精選案例

05
2021.12
【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
【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】 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
【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

總覽

這是一張圖片。 This is a picture.
113年實戰議題:運用生成式人工智慧建立案件表格及摘要

產業別:人工智慧應用服務產業 產業痛點: 在偵辦案件時,對於不同對象的筆錄進行對照,以找出矛盾或有出入的內容,是一個耗時且複雜的過程。尤其在大型案件中,筆錄數量龐大,檢視每份筆錄的細節變得更加困難。手動比對筆錄中的差異不僅需要耗費大量時間,還容易出現人為錯誤,影響案件進度與精確性。 每位偵辦人員的訊問風格不同,導致筆錄中的回答形式各異,這使得相同問題的彙整及比對變得更加繁瑣和費時。此外,手動進行筆錄彙整過程中,面臨大量資料的處理,使偵辦人員難以快速抓取關鍵資訊,影響案件進展。 筆錄完成後,將重點資訊手動填入其他文件,不僅過程繁瑣,還容易出現遺漏或錯誤。特別是大型案件中,涉及多份筆錄和文件的交叉處理,這種重複性工作不僅增加了時間成本,還可能造成資料錯誤,影響最終的案件報告與決策準確性。 導入AI效益: 系統具備自動比對多份筆錄的能力,能快速發現其中的矛盾與遺漏,這是人工手動比對難以達到的效果。透過這項技術,偵查人員無需耗費大量時間逐一檢視細節,系統能即時提供精確的對照結果,讓偵查人員迅速掌握案件中的關鍵資訊。相比於傳統方法,人工智慧技術不僅提高了準確性,還顯著縮短了比對與處理時間,進而加速了案件偵辦的進展。 系統同時能自動整理多份筆錄,將其彙整成精準的案件摘要,避免了人工操作中的重複與遺漏問題。這樣的功能不僅提升了案件資訊整合的速度,也能幫助偵查人員快速掌握案件全貌,省去手動篩選資料的麻煩。由於系統能提取重點資訊並自動生成摘要,偵查人員能將精力集中於更高價值的分析工作,從而提升整體辦案效率。此外,系統的自動化報告功能,還能生成偵查報告、人物關聯圖和時間序列表,讓案件分析更加全面具體,確保偵查過程中的每個步驟都高效且精確。 常見AI技術: 生成式人工學習,如:OpenAI的GPT、Anthropic的Claude等。

這是一張圖片。 This is a picture.
113年實戰議題:知識學習操之在我

產業別:人工智慧應用服務產業 產業痛點: 在特定產業中,解說員的成本和培訓時間往往相當高,但解說的產出效益並不總是如預期理想。尤其是需要大量知識傳遞的工作,解說人才的培育週期長且難以快速上手。隨著知識不斷更新,培訓時間與實際產出效益的落差越來越大,導致企業在人力成本的投資上面臨挑戰。解決這種情況需要更靈活的解說模式,才能確保成本效益的平衡。 現今企業希望能提供更具互動性的解說,讓顧客或內部員工能即時獲得回應。然而,由於適合的解說人力難以招聘,且專業人才流動率高,企業常面臨人力短缺的困境。特別是在技術性或知識密集型產業中,解說員不僅需要具備高水準的專業能力,還要能迅速適應不同的需求,但這樣的專才非常難以尋覓與留任。 導入AI效益: 透過智慧化的設計,系統能根據每位遊客的個人需求與興趣,提供高度個人化的互動問答功能。當遊客在展示區提出問題時,系統能即時從資料庫中檢索相關資料,並依照遊客的問題提供精確且即時的解說。這樣的設計不僅大幅提升了遊客的參與度,還能確保知識的傳遞更加生動和具體。此外,這樣的互動解說系統能夠支援多語言功能,讓來自不同國家的遊客都能無障礙地獲取所需資訊,並根據不同遊客的背景,提供各層次的知識輸出,無論是專業知識還是簡單的背景資訊,均能輕鬆理解展示內容。 這種個人化的互動問答系統,除了提升遊客的參與感外,還具備節省人力成本的效益。透過系統自動化的即時回應功能,展示區能減少對人工導覽的依賴,同時確保每位遊客都能獲得一致且高品質的解說。這不僅讓知識傳遞更有效率,還強化了展示區的管理,確保遊客能獲得更加完善的學習體驗。 常見AI技術: 生成式人工智慧,如:OpenAI的GPT、Anthropic的Claude等。 檢索增強生成。

