數據做計算,設計產品異常示警範圍,以利後續製程更智慧化之使用。 未來,此解決方案將進一步檢測表面瑕疵及鋼板成品色差,以降低廢品產生之比例,解決專業技術人才斷層問題,並提升產品良率。 非接觸量測儀操作示意圖 建立AI塗裝模型,打造世界級的鋼板供應水準 透過中山大學產發中心於2020年輔導,該鋼板鍍膜廠加速先進製程技術應用,建立表面處理製程品質標準量化指標,有助於國內表面處理生產高品質電磁鋼片,估計可提高2的產品價格。 此外,未來還能協助業者通過高價值航太、電動車、扣件與航太熱處理認證,以創新的思維提升產業附加價值,繼續帶領金屬產業向前邁進。

【導入案例】LEO國眾電腦AI行動視力智慧箱 定點視力檢測關懷行動不便長者
【109年 應用案例】 LEO國眾電腦AI行動視力智慧箱 定點視力檢測關懷行動不便長者

若提到檢查視力,大家直覺會想到跑一趟眼科,不過這對於住在偏鄉、或年紀大的長者來說很不方便,如果視力檢查也能行動化,那就能輕鬆解決這個問題。 LEO國眾電腦推出「AI行動視力智慧箱」,希望能深入偏鄉與社區提供視力檢查,解決城鄉醫療差距的問題。nbsp 「AI行動視力智慧箱」解決城鄉醫療差距 台灣正式邁入高齡社會,根據健保統計資料顯示,國內70歲以上長者白內障病變比例高達九成,甚至在新北市29個行政區中,有高達13區沒有眼科診所,甚至有些地區因為偏遠與人口稀少,沒有醫生願意看診,可見城鄉醫療資源差距之大。由簡明仁博士在1985年創立的LEO國眾電腦希望在醫師人力不足的問題下,運用AI技術來解決問題,於是找上工業技術研究院服務系統科技中心工研院服科中心的團隊協助。 工研院自 2014 年開始投入眼底鏡整合平台,研發團隊向教學醫院、診所等醫療機構收集上百萬張眼底攝影照片,從中篩選出適合的 10 幾萬筆資料,再交由專業眼科醫師審圖、註記、判斷,將每張眼底攝影照片標示為 4 個不同的病況等級,再餵給人工智慧進行學習。其後,逐步因應醫療現場需求開發新功能,提供全程自動化的自助式眼底攝影服務。 本案例透過工研院輔導技轉,由國眾電腦提供服務整合營運客服,工研院則負責系統整合、平台維運,此外,場域端則由大學光學眼科提供檢測場所以及檢測服務,推廣至糖尿病共同照護網、視光中心、驗光所、眼科診所、社區服務據點提供眼底鏡檢測服務。這套「AI行動視力智慧箱」亦在AI HUB大會上正式展示,希望能強化未來深入偏鄉與社區提供視力檢查,解決偏鄉醫療資源不足的問題。 「AI行動視力智慧箱」將細隙燈、眼壓計、眼底攝影hellip等眼科手持式儀器與行動視力檢查系統整合成一卡皮箱,可提供25項視力檢測。 「AI行動視力智慧箱」即時上傳數據 「AI行動視力智慧箱」使用方式相當簡單,內建區域無線網路,能將掃瞄的影像與數據即時上傳。nbsp 「AI行動視力智慧箱」將細隙燈、眼壓計、眼底攝影hellip等眼科手持式儀器與行動視力檢查系統整合成一卡皮箱,可提供25項視力檢測功能,在設計上更以病人為中心,提供身份識別、檢測數據讀取、眼底自動比對系統、病歷資料歸檔管理hellip等功能,特別是能進行病人個別檔案管理,加上內建區域無線網路與智能閘道器,方便把包括影像、數據hellip等所有檢測資料即時上傳。 目前「AI行動視力智慧箱」已與台北各大醫院與新北市家醫診所合作,未來也計畫陸續深入各偏鄉地區。nbsp 「AI行動視力智慧箱」除了可應用在醫療院所、健檢中心hellip等固定場所,可攜性這個最大優勢,讓視光師或護理師可帶著前往一般家庭、或偏鄉幫民眾做眼睛檢測,提升醫事人員執行任務便利性與機動性,讓視力檢測走出醫院、走入社區。目前「AI行動視力智慧箱」已與台北各大醫院、新北市家醫診所合作,希望透過直接深入偏鄉與社區,讓行動不便長者可就近接受眼睛檢查,以達到及早發現盡早治療的最大目標。

【導入案例】公廁如何靠IoT及雲端科技變乾淨、解決7成客訴,並且提昇120倍效率
【108年 應用案例】 公廁如何靠IoT及雲端科技變乾淨、解決7成客訴,並且提昇120倍效率?

