精選案例

【導入案例】哈瑪星科技建構AI模型管理平台 加速AI落地應用
08
2021.11
【110年 應用案例】 哈瑪星科技建構AI模型管理平台 加速AI落地應用

搭上AI列車,資服業者借助深厚的產業基礎,不僅自己轉型,也協助客戶轉型 成立已超過20年的哈瑪星科技,近年來不斷研發AI技術,並協助產業客戶導入AI。哈瑪星認為,執行一個完整的AI專案,除了AI理論知識、數據分析與模型訓練能力,實務上還需要依據客戶的需求開發數據串接API、建置資料庫、開發前端RWD網頁,甚至還需要考慮到版面設計與使用者體驗 User Experience。這些工作不僅對AI新創業者形成技術門檻,即便對已具規模的業者來說,每個專案反覆投入人力進行類似的功能開發,也難以累積技術經驗、加速業務成長。 機關客戶對於AI仍具備高度客製化之需求 以哈瑪星科技所執行的政府A機關的需求為例,用戶須針對特定管道的不實資訊進行管控,需要平台提供用來訓練模型和預測的數據接入功能,並可以在平台上完成自然語言處理NLP文本分類模型訓練與使用。當模型發現不實資訊時,需要即時透過通訊軟體通報相關負責同仁。而B機關的需求則是希望透過AI模型針對民眾陳情案件進行自動分類,並即時提供陳情民眾或案件承辦人員可參考之歷史案件資訊。儘管專案模式相似 數據接入、模型預測、警示通知,但在個別專案中,仍只能分別進行需求功能開發,無法重複利用既有的程式與模型來加速後續專案的執行。 在深入探討之後,哈瑪星科技發現企業面臨導入AI專案的痛點,包括導入成本高昂、專案時程冗長等,其中,在企業內難以齊備資料科學家、分析師、工程師、設計師等人才,而現階段的專案皆為集中解決特定領域需求,難以重複利用AI模型跨入其他應用領域,同時,因為工具集中在AI專案領域,無法滿足客戶提供整體解決方案。 換言之,在AI技術的落地上,由於AI資服業者往往面臨「人力有限」、「領域限縮」與「工具不足」等困境,致使專案執行成本高昂或時程冗長。這些都是業者們亟需解決的共通性問題。因此,若有一個AI模型應用服務管理平台,將可解決上述困難,不僅能夠快速導入降低成本,還有助於縮短專案時程,提供客戶一站式解決方案。 AI模型應用服務管理平台協助快速完成專案 因此,哈瑪星科技在經濟部工業局AI計畫支持下,進行「AI模型應用服務管理平台AISP研發計畫」,投入研發AISP產品,目的是為了讓AI資服業者能事半功倍地完成AI專案。 AI模型應用服務管理平台提供AI一站式解決方案 透過AISP,AI資服業者可透過既有的模組功能快速組裝數據API介接、模型管理與模型預測結果監控訂閱等需求功能。同時也提供常用的圖形化工具,幫助業者快速設計用戶所需要的互動式圖表或儀表板,有效降低執行專案所需要的人力成本,並縮短解決方案POC或導入時程,加速產業AI落地與擴散。 在產品商模上,短期內將廣邀具備AI專門領域技術的資服業者合作,藉由平台服務解決各類場域需求單位所面臨的AI導入問題,逐步建立平台品牌信賴感。 中期則盼以哈瑪星過往的成功經驗逐步拓展業務市場,聯合多家資服業者建立策略聯盟,針對專門領域可解決更多且廣泛的問題,並提供更多解決方案供場域單位選擇。 平台結合領域專家共同擴展海外市場 長期而言,在建立各項專門領域的AI策略聯盟後,平台將擁有大量針對專門領域的AI解決方案專家,累積大量的專案成功經驗後,哈瑪星科技期望AISP將能與專家業者們攜手合作,共同進軍拓展國際市場。 哈瑪星科技股份有限公司於民國89年延攬多位資深專業經理人及相關領域技術專長人才所組成,致力於軟體技術研發暨服務,並以建構成為國際級軟體公司為目標,積極促成各項跨國產業合作機會。公司在首任總經理的優良領導之下,已快速成長成為臺灣主要軟體公司之一。

2021-11-08
【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
這是一張圖片。 This is a picture.
【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
這是一張圖片。 This is a picture.
【109年 應用案例】 AI助被動元件建構最佳AOI參數模型,降低過篩元件生產成本,年省250萬元

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。

2020-03-20
這是一張圖片。 This is a picture.