這是一張圖片。 This is a picture.
113年實戰議題:政府網站平台人工智慧摘要生成導入

產業別:人工智慧應用服務產業 產業痛點: 網站平台上資訊量龐大,對於使用者來說,在有限的時間內無法全面瀏覽所有內容,這將大幅降低使用者的閱覽意願與效率。尤其是在需要快速獲取重點資訊的情況下,人工逐一篩選與閱讀內容,不僅耗時且容易遺漏重要資訊。此外,對於一些具體且繁瑣的文件,如政策公告、條例或長篇文章,使用者難以快速掌握核心內容,因此需要更有效率的工具來協助過濾和生成摘要,提升整體使用體驗並提高資料的可讀性。 導入AI效益: 人工智慧摘要生成技術,能夠自動生成各類文章或公告的摘要,讓使用者無需逐字閱讀冗長內容,即可在短時間內掌握關鍵資訊。這樣的功能對於日常繁忙的使用者來說,提供了極大的便利。例如,當使用者需要快速了解政府公告的重點時,系統能即時生成摘要,將重要內容呈現出來,讓使用者迅速獲取所需資訊,從而避免在不必要的細節上浪費時間。 此功能不僅提升了資訊傳遞的效率,還讓政府網站平台的使用者體驗更加友善。使用者可以依賴系統的摘要功能,快速瀏覽和理解文章的核心內容,尤其是在需要大量查閱資料的情況下,這種技術應用能顯著提升工作與決策的效率。人工智慧生成的摘要功能使得資訊的整理和傳遞變得更加簡單和即時,確保每位使用者都能高效獲取政府網站上的重要資訊。 常見AI技術: 生成式人工學習,如:OpenAI的GPT、Anthropic的Claude等。

這是一張圖片。 This is a picture.
113年實戰議題:業務單位預算管理助手

產業別:人工智慧應用服務產業 產業痛點: 業務單位經常面臨人力短缺的問題,尤其在預算管理方面,當負責人員離職或進行業務交接時,容易導致資料遺漏或難以迅速上手,進而影響預算控管的效率。此外,預算管理涉及的項目繁多,若無清楚的系統化紀錄,接手者在整理資料或查找歷史紀錄時會耗費大量時間。尤其在年度預算審核或編列時,這種交接不易的情況會造成預算分配或執行的延誤,進一步影響業務的運作效能。 導入AI效益: 系統具備即時整理與歸納帳務資料的能力,能夠自動進行複雜的預算科目分析,讓使用者不需耗費大量時間進行手動操作。例如,當使用者需要查詢特定預算項目的使用情況時,系統可以迅速提取相關資訊,提供即時的回答,讓預算使用情形一目了然。此外,系統還具備自動生成預算報告的功能,能將歷史資料與現行支出進行詳細比對,協助決策者快速掌握預算執行情況,避免因手動操作導致的疏漏或錯誤。這樣的自動化功能,不僅提升了預算管理的效率,還確保了預算使用的透明度與準確性。 此外,該系統可以在預算管理過程中,提供使用者精確的科目運用分析。這不僅能幫助使用者更好地理解資金的流向,還能讓管理層及時了解資源的運用效率,進而作出更精準的決策。系統能根據使用者的需求自動整理各類預算項目的資料,並能即時回應複雜的查詢,這樣的功能有效縮短了資料處理的時間,也提升了工作流的效率與準確性。例如,當預算科目出現異常支出時,系統會即時提示使用者進行查閱與調整,從而避免資源錯誤運用的風險。 常見AI技術: 生成式人工學習,如:OpenAI的GPT、Anthropic的Claude等。