IOT智慧廁間:一個乾淨、省電、便利的新智慧廁所革命 使用六種感知器偵測衛生紙、洗手乳存量、漏水、臭味發生以及人流和廁間使用狀況偵測,搭配上NBIoT傳輸、雲端系統以及 LINE 機器人。可以大幅改善客訴、提高廁所消耗品的補給效率,加上即時的狀況通知,可以禁絕違法廁間抽煙以及提昇安全性。使用者再也不會遇到廁所濕、髒、臭,以及沒有衛生紙的窘境,體驗大升級。 走進熱門觀光區的公廁,給您什麼樣的印象沒有洗手乳沒有衛生紙甚至是又髒又臭還漏水資策會的 IoT 大數據智慧廁間解決方案,一次解決廁所不方便的問題。 根據行政院環保署的統計,截至2019年9月底為止,全台灣目前已經建檔管理的公廁數量達 4 萬 3 千餘座,而整個環保署卻只有 3 萬 4 千餘人。這麼龐大場域數量的清潔管理,顯然不是一件容易的工作;再加上高齡化社會來臨的必然,從事第一線廁間清潔服務的人員數量和品質勢必遇見前所未有的瓶頸。引入有效的服務流程以及科技的輔助,成為一個遲早要面臨的重大課題。 資策會在全台 20餘間 IoT 智慧廁間服務解決方案的實證案例,或許為我們解決這道難題帶來一個不錯的方向。 應接不暇的客訴、四大問題、以及資策會的三套解方 2016年,當與火車站共構的捷運松山站正式啟用後,原本使用量已經幾乎爆滿的公共廁所,面臨到爆量使用所造成的嚴重客訴。原本平均每日旅客量只有四萬人次的臺鐵松山站,就已經瀕臨服務產能的瓶頸;在連接的捷運松山站開通之後,旅客爆增為七萬人次,讓原本就已經接近極限的服務能量,完全無法應付捷運開通後新增的旅客量。 曹雪芹在小說巨著「紅樓夢」當中曾出過一個刻劃人心的經典台詞:「牆倒眾人推」,或許可以形容這個現象:各個獨立廁間的衛生紙、洗手乳總是來不及補充、洗手台骯髒以及廁間排泄物的污染來不及清理,使得廁間的客訴連連,應接不暇。再加上臺鐵松山站的公廁比捷運松山站的公廁更為靠近旅客必經要道。臺鐵松山站至此,必須站出來、面對並解決這個難題。 由於臺鐵松山站與資策會有著長期的合作關係,就委託資策會協助解決這個頭痛難解的問題。 愛迪生有句名言:「只有在我知道一切做不好的方法以後,才知道做好一件工作的方法是什麼。」而資策會第一個要做的就是痛點分析(Pain Point Analysis),從根本面來思考問題。經過盤點客訴以及與第一線的清潔服務公司探討分析之後,發現四個問題、和三個解方: 四個問題分別是:衛生紙以及洗手乳補充不即時,洗手台潮濕以及空間內的惡臭。 而三個解方分別來對應這四個問題,分別是:1 消耗品如衛生紙、洗手乳的精細管理。2 服務流程中的關鍵績效指標 ( KPI )數位化,如洗手台的潮濕程度,或是空間中的臭味濃度。3 利用物聯網( IoT )的新科技達成前面兩個解方的實作,輔佐大數據和雲端科技來達成高效益的場域清潔管理。 「技術特點以及研發過程」 六個關鍵感知器,以及 IoT 雲端主板與大數據的結合,徹底解決七成的客訴,效率也提昇了120倍 一、消耗品的精細管理 為了達成衛生紙和洗手乳的精細管理,第一步就是針對這兩個耗材研發感知器來偵測。 從 2017 年開始,資策會開始設計首款的紅外線廁紙偵測模組。該模組主要運用衛生紙使用習慣的物理特性來偵測:一般正常使用下,廁紙放在鐵桶型的支架上,它的厚度會隨著消耗而慢慢的變薄。 