總覽

這是一張圖片。 This is a picture.
113年第一梯次人工智慧技術服務機構能量登錄申請機制公告~開始收件!!

數位發展部數位產業署為引導國內數位服務機構技術與應用服務研發方向,並作為驗證實績之憑證,以提升產業的韌性(R)、整合(I)、安全(S)、賦權(E)能力與競爭力,帶動數位經濟相關產業之成長。特規劃建立人工智慧技術服務機構能量分類與登錄機制,期透過具公信力之分類與登錄機制,盤點國內人工智慧AI技術與服務能量,建構國內人工智慧產業地圖,協助資服業者提升產品與服務AI化,以擴大產業服務與規模,加速產業人工智慧應用導入,提升產業價值與競爭力。通過人工智慧AI技術服務機構能量登錄者,可提升AI業者服務公信力,並對接AI HUB平台httpsaihuborgtw,促成供需媒合,協助AI業者擴大服務商機,提升產業競爭力,未來亦可作為政府相關輔導計畫之資格參考準則,主動推薦至AI相關補助計畫、創投平台,協助企業發展。 數位發展部數位產業署113年第一梯次人工智慧技術服務機構能量登錄自即日起接受申請,歡迎踴躍參加。 一、技術範疇定義 本能量登錄中所定義之人工智慧,係指基於機器學習、深度學習、類神經網路等新型態演算建模法,來實現特定領域或者是通用領域的模擬人類認知、機器自主推論或知識工作能力,並以此為核心業務或將之整合至既有產業、軟硬整合或顧問服務方案中。請注意,回歸分析等傳統統計技術不在此能量登錄範疇內。 二、申請資格: 依法在中華民國境內辦理營業登記之軟體、資訊服務等相關機構(含營利機構、非營利機構及學校)。 三、申請時間: 即日起113年7月19日五1800前 四、申請方式: 請於113年7月19日五1800前逕至連結 httpswwwcisatwAIloginindexphp,申請使用者帳號及密碼,並線上申請基本資料及下載相關文件填寫後,依公告截止時間前完成下列一三項電子檔上傳: (一)數位發展部數位產業署113年人工智慧技術服務機構能量登錄申請暨切結書(格式如附件一)。(二)數位發展部數位產業署113年人工智慧技術服務機構能量登錄申請計畫書1份(格式如附件二)。(三)申請計畫書應附附件:1 中央主管機關核發之設立登記證明文件或商業登記證明文件影本。2 最近一期之營利事業所得稅繳款書、資產負債表及綜合損益表;或執行業務所得申報核定通知書影本。3專任人員個人簡歷。4人工智慧產品或專業服務建置實績證明文件影本實績資料有效期間:111-113年。 五、申請說明會: 台北場-6月24日一1400-1600台灣文創訓練中心台北長安館C206室 httpswwwcisanetorgtwCourseDetail5322nbsp台中場-6月26日三1400-1600台灣文創訓練中心台中新創館0304室 httpswwwcisanetorgtwCourseDetail5323nbsp高雄場-6月27日四1400-1600台灣文創訓練中心高雄信義館K135室 httpswwwcisanetorgtwCourseDetail5324nbsp 六、線上諮詢會議: 為協助廠商了解人工智慧能量登錄分類與申請重點,將於7月4日四下午200-600辦理線上諮詢會議OnlineTeams會議活動前兩天發送會議連結,報名連結:httpswwwcisanetorgtwCourseDetail5321,每家10分鐘,採一對一方式,針對您的疑問進行答覆,歡迎踴躍報名參加。 七、洽詢專線: 聯絡人:葉先生電話:02-25533988分機385電子信箱:kevinyehcisanetorgtw