這是一張圖片。 This is a picture.
113年實戰議題:人工智慧生成動態119勤務排班表

產業別:人工智慧應用服務產業 產業痛點: 傳統的勤務排班系統常忽略員工的個人需求與偏好,無法靈活調整工作時間,這使得員工在工作中感到不滿意,甚至可能導致離職率上升。這樣的人力流失對於管理層來說是一個嚴峻的挑戰,特別是在需要長期穩定的人力資源配置的環境中,傳統的排班方式顯得僵硬且缺乏彈性,無法有效應對這些問題。 由於現行的排班系統無法靈活應對各時段的人力需求變化,特別是在緊急勤務或救援等即時反應要求較高的情境中,可能導致某些時段的人力資源過少,進一步影響救援的速度和服務的品質。此外,排班時還需考慮每位員工的工作時數、技能配對及休息時間等複雜變數,增加了出錯的風險。 此外,在應對突發事件或節假日的需求變動時,常常顯得反應不夠迅速,難以及時調整人力配置。這不僅會造成資源配置不足或浪費,還增加了管理層的壓力。同時,手動排班所需的時間長且容易出錯,這無形中降低了排班效率和準確性,對於管理者和前線員工都造成了不必要的負擔,進而影響了工作執行的精準度和準時性。 導入AI效益: 透過自動化的排班系統,系統可以根據多種條件進行計算,快速生成符合需求的排班方案,這不僅大幅減少了手動排班所需的時間與成本,還能確保排班過程中的每個步驟符合設定的條件。 此外,該系統具備智慧化的規則設定功能,能依照預先設定的工作時數與休息間隔等條件進行公平的勤務分配。這樣的排班方式不僅能提升員工對勤務分配的滿意度,還能有效降低因排班不公而引發的不滿情緒,進一步降低離職率。對於人力資源管理來說,穩定的排班系統有助於長期維持團隊的人力穩定性,特別是在高壓的勤務環境中,公平的排班能夠大幅提升員工的工作滿意度,減少流動率。 最重要的是,人工智慧生成的動態排班表能夠即時應對外部條件的變化,例如突發事件、假期或臨時需求變動。系統可以根據這些變化迅速調整勤務分配,確保人力資源的最佳配置,增加排班的靈活性與合理性。 常見AI技術: 隨機森林、支援向量機、長短期記憶網路。 生成式人工學習,如:OpenAI的GPT、Anthropic的Claude等。

這是一張圖片。 This is a picture.
113年實戰議題:生成式人工智慧在行程規劃上的應用

產業別:人工智慧應用服務產業 產業痛點: 目前在行程規劃方面,資料無法系統化整理,產品人員大多依賴個人經驗與手動檢索來完成規劃。這種方式不僅耗時,也容易導致資料遺漏或錯誤,進而影響規劃的效率和準確度,對於需要快速回應市場變化的企業來說,是一個巨大的挑戰。 隨著客戶對行程規劃的個人化需求日益增加,產品人員需要花費大量時間來處理個別需求。這樣不僅加重了工作負擔,也拖長了交付時間,進而影響了整體工作效率,對企業應對快速變化的市場需求構成挑戰。 導入AI效益: 透過整合內部與外部的產品資料,系統能自動提供初步的行程規劃,讓產品人員不需從頭開始設計行程,從而大幅減少手動編寫行程的時間。系統生成的行程內容可以作為產品人員的基礎規劃,讓他們依據客戶的具體需求進行進一步的修改和調整。這樣的流程不僅加快了行程規劃的速度,也提升了工作效率,確保每個行程都能快速且有效地完成。此外,隨著外部資料的即時更新,如天氣變化、景點開放狀況或市場趨勢,系統可以自動調整行程內容,確保提供給客戶的資訊始終是準確且及時的。 系統還具備強大的資料分析功能,可以分析過往的銷售資料及外部市場資訊,幫助產品人員深入了解市場需求與銷售趨勢。例如,透過對歷史銷售資料的分析,系統能夠識別出哪些行程或產品在特定時間段銷售表現最佳,從而協助旅行社在未來的產品設計與行銷策略上做出更精準的決策。不僅如此,系統還能進行競業分析,讓旅行社能夠掌握市場動態,分析競爭對手的產品與行銷策略,進而快速調整自身的市場定位與推廣計劃。 此外,當外部市場資料顯示某一地區的旅遊需求大幅增加時,系統可以迅速更新行程規劃並調整產品推廣策略,讓旅行社能夠快速響應市場需求並提供精準的產品服務。 常見AI技術: 生成式人工智慧,如:OpenAI的GPT、Anthropic的Claude等。 檢索增強生成。