這個模組需要利用 PSD 位置感應探測器 position sensitive detector 、 IRED 紅外線發光二極體 infrared emitting diode 以及 SPC 信號處理電路 Signal processing circuit 三者的搭配,來達成有效的廁紙長度判斷,其精確度甚至達到小數點後一位。 第一次開發這個偵測模組的時候,由於沒有可以參考的設計,只好從感知器的選擇、電路板的設計規劃、感知器程式的撰寫,甚至光固化 3D 列印的外殼設計完全不假他手,全部都在資策會內完成。 智慧廁間服務實境 不過,雖然設計生產廁紙感知器的種種困難都克服了,但是萬萬沒有想到,如何固定反而是讓人吃盡苦頭的一道難題。 智慧廁間廁紙偵測模組 資策會團隊與我們分享:「一開始的時候,我們用熱溶膠固定,可是清潔人員每次補充廁紙的時候都需要開開關關。震動一多,沒有很牢固的固定住,結果就是掉下來。 最糟糕的狀況是在女廁:有一次有女性旅客如廁的時候,這個感知器沒固定好就掉下來了。你會不會覺得這個感知器看起來很像針孔攝影機這東西突然在女廁掉下來,有沒有很糟糕(笑) 還好長官支持,我們也持續研發如何固定的技術,直到最後可以成功的牢牢固定,不然這個專案早就胎死腹中了。」 智慧廁間服務手機畫面展示 後來,廁紙偵測模組上線之後,原本清潔人員巡察一次廁紙使用量就要花掉 15- 20 分鐘,後來只需打開 APP,10秒就能查完廁紙使用量。大幅提高了效率至原本的 120 倍。 既然衛生紙的消耗量解決了,下一個難題就是洗手乳的低存量偵測了。 跟衛生紙不同,洗手乳每一次補充的量不見得完全相同。由於設計的理念是希望能夠用最低價、最穩定的元件來完成這個功能,以便於未來的推廣。最後選擇了常見的霍爾感應器,將其貼在洗手乳給皂器的外殼上,來達成偵測洗手乳即將見底的功能。 原理其實很單純,只要液面低於某個百分比,霍爾感應器就可以對液面進行電磁感應而產生電壓的變化,感知器送訊號至後端的雲端伺服器,然後跟廁紙感知器一樣,由伺服器再發送訊息給清潔人員。 二、服務流程中的關鍵績效指標 ( KPI )數位化 洗手台潮濕往往就會滲水到地板上,再加上來往旅客腳上難免帶有灰塵,一旦踩過潮濕的地板,就會使得地板髒污。視覺上就會給人「這廁所很髒」的感受。然而,廁所不可能隨時都有清潔人員值守,這時就需要有專門的感知器來偵測這樣的情況。 資策會利用薄膜導電電阻的特性,當薄膜電阻表面具有液體時就會降低整體電阻值,進而改變類比訊號輸出的相關數值。如此一來,只要在容易潮濕的表面鋪設薄膜電阻即可偵測潮濕的情況。例如窗台旁邊,或是洗手台面。 不過,由於感知器較為昂貴,而且刮傷就會破壞感知器的效能,所以後來只有特定的公廁才有導入這個潮濕偵測的感知器。 另外,除了視覺上的髒污,若是公廁傳出陣陣惡臭,即便這個廁所看來明亮乾淨,仍然會被認為是髒污的廁所。 然而,臭味的偵測可沒有那麼容易解決。 一開始,為了找到這個「電子鼻」,找遍了國內外的各種感知器,結果才從日本某個專門生產各種氣體感知器的大廠產品線中找到合適的 MEMS 微機電感應晶片。 所內接著也是從這個晶片的麵包板測試、電路設計圖、以及發包出去生產,共花了近半年才完成這個感知器的設計。 除此之外,在研發智慧廁間的過程當中,陸續也接到其他的需求,如人流偵測以及使用偵測等模組的研發委託。 