這是一張圖片。 This is a picture.
【113年#09】自動化標註工具開發&邊緣運算資料集建立

產業別 商業服務、醫療、居家、教育、製造、零售 產業痛點 建立高質量的標註資料需要大量的人力投入,包括專業標註員的培訓和管理,這增加了業務成本。 標註大量的資料需要大量的時間,這可能延遲項目的進度和上線時間,影響業務的推進。 手動標註資料存在人為主觀因素,容易產生標註不一致、錯誤或偏差,降低了模型的準確度。 對於部分產業,建立大規模標註資料集的成本過高,難以實現成本效益,導致項目無法實現或推遲。 導入AI效益 降低建立標註資料集的成本,減少了專業標註員的人力需求,並且在長期運行中節省了大量的時間和金錢。 快速地處理大量的資料,從而大幅縮短了建立標註資料集的時間,加快了功能開發的速度,提高了產品上線的效率。 避免人為標註中的主觀偏差和錯誤,從而提高了標註資料的一致性和準確度,提升了模型的性能和可信度。 建立更大規模的標註資料集,進一步提高了模型的訓練效果和一般化能力。 常見AI技術或應用 電腦視覺(Computer Vision):用於圖像和影片數據的處理和分析,包括物體檢測、分割、識別等,用於自動標註圖像和影片資料。 自然語言處理(Natural Language Processing,NLP):用於處理和理解文本數據,包括文字分類、實體識別、關係抽取等,用於自動標註文本數據。 強化學習(Reinforcement Learning):用於訓練模型優化標註策略,使其能夠自動化地標註資料,並不斷學習優化。 主動學習(Active Learning):根據模型的不確定性,有針對性地選擇標註。 nbsp

這是一張圖片。 This is a picture.
113年 「產業AI落地實證與擴散申請作業」入選廠商名單

113年度AI智慧應用服務發展環境推動計畫-「產業AI落地實證與擴散申請作業」,經提案審查決選共識會議決議,核定通過計27家(包括產業AI落地概念驗證18案、AI應用服務化驗證9案),入選廠商名單如下(依入選廠商名稱字首筆劃排序) 產業AI落地概念驗證入選廠商名單 序號 入選廠商名稱 提案計畫名稱 1 久裕企業股份有限公司 智慧排程-運用AI建置最適化裝載排程 2 大數軟體有限公司 基於語音轉文字技術的智慧客服與業務開發系統 3 文境資科股份有限公司 生成式X光影像報告輔助系統場域驗證 4 台灣懷霖工業股份有限公司 鋁擠型工件AI瑕疵辨識系統開發 5 昊慧股份有限公司 人工智慧 6 芳茂企業股份有限公司 OMO與CRM整合之自動化建模與生成式AI精準行銷案 7 科智企業股份有限公司 社區據點AI智慧配餐管理系統 8 晟田科技工業股份有限公司 航空引擎節流板AI瑕疵檢測系統開發 9 唯豐商業有限公司 智能文案生成系統開發計畫 10 康詠衛生資訊有限公司 FHIR異常處方AI模型在結核病之應用 11 笠源科技股份有限公司 業務信件 AI 專家系統 12 喜提達物流股份有限公司 智慧派遣-運用AI最佳化車隊任務分工 13 瑞友資訊股份有限公司 uHealth健康管理平台 14 瑞安國際股份有限公司 POCPoint of Care偏鄉AI智慧照護 15 鼎曜系統整合有限公司 社區食物冰箱-食品利用率管理 AI警示應用 16 綠創科技股份有限公司 Gen AI商務會議全場景創新服務-NPU與AI整合的全方位應用計畫 17 戴華國際有限公司 貿易業SEO競爭排名AI生成模型 18 藍訊科技股份有限公司 觀光工廠AI行銷與服務躍升計劃 AI應用服務化驗證入選廠商名單 序號 入選廠商名稱 提案計畫名稱 1 永億資訊有限公司 安防產業推動AI平台導入計畫 2 城智科技股份有限公司 AI多特徵軌跡追蹤智慧監控導入計畫 3 研勤科技股份有限公司 防禦生成式攻擊之AI人臉辨識系統整合落地計畫 4 紅門互動股份有限公司 AI預測驅動個人化行銷體驗計畫 5 迪威智能股份有限公司 進階AI會議記錄服務商業化計畫 6 奧啓迪科技股份有限公司 生成式AI個管照護虛擬助理服務 7 睿加科技股份有限公司 BrandWatch AI 人工智能 品牌商標 監控系統應用服務化驗證 8 聚典資訊股份有限公司 台灣中大型國際零售場域生成式AI應用擴散計畫 9 赫紀有限公司 AI智慧健康預防計畫

每頁顯示 筆資訊
總筆數:284, 共19頁