這是一張圖片。 This is a picture.
113年實戰議題:生成式人工智慧在傳統旅行社平面設計上的應用

產業別:人工智慧應用服務產業 產業痛點: 設計團隊經常面對多個內外部單位頻繁提出的設計需求,這樣的高頻次要求使得設計師無法專注於創意性的工作。這些單位的需求通常具有緊急性,導致設計師需要迅速回應,這不僅加重了工作負擔,也容易讓設計品質受到影響。當頻繁的需求來自不同部門或外部合作夥伴時,溝通成本與時間壓力進一步增加,使得設計師很難有效管理時間,進而造成工作效率下降。 設計師經常被繁重且重複性的任務所困擾,這些作業包括修改模板、簡單圖像處理等日常工作。由於這些任務通常需要大量時間且頻率極高,設計師幾乎無法擁有足夠的時間進行創意發想,這直接影響了設計作品的品質與新穎性。長期處於重複性工作的壓力下,設計師的創造力也會逐漸減弱,無法在競爭激烈的市場中提供具有差異化的設計方案,進而影響旅行社在市場中的競爭力。 導入AI效益: 從圖片選取到文案排版,系統能夠依照需求快速自動生成所需的設計圖面,無需依賴專業設計師來處理每個細節。這項技術降低了操作的門檻,使得旅行社的行銷活動更具靈活性和效率。例如,當旅行社需要針對不同旅遊主題進行推廣時,系統可以根據所需的照片和文案,自動生成符合特定行銷需求的設計,無論是海報、社群媒體廣告,還是行銷電子報,都能快速產出。這不僅提升了行銷推廣的反應速度,還能大幅提升顧客的體驗,確保每次推廣都能及時、有效地觸及目標客群。 此外,透過簡單輸入文字指令,行銷人員即便沒有設計背景,也能輕鬆完成創意製圖工作。這樣的自動化平面設計解決方案,不僅能縮短行銷材料的製作時間,還能大幅減少人力投入。無論是在旅遊季的促銷活動,還是社群媒體的互動,都能根據市場需求快速調整設計內容,從而實現更靈活、更高效的營運模式。 常見AI技術: 生成式人工智慧,如:OpenAI的DALL-E、Stability AI的Diffusion、Midjourney等。 深度學習,架構如:CycleGAN。

這是一張圖片。 This is a picture.
113年實戰議題:自動化客服在傳統旅行社的導入與應用

產業別:人工智慧應用服務產業 產業痛點: 由於外國團體產品的種類繁多,客服人員無法完全掌握每個產品的細節,因此在回應客戶問題時,常需花費大量時間進行搜尋和查找,無法快速提供解答。這種情況下,面對不同產品的差異化需求,可能導致客戶體驗下降,且增加了客服人員的負擔與工作壓力,降低整體服務效率。 客服人員的服務能量有限,無法同時應對多組客戶的需求,特別是在高峰時段或非工作時間,更無法提供及時的服務回應,這可能導致客戶流失或對服務品質的不滿。 客服服務的入口繁多,如Line、Facebook、Email、個人Line及電話等,導致客服人員需要頻繁在不同平台間切換。這種情況不僅增加了客服人員的負擔,也可能導致客戶資訊難以整合,無法提供一致性服務,進而降低了客戶體驗。整合各個管道的客戶資料和需求已成為提升客服效率的重要課題。 導入AI效益: 透過智慧化系統的設計,自動化客服能夠即時處理各類開放性問題,滿足基礎的客戶服務需求,讓客戶無需等待人工介入即可快速獲得解答。這不僅減少了對人力資源的依賴,還能顯著縮短客戶的等待時間。例如,客戶可能在查詢行程、價格或訂位狀況時,系統能夠即時提供準確的資訊,讓客戶在短時間內得到滿意的答覆,隨著系統不斷學習使用者的需求與問題模式,它還能進一步提升回應品質,增加使用者對品牌的忠誠度。 此外,該自動化客服技術具有全天候運作的能力,尤其在非上班時間內,系統仍能自動回應客戶的問題,確保客戶能在任何時間點都獲得即時的服務。對於較為複雜的詢問,系統可以進行智慧分流,將問題自動轉交至對應的部門或人員處理,避免因問題複雜而無法解答的情況。這樣的分流功能不僅提高了整體客服處理的效率,還能減輕客服人員的工作負擔,讓他們更專注於處理高價值或複雜的問題。 常見AI技術: 生成式人工智慧,如:OpenAI的GPT、Anthropic的Claude等。