智慧廁間感測器呈現 在開發過程當中發現,部份的無障礙廁間可能在使用過後,使用者有可能不小心把門關上,燈也忘記關,所以看起來這間廁所一整天都有人佔用。然而,真正需要使用的人反而被空蕩蕩的無障礙廁所擋在門外。這個問題相對簡單,工程師找到現成的人流感應模組,將其安裝在洗手台之下,這個問題也就迎刃而解。 另外,部份偏遠的公廁如梨山國家公園這一類公廁,對於環保減碳的要求上實在難以執行。由於地處偏遠,負責人員每天上班要去開燈,下班再去關燈。有些時候一整天卻沒有幾個遊客使用公廁,但所有的燈光以及設備都還是整天開啟,實在非常浪費電。 而一般市售的感應器非常呆板,只要30秒到10分鐘設定的時間一到,就關掉電源。或許在家中只有一個人使用廁所的情況,這樣的感知器已經堪用,但是動輒60坪的廁所,需要好幾個偵測器一起工作才能確保是否還有使用者在廁間當中,又是一個市面無售的解決方案。資策會只好整合多個感知器,另外在 MCU 上開發演算法,才解決這個需求。 三、IoT、雲端、大數據、以及 5G NBIoT 新科技的引入 創新的路上,總是有總總的困難等著工程人員來克服。而見招拆招的過程當中,也一步步的精鍊了解決方案,使它更便宜、更可靠、更便利。 在前述的各種感知器建置完成之後,這套系統也陸陸續續產生新的問題留給資策會來解決。例如使用者習慣的障礙、耗電問題、成本問題等等。 由 APP 改為更為貼近使用者習慣的 LINE 群組機器人 智慧廁間服務架構呈現 2017年首次完成松山車站約 60 坪的公廁佈建之時,是採用 MCU 搭配 WIFI 的通訊方式全天候監測並傳輸資料到伺服器上,在系統判斷異常之後,利用資策會寫的手機 App 通知清潔人員。 這個設計乍看之下似乎牢不可破,然而,由於現場清潔人員平均年齡 50 歲以上,安裝一個專門的 APP 反而沒人使用,第一線人員經常用沒幾天就把程式刪除。空有整套感知器在監控,卻沒有清潔人員真的使用。使用者習慣,往往是新科技導入面臨的最大障礙。 後來,做了一些使用者訪談後發現,每個公廁的清潔人員,都有一個 LINE 群組。 智慧廁間服務 Line 群組展示 資策會團隊提到:「既然知道他們(清潔人員)有 LINE 群組,那就好辦了 我們一開始小心翼翼的詢問清潔人員,是不是可以邀請一個機器人rdquo新同事rdquo來幫忙巡察衛生紙以及判斷廁所的異常。 一開始的時候,清潔阿姨們還有點疑慮。後來發現這個機器人rdquo新同事rdquo很好用之後,反而很愛它。」 因為成本、環保、以及便利性問題,由 WIFI 升級成 NBIoT 通訊協定 WIFI的速度快,頻寬大。但是一個公廁裡有男廁和女廁,就要分開兩個系統來分別監控,而且每個系統都需要獨立的 4G 網路連上雲端系統。所以建置以及通訊成本較為高昂,而且耗電也比較大。 說到這裡,或許讀者會有疑問:公廁都是設置在公共空間當中,難道沒有公共 WIFI 網路可用 資策會團隊給了我們很有深度的答案:「其實,確實幾乎每個公共空間都有 WIFI 網路可以使用,但是,與其他人共用 WIFI 容易受到干擾,而且 IoT 設備簡單,缺乏安全性控管的機制,若使用公開 WIFI ,有一定的安全風險。 因此,我們的解決方案中,還是設計封閉的WIFI通訊系統來解決通訊問題。 另外,由於一個 WIFI 基地台能夠支援的節點數量只有 20-30 個,一個有 18 個廁間的女廁就需要一組系統了。