這是一張圖片。 This is a picture.
113年實戰議題:基於CUI為主的智慧工單API系統

產業別:人工智慧應用服務產業 產業痛點: 對於非技術人員來說,工單系統中的許多欄位和資訊可能過於複雜,導致填寫錯誤或理解困難,增加隱藏成本。例如,非技術人員可能無法清楚分辨某些欄位的用途,或誤填資料,最終需要花費更多時間來反覆溝通修正,甚至可能延誤工作流程。這樣的情況不僅降低了工作效率,還可能導致作業進度延遲。因此,如何設計簡單且直觀的介面,以幫助非技術人員正確操作,成為系統設計的重要挑戰。 導入AI效益: 系統能夠引導並協助使用者逐步完成工單的填寫,避免因不熟悉欄位而導致的錯誤或延遲問題。例如,每當使用者輸入資料時,系統會根據使用者的需求自動提供欄位提示與即時的錯誤檢查,這樣的設計不僅確保每一個步驟的資料正確性,還能加速整體工單的處理過程。 此外,系統能夠分析使用者填寫過程中常見的錯誤,並自動最佳化填寫流程。這種持續改進的機制能夠有效減少重複性問題的發生,提升整體使用體驗。例如,當系統發現某些欄位經常被錯誤填寫時,它會自動加強該欄位的提示,或直接提供符合邏輯的預設選項,讓填寫過程更加順暢。 常見AI技術: 生成式人工智慧,如:OpenAI的GPT、Anthropic的Claude等。

這是一張圖片。 This is a picture.
113年實戰議題:深偽影片人工智慧辨識檢測模型

產業別:人工智慧應用服務產業 產業痛點: 現今的影像和影片製作技術已經高度發展,讓深偽影片的生成越來越逼真,讓一般人難以分辨真假。對於企業或媒體來說,無法正確辨識這些深偽影片可能導致錯誤資訊的傳播,進而影響信譽和商業運營。這類問題需要一個有效的解決方案,能夠即時檢測出深偽內容並阻止其進一步擴散,尤其是在涉及金融、新聞、政府機構等產業,這些內容的真實性對於公眾信任至關重要。 導入AI效益: 系統能有效識別影片中不自然的表情變化、影像質感等細微之處,這些細節往往是人類肉眼難以發現的,透過人工智慧技術,系統可以自動識別出潛在的偽造影片。此功能對於偵查機構來說,無疑是一項極具價值的工具,能夠協助其進行後續的追蹤與調查工作,顯著提升檢測效率,並減少對人力資源的依賴。 許多詐騙手法往往利用深偽技術製作出看似真實的影片,使得受害者更容易上當受騙。因此應用不僅局限於偵查工作,它還可作為識詐教育的重要工具,協助民眾認識並防範詐騙手法。透過深偽影片的案例,系統可以進行即時的教育宣導,讓民眾更直觀地了解如何識別虛假影片,這對於增強社會的安全意識至關重要。 常見AI技術: 卷積神經網路、循環神經網路。 技術,如:微軟的Video Authenticator。

這是一張圖片。 This is a picture.
113年實戰議題:實境虛擬展間(Showroom)