再加上隔了一個水泥牆,訊號會非常衰弱,甚至影響到訊號的穩定性。所以一個公廁設置兩套系統主要是穩定性考量而不是成本考量。」 人口密集的使用場域當中透過 WIFI 來傳輸資料到伺服器並不會太麻煩,然而,當智慧廁間系統開始被應用到更遙遠的廁間如梨山、谷關、獅頭山等國家公園遊客中心公廁,時時都要確保網路通暢,確實成為一道難題。 還好,5G 的新一代行動通訊網路當中有一個專門為了 IoT 物聯網設計的 NBIoT 窄頻物聯網通訊方式 Narrow Band Internet of Things。資策會領先全台,採用國內晶片大廠的 NBIoT 晶片組開發出台灣首套針對智慧廁間設計的 NBIoT MCU 控制系統 。 這套系統除了成本大幅下降、而且十分省電,只需要原本 WIFI 系統 的電量。最重要的是,比起傳統 WIFI 需要相對穩定的 4G 訊號橋接,這套系統的覆蓋範圍更廣,深山野嶺也都可以通訊。使得未來智慧廁間的覆蓋率,可以不受網路訊號的限制而更加廣泛。 四、「效應分析以及未來展望」 IoT 智慧廁間:一個乾淨、省電、便利的新智慧廁所革命 隨著整套的各式感知器、雲端系統、NBIoT 以及 LINE 機器人陸續上線,帶來的好處十分顯著。 以松山車站公廁為例,從本來的應接不暇到後來大砍 70 客訴量,巡察消耗品廁紙所需要的時間從原本的 15-20 分鐘縮短到只需要 10 秒。一旦有異常狀況發生,也從原本的不知不覺,到現今的立即通知。 有趣的是,意料之外的,這整套系統也順便也帶來了安全、以及徹底執行菸害防治法的附加好處。由於廁間只要有人佔用超過 40 分鐘,就會發出警告給清潔人員的群組。所以,一旦有使用者佔用太久,就會有清潔人員來敲門。安全性大幅提昇。 另外,臭味偵測器對於煙味也非常的敏感。由於國家公園全面禁煙,部份偏遠公廁常有旅客存著僥倖心態,溜進公廁偷抽煙。在國家公園的公廁中,臭味偵測器一旦偵測到煙味,就會播放一段菸害防治法的語音,讓旅客清楚知道公廁內抽煙可是要開罰新台幣二千至一萬元的。自從臭味偵測器安裝了之後,公廁使用者偷抽煙的情況很明顯的大幅減少。 後來,松山車站的「智慧公廁」因為克服了種種難題,而得到了交通部頒發的「金路獎」,因此而聲名大噪。從原本的客訴連連,變為各個公部門爭相參訪的模範公廁,讓承辦人多了許多帶團參訪的工作,也可以說是很奢侈的煩惱吧。 未來展望 這套系統因為 3 年的研發和場域實驗過程當中已經實證其穩定性和成本效應,目前已經成功技轉給國內的系統整合廠商。目前服創所也期待未來這套方案能夠擴展、甚至是技轉到歐美地區。 除此之外,在穩定可靠的數據流和通訊連線基礎之上,引入大數據來分析,或許可以讓人力的調配更加的精細,工作分配不均的問題可望得到根本的修正。 面對高齡化社會的來臨, NBIoT 通訊系統,搭配上各種 IoT 感知器,或許可以為我們帶來更健康、安全的生活環境。一些傳統上高度仰賴人力的重複性工作,也可以利用科技大幅提昇效率。

【導入案例】智慧農漁業數位分身:一個高效率、永續經營的農漁業升級解決方案。養殖漁業如何靠著稱為「數位分身」的AI 技術達成三倍產量
【108年 應用案例】 智慧農漁業數位分身:一個高效率、永續經營的農漁業升級解決方案。養殖漁業如何靠著稱為「數位分身」的AI 技術達成三倍產量?

靠著九種感知器偵測水質、以及監控養殖物生長狀況和漁民行為決策,「智慧農漁業數位分身」人工智慧解決方案,可以大幅增加產量至 300。「開心農場」式的高科技整合的解決方案,可以讓新手也快速上手,農漁業可以大幅降低對於經驗的倚賴,增加年輕人回鄉加入農漁業的誘因。 曾經有一段時間,FB遊戲剛剛開始流行的時候,因為「開心農場」這個熱門遊戲,可以說是人人皆農夫。上班族中午休息時間一一拿出手機,開始了手機上的快樂農夫生活。有些人還調皮,上班時間偷偷連上 FB ,偷了同事的菜。由於這個遊戲實在太療癒,有些人還真的就踏入真正的農田,當個小小的假日農夫。如果說,「開心農場」真實存在,你相信嗎由資策會服創所領頭開發的「數位分身」-「智慧溫室」以及「智慧養殖場」解決方案,就是貨真價實存在的「開心農場」、「開心水族箱」。 在這裡,基於 IoT 的 9 大感知器,會持續監測水質等作物 養殖物生長環境的「設施因子」,並且透過控制盒上傳雲端。而雲端中的 AI 機器人會在系統內持續模擬出一個數位的分身,在收到外部的水溫、溶氧量等等「設施因子」、以及持續蒐集作物 養殖物生長狀況的「生長因子」,雲端系統裡面創造出一個模擬的養殖漁民的「數位分身」,AI 機器人也會按照過往漁民的成功策略來運算出合適的「行為決策」。 在含氧量低、水溫超標等等情況下, AI 會建議你開水車、開增氧機,或是用藥等等行為決策,漁民則可以考慮自己的經驗或是知識,再判斷是否要採用。事後,系統也會比較判斷結果,漁民也可以就結果來判斷,究竟是真人的決策比較厲害,還是「數位分身」的行為決策比較厲害。 除此之外,智慧農業的數位分身AI ,在背景也是 24 小時運作不打烊,它默默的紀錄並且分析養殖漁民在智慧養殖場中針對各種「設施因子」以及「生長因子」的對應「行為決策」,由此慢慢的建立起養殖策略的最佳解模型。慢慢的, AI 像是個小學徒,在漁民身邊默默的學習這些「隱性知識」,使得這些知識不會因為漁民退休而失傳。 不僅如此,除了「種魚」還可以利用同樣的技術方案去「種菜」,這些最佳化養殖 種植模型可以成為珍貴的資料庫,即使是剛入行的新手,也可以跳過摸索的過程,直接成為大師。 三難一貴,是目前最大的挑戰:人力不足、老年化、經驗失傳三大難,新科技導入貴 台灣農業技術、養殖技術都聞名全球,然而小農結構普遍都有人力不足、老年化的趨勢,數位轉型勢在必行。然而,要導入新技術的成本,是 80 的小農小漁都負擔不起的。由於環境因素有太多不確定因素,如氣候的變遷、水質變化等等,都高度倚賴經驗來處理。因此,最嚴峻的挑戰,來自於農漁民退休而年輕農漁民又不及接班,多年的經驗因無法傳承而失傳。 智慧農漁業數位分身,持續最佳化不停機 「數位分身」是一個結合 AI 人工智慧,與 HI 工匠智慧的新興技術,國際研究機構 Gartner 連續三年將其評為全球未來關鍵十大技術之一。經濟部技術處在 2016 年就開始布局數位分身的研發,認為領域產業除了自動化效率之外,同時也需要將各產業的經驗技藝數位保存下來,建構 AI 與 HI 交互學習與最佳化的人機協同技術。