產業別:人工智慧應用服務產業 產業痛點: 在許多傳統展間中,缺少能夠即時了解客戶需求並為其量身打造的專業銷售人員,特別是在虛擬與現實環境的整合上,存在明顯的落差。許多企業無法有效提供從實體展間到虛擬展間之間的無縫過渡,導致客戶體驗不完整,無法真正在各種接觸點保持品牌的連續性與一致性,這對客戶的購買決策和滿意度產生不利影響。 在多語言市場中,無法使用流利且專業的多國語言來清晰說明產品特性和設計優勢。這樣的限制使得企業無法有效地觸及更多潛在的國際客戶群體,且缺乏個人化的互動會讓顧客感到疏離,難以在銷售過程中建立起強烈的品牌忠誠度和難以忘懷的使用者體驗。 導入AI效益: 透過智慧化的虛擬專家系統,系統能夠即時模擬專業銷售人員,根據每位顧客的需求提供精準且個人化的銷售建議。這樣的系統不僅能動態調整推薦內容,還能有效減少對人力資源的依賴,特別是在展間繁忙或無法及時安排銷售人員的情況下,虛擬專家可以即時提供高水準的服務,確保顧客獲得滿足需求的資訊,並提升顧客的整體滿意度。這不僅能提升產品的銷售效率,還能透過智慧化的服務提高顧客對品牌的認同感和信任度,進而促進品牌忠誠度的建立。 此外,系統具備強大的上下文追蹤功能,能夠即時理解並回應顧客的需求。透過對對話背景的動態分析,系統能夠根據顧客的反應調整其產品推薦或服務介紹,避免過於制式化的回應,這不僅讓顧客感受到服務的專業性,也能提高其購買意願。這樣的個人化互動體驗不僅能提升顧客的參與度,還能讓顧客在展示過程中感受到品牌的用心與貼心服務。 同時,該系統還支援多國語言,並能以幽默且靈活的互動風格進行產品介紹,使得產品展示更具吸引力。這樣的功能使企業能夠跨越語言和文化的障礙,尤其在國際市場或多國展覽中,能夠幫助品牌吸引來自不同文化背景的顧客,增加其參與感和對品牌的好感度。這不再局限於單一語言的正式溝通,而是透過語言多樣化的互動方式,讓顧客在輕鬆的氛圍中加深對產品的了解,提升其購買意願。 常見AI技術: 生成式人工智慧,如:OpenAI的GPT、Anthropic的Claude等。

這是一張圖片。 This is a picture.
113年實戰議題:用於偵測虛假消息的方案

產業別:人工智慧應用服務產業 產業痛點: 虛假資訊常被用來操作選民的情緒與選擇,這不僅會干擾選舉過程,也可能危及民主制度的公正性。尤其是社群媒體上,虛假資訊可以迅速擴散,增加辨別真偽的難度,進而影響選民的決策。 虛假資訊對個人或公眾人物造成的名譽傷害,不僅導致社會恐慌,更可能對當事人的職業及生活帶來長期負面影響。 針對企業的虛假資訊散播會影響投資者信心,可能造成市場不穩,對國家經濟產生重大衝擊。因此,及時偵測和處理這類資訊至關重要。 導入AI效益: 系統透過智慧化的分析演算法,可以即時處理並分析各類型的資料,快速偵測出可能的虛假內容。這樣的自動化分析不僅大幅減少對人力的依賴,還能提升虛假資訊偵測的精準度與效率。相比傳統人工審查,人工智慧技術可以在短時間內處理大量資料,這有助於加速偵測流程並提供更即時的回應。例如,當出現大量虛假訊息攻擊時,系統可以即時發現異常資料,並迅速回應以防止資訊的進一步擴散,從而有效節省人力成本並提升整體應對速度。 透過深度學習和自然語言處理技術,系統可以識別出虛假消息中細微的語言特徵,進而減少誤報率並提升偵測的準確性。這種語境理解的提升,讓系統在面對複雜的中文消息時,能夠做出更精確的判斷。 除了處理文字內容外,人工智慧系統還能應對虛假消息的多樣化形式,尤其是在圖片與影片等多媒體訊息的識別上。系統能夠通過圖像識別技術和影片分析工具,偵測出多媒體內容中的虛假成分。這種跨媒體的靈活性,使得系統能夠處理來自不同媒體平台上的虛假消息,不論是文字、圖片還是影片,系統皆能自動辨識並處理,進一步提升其在不同情境下的應用效益。 常見AI技術: 大型語言模型,如:聯發創新基地的MediaTek Research Breeze-7B。