以水產養殖這個領域來說,透過「魚電共生魚塭」的 AIoT (人工智慧物聯網 Artificial Internet of Things)的「數位分身」,將漁民的種種隱性知識數位化。利用各種水質數據所建構出的「設施因子」、魚、蝦體影像的影像資料、病徵影像等等的「生長因子」各種數位資料的分析,加上養殖漁民的「行為決策」來訓練 AI 人工智慧,可以得出水質管理、水產生長管理、水產疾病管理等等最佳化模型。 「魚電共生魚塭」的 AIoT (人工智慧物聯網 Artificial Internet of Things)的「數位分身」,將漁民的種種隱性知識數位化。(示意圖來源:台鹽綠能股份有限公司委託三奕設計顧問有限公司設計) 將這些 AI 管理模型組合起來,就成為了高存活率、高換肉率的智慧養殖解決方案。養殖的整個過程都有數位化的監控資料、品質可分析、而且產銷履歷甚至可以回溯至養殖初期,藉以大幅提升水產品質、價值以及產量。 雖然前景看好,但是仍然有著重重挑戰 資策會服創所與「數位分身」的緣份,是由 2018 年時經濟部技術處支持的前瞻科技專案開始。當時技術處認為各領域產業除了自動化效率之外,也需數位保存領域產業的工藝知識,用以建構 AI 與 HI 交互學習與最佳化的人機協同技術。 後來,行政院農委會農業試驗所接續支持「數位分身」在智慧農業當中的應用。「數位分身技術應用在農業,協助小農經驗數位化積累,並透過群體經驗與人工智慧交互作用,精進農業技藝,解決農業智慧化最大挑戰」。在農業場域當中的「智慧農業數位分身技術」,在產品化之後預期可以提高生產效率 30 ,可以說是前景相當看好。 邱璟明組長:「厲害的漁民所作的行為決策,以結果論,硬是要比一般的漁民還要強三倍。」nbsp nbsp Digital Twin Aqua-Solution 後來,與科技養殖產業業者合作,共同獲得經濟部工業局的業界計畫支持,資策會服創所才將數位分身的技術應用在「智慧漁塭」的場域當中。負責養殖漁業的場域應用團隊指出,「在養殖漁塭當中,漁民在面對各種環境改變時的行為決策,往往是不同的。其中,厲害的漁民所作的行為決策,以結果論,硬是要比一般的漁民還要強三倍,例如白蝦的存活率,一般的平均是 10 左右,有些漁民就是可以獲得 30 的高水準產量。如此一來,生產成本降低,賺的錢也是原本的三倍。 數位分身的技術,就是可以將這些達人的隱性知識傳承下來,最終推動整個產業的升級。」 9大感知器、魚體影像以及漁民行為決策組合而成的「數位分身」 為了取得各種養殖場的環境數據,服創所採用了包括了有溶氧、水溫、酸鹼度、鹽度、濁度、氨氮、硝酸鹽、葉綠素 a、ORP Oxidation-Reduction Potential氧化還原電位等九大感知器來監控水質,這些又被稱為「設施因子」。 另外,漁民也會定期把魚、蝦從池中撈上來,或是透過沉水攝影機拍攝水下的養殖物影像。藉以得知目前養殖物的大小,來了解生長狀況,這又被稱為「成長因子」。 「設施因子」、「成長因子」再加上漁民在不同情境下會採取的「行為決策」,就可以在雲端伺服器裡面創造一個虛擬的「數位分身」。