這是一張圖片。 This is a picture.
113年實戰議題:用於客製臺灣相關之特定人物或風格之非玩家角色的方案

產業別:人工智慧應用服務產業 產業痛點: 臺灣特定的人物或風格往往帶有地方口音或語言特徵,這對遊戲中的非玩家角色來說,缺乏這些特徵會削弱玩家的沉浸感及角色的親和力。由於語言差異和口音特徵的忽略,角色可能無法真實反映臺灣文化背景,特別是在地區性或歷史背景明確的情境中。解決方案應該包括能精準模擬臺灣口音及語言表達的技術,並且透過個人化語音模組,讓角色能更真實地反映地方文化和風格,提升玩家的體驗。 導入AI效益: 透過人工智慧生成的語音模組,系統可以模擬出更加道地的臺灣地方口音,使角色的語音更加真實且具親和力,進一步增強玩家或使用者的體驗。這樣的設計不僅讓角色更加符合本地文化,還能在遊戲或互動應用中創造更強的沉浸感,提升整體使用者的參與感。 藉由人工智慧技術,角色的語音和表現能夠根據情境或使用者的反應進行即時調整,使其具備更自然的互動效果。這樣的互動不僅提升了非玩家角色的親近感,還讓使用者在互動中感受到更深層次的情感連結,進一步強化了整體使用體驗。 無論是在博物館導覽、旅遊景點解說,還是在教育互動中,這樣的客製化非玩家角色都能提供更加個人化且具人性化的服務,進一步提升商業價值和應用範圍。藉由這些創新技術,企業能夠為使用者提供更豐富且獨特的體驗,增強市場競爭力並創造更多商業機會。 常見AI技術: 深度學習,架構如:Tacotron 2。

泛加拿大AI戰略產業推動政策_產業聚落
113年加拿大AI發展政策研究:加拿大藉由打造五大超級產業聚落形成AI區域生態系

資料來源:加拿大政府官方網站,AI HUB計畫整理泛加拿大AI戰略產業推動政策 加拿大的AI相關政策最早可追溯至創新科學暨經濟發展部(Innovation, Science and Economic Development Canada, ISED)於2017年委託加拿大高等研究院(Canadian Institute for Advanced Research, CIFAR)所制定的泛加拿大AI戰略(Pan-Canadian AI Strategy),旨在強化國家與區域的AI生態體系,促進加拿大社會經濟成長。 進一步而言,泛加拿大AI戰略主要針對加拿大產業特色,重點扶植特定產業聚落,進而擴大自身優勢。具體可分為兩個階段,首先在2017年至2022年的第一階段也被稱為「創新超群計劃」(Innovation Superclusters Initiative)。加拿大創新、科學經濟發展部(ISED)五年間共投入95億加幣資助發展數位科技產業(Digital Technology)、蛋白質產業(Protein Industries)、先進製造產業(Advanced Manufacturing)、AI產業(Scale AI),與海洋產業(Ocean)等五大「超級聚落」,藉由邀請由產業主導的聯盟來領導和投資提案,以增強區域創新生態系統。支持大公司、中小企業和產業相關研究機構之間建立新的夥伴關係。並希望透過彌補彼此差距、整合優勢、增強屬性,打造聚落的共享競爭優勢。同時也利用智財權保護聚落,由政府支持策略性利用智慧財產權來幫助企業發展。 接著在2022年至2028年的第二階段,也被稱為「全球創新聚落計畫」(The Global Innovation Clusters program),加拿大政府又提撥 75 億加幣投入持續資助產業聚落發展,以促進加拿大經濟創新與生態系發展,擴大加拿大在各領域之全球領先地位。以Scale AI聚落為主,整合各垂直領域與資通訊技術建立智慧供應鏈。透過AI技術,可即時了解何時何地需要產品,企業之間聯繫變得更快、更容易,並同時協同工作以提升銷售額。而除提高企業採用AI新技術能力外,也透過創新聚落來支持加拿大中小企業,並吸引其他資金投資,加速研發加拿大的AI解決方案來加速AI商業化。 簡而言之,加拿大政府從2017年起就積極推動AI產業發展,並制定了多項政策與法規,以促進AI技術研發、應用與商業化。其中最具代表性的政策為「泛加拿大AI戰略」,該戰略旨在強化國家與區域的AI生態體系,並透過打造五大超級聚落,如:數位科技產業聚落、蛋白質產業聚落、先進製造產業聚落、AI產業聚落,以及海洋產業聚落,並以AI技術與智慧供應鏈為核心,積極推動跨產業AI整合。