(示意圖來源:台鹽綠能股份有限公司委託三奕設計顧問有限公司設計)nbsp 有了這兩個因子,在加上漁民在不同情境下會採取的「行為決策」,就可以在雲端伺服器裡面創造一個虛擬的「數位分身」。 在這個好像遊戲一樣的「數位分身」中,我們可以盡情的模擬,藉以找尋不同「設施因子」下,最佳的「行為決策」,藉以取得最佳化的「成長因子」。 換一個比較容易理解的說法,各位讀者不妨想像我們現在有個「開心漁塭」遊戲軟體。其中,漁塭的各種環境參數,都是由真實情況所記錄下來的。我們也紀錄下每個「開心漁塭」玩家在不同環境參數下所做出的行為決策以及最終的成果。當紀錄下來的資料組數量夠多,得到 ML 機器學習( Machine Learning)而來的魚塭數位分身模型,再經由即時數據進行模擬,就可以找出各種最佳化組合。而這個模擬世界,就是「開心漁塭」的「數位分身」。 感知器容易損壞,如何解決 然而,研發的過程總是有些挑戰。例如水下的感知器如水溫和溶氧感知器,經常由於藻類增生而損壞。水下紀錄魚體大小的攝影機,也經常因為池底泥沙或藻類污染而模糊不清,無法辨識。 為了克服這些感知器的損壞問題,有兩個方案,一是定期從池中打水上來經過感知器來偵測,二是將感知器製作成一個盒子,每天定期泡入養殖池當中用以偵測水質。 至於魚體和蝦體的生長狀況,只需要漁民每日定期打撈上來拍照量測即可。成本低而且有效。 服創所的邱組長說:「這些感知器的損壞問題,是個成本問題,雖然說帶來的效益很高,但是若成本太高,漁民不願意採納也失去意義了。我們目前正在研發 9 合 1 的水質偵測盒子,成功整合完成之後,就可以準備量產,並且以銷售盒子加上連線月租費的方式來商業運作。我們目前已經非常接近完成整合,非常歡迎廠商來洽談合作」 漁民行為決策難以紀錄的困難 另外一個挑戰來自於漁民,部份漁民會自覺的紀錄每天觀察的水質以及環境指標,並且紀錄自己的操作策略和結果。但是,並不是每個漁民都會這樣操作,這時候,就需要引進 AI 人工智慧當中相當重要的 GAN (Generative adversarial network 生成對抗網路)技術。 GAN 會依據過去的資料,生成漁民的可能策略,也就是「猜」漁民的決策,用以補足漁民沒有輸入的行為決策。若是事後得到漁民補完,也不影響訓練資料集。 得獎技術量產化之後, 300的生產效率不再是遙不可及 「數位分身」技術目前全球應用案例多運用於航太、製造業,目前只有台灣與荷蘭率先投入數位分身在智慧農業的研發。因此,「智慧農業數位分身」獲美國 RampD全球百大科技研發獎也是國內技術領先的證明。目前正在完成整合的水質監控盒以及整套解決方案,在產品化後預期提高生產效率 300。 未來「數位分身」技術不只是可以應用於農業和養殖漁業當中,還可以擴展至原本仰賴「隱性知識」的產業當中,如製茶、漁業等等。由於全程數據化,品質不再是靠著經驗以及「看天吃飯」。藉此,可以提高農民的「智慧化監控」和「精準化生產」科技層次,除了提昇傳統農漁業的生產力,也很有機會達成永續經營,促成整個產業升級,提昇年輕人回鄉參與農漁業的誘因。 參考資料:智慧製造的關鍵拼圖加速「數位分身」實現的創新感測技術-數位時代

筆資訊
總筆數:69, 共8頁