歐盟《AI創新套案》概要
113年歐盟AI發展政策研究:歐盟在AI Act法案監管政策下以創新沙盒提供資源扶植AI新創發展

nbsp 資料來源:歐盟官方網站,AI HUB計畫整理,2024年3月圖說 歐盟《AI創新套案》概要 nbsp 歐盟最早的AI產業推動政策可追溯至2018年,當時歐盟推出了《歐洲AI戰略》,並為落實該戰略又提出《AI協調計畫》(Coordinated Plan on AI)、《一般資料保護規範》(GDPR)、《AI白皮書》(AI White Paper)以及《歐洲數據戰略》(European Data Strategy)等重要政策文件,並以此奠定歐盟整體AI的發展戰略架構。在此背景下,因當時美國與中國兩大AI強權的影響,且歐盟自身AI產業發展雖還處於起步階段,卻仍希望能夠急起直追,故便於2021年4月提出《AI草案》(AI Act, AIA),希望在法律層面強化落實歐盟戰略,以期實現引領全球AI治理的目標。此後更是以此為基礎,在2022-2023年間接連推出或更新既有的法律規範,如《AI責任指令》(AI Liability Directive, AILD)、《產品責任指令》(Product Liability Directive, PLD),以及《AI創新套案》等法案,希望在AI法案正式生效前,藉由產業推動政策同時兼顧監管與創新精神,扶植產業發展。 而撇除監管政策外,以AI產業發展作法來說,即是2023年1月24日推出的《AI創新套案》。此次套案是為了回應2023年9月13日歐盟委員會主席在國情咨文所提出之倡議。 在算力部分,為歐洲創新AI新創公司提供歐洲超級電腦,以訓練他們值得信賴的AI模型。緊接著,歐盟也於2023年11月16日啟動大型AI大挑戰賽(Large AI Grand Challenge),並修訂歐洲電腦高效運算聯合計畫規章,提供AI新創企業財務支持及使用超級電腦算力之機會,鼓勵具有大型AI模型經驗的歐洲新創公司參與。這些新創公司將能使用EuroHPC超級電腦開發大型AI模型,最後將發布非商業用途的開源模型成果,作為推動該新倡議之第一步。除此之外,也將協助超級電腦升級,讓EuroHPC在歐盟建立託管於各國的超級電腦,並加以連接形成高效的超級電腦網路,例如西班牙的MareNostrum 5與盧森堡的MeluXina,過往用於科學研究,未針對生成式AI模型相關工作進行最佳化;以及升級將面臨GPU採購議題,將強化採購並配合晶片法案取得GPU晶片。 在資料部分,提出「促進歐盟可信賴AI新創企業發展與創新」政策文件,將提供過去在歐洲共同資料空間計畫累積的高品質之資料,包括健康、媒體、運輸、農業、建築、環境、製造及研發等領域之資料,藉由企業對企業(B2B)及企業對政府(B2G)兩種等方式,讓資料可單獨或跨領域結合來促進創新,達到歐盟全境消除資料本地化(Local)限制。其次,共享資料也將由委員會訂定資料保護機制、釐清錯誤資料責任、資料遺失與修訂規範,並協助解決爭議問題。 故綜上所述,在AI產業發展方面,歐盟採取雙管齊下的作法。一方面是從法律層面完善對AI系統的監管,包括事前預防的AIA,以及事後補救的AILD和PLD,使受害者能依循明確法源尋求賠償。另一方面則積極推動創新,藉由提供算力資源、高品質數據等有利條件來扶植具潛力的AI新創企業與整體產業。 nbsp

筆資訊
總筆數:320, 共22頁