工具機生產線上，組裝的第一步有些微差池，累積公差將造成組裝工作要重來，耗時又費力，導致出貨延遲的情況將衝擊企業聲譽。耐銳利科技公司聚焦智慧製造領域，提供各式AI解決方案，運用機器學習模型傳承老師傅的經驗，在CNC加工機組裝及鑄造過程，利用AI分析產線數據，精準調校各式數據，提升生產精準度 25。 這套AI產線數據分析系統，被耐銳利科技董事長黃常定稱為「師傅40」，就是師傅加上人工智慧的最進化版，用在工具機加工廠，成效斐然。此外，耐銳利科技運用AI瑕疵檢測技術，參加經濟部工業局2021年AI新銳選拔賽活動，協助友達進行面板進階影像瑕疵檢測，正確率達百分之百，引此也榮獲大獎。 協助面板大廠友達解題 瑕疵檢測正確率達百分百 黃常定進一步說明，一般面板在生產時，邊邊角角可能會有缺陷，雖然缺陷肉眼可見，但AOI卻往往難以辨識，導致檢測錯誤率常常超過30，因此，一定要搭配人力進行複檢，才能提高正確率。然而，因應少量多樣的產品需求，在人力不足的情況下，運用AI檢測確實是一個好方法。 成立於2018年的耐銳利科技，在短短三年期間，AI技術就能獲得面板大廠的青睞，實則在CNC工具機領域磨練已久。耐銳利科技總經理唐國維指出，台灣前三大CNC工具機廠希望將AI導入組裝及鑄造兩條產線，其中，在組裝產線上，為保持組裝的準確性，設計組件的每一個零件均會設計公差，在組裝時，每個元件都在公差內，但累績公差最後品檢仍無法通過，必須拆掉重新組裝，不僅耗時耗力，也造成浪費。 「進入產線之後，才知道有些師傅累積很多經驗，很會調校，經過他調校之後，正確率提高不少，速度又快。」反之，新來的工程師沒有經驗，調校時間比較久，也未必能通過品質檢測。 師傅40系統 良率從70大幅提升至95 唐國維接著表示，原本師傅在組裝時所設定的尺寸資料都記錄在紙本上，資料寫完之後就存入倉庫封存，沒有人去研究尺寸之間的關係。耐銳利協助客戶設計師傅40系統，透過人機面板，讓師傅在組裝時直接輸入所測量的尺寸及相關數據。蒐集不同師傅的數據之後，再運用AI演算法分析數據間的關係，做出AI模型，AI模型自動通知作業員要調整到甚麼樣的尺寸，品質檢測就一定會過，如此一來，良率從70大幅提升至95以上。 耐銳利科技公司聚焦於智慧製造領域，提供各式AI解決方案 唐國維補充，組裝一台CNC加工機的主軸要耗費四小時，第一步驟機器量測錯誤，包括震動、溫度，速度等超過範圍，都要拆掉重裝，又花了四小時。拆掉要如何調整，是憑藉師傅的經驗，可能一開始師傅憑經驗做了最好的組法，但錯檢率也達30，組裝又耗了好幾天。透過AI師傅協助，組裝時間只需半天，良率達95以上，省下許多時間及人力。 「運用機器學習的AI模型，綜合所有師傅的經驗蒐集在一起，提供給AI學習。第一步要數位化、第二步則是知識化，這是企業邁入轉型的重要關鍵」，黃常定認為，耐銳利科技是傳統製造業從自動化生產走向邁向數位轉型的重要夥伴。 此外，耐銳利科技另一個聚焦的產業是電梯廠領導品牌的智慧派車系統。所謂派車指的是電梯車廂，即兩部電梯以上就需要群管理。過往派車依據固定法則，如哪一台距離叫車比較近，就自動派那台電梯，一方面沒有考慮到電梯被叫太多次的派車，可能會讓其他人等待更久；另一方面過往的派車模式並無考慮大樓使用特性，造成許多浪費。例如辦公大樓，早上上班、中午休息及下午下班時段各有尖峰時間，透過AI智慧派車可以依據離峰及尖峰時段進行彈性調整，讓派車效率增加、降低等待時間，同時減少電力虛耗。 導入電梯智慧派車 提升運輸效率兼具環保功能 黃常定補充說明，就好比之前的路口紅綠燈號誌，系統已將主幹道、副幹道及小街道的停留及通過秒數寫死，現在則運用智慧紅綠燈，彈性調整等待時間，讓容易壅塞的路段更加順暢。透過AI學習使用情境，在電梯中導入智慧派車系統，會讓輸送效率提升，也更加環保。 除了導入電梯智慧派車外，耐銳利也將AI導入電梯廠的生產出貨智慧排程系統 。電梯廠常常無法準確預估客戶的電梯交期，例如，辦公大樓或賣場等必須完工到一定程度，電梯才能進工地安裝。若受到客戶工期延遲等非預期因素影響，往往造成電梯廠產閒置或是排程不易安排的窘境。 唐國維指出，一般了解客戶端工程進展者可能是業務或工務，但整體而言，出貨正確率大概只有六成左右，也就是說有四成不會如期出貨。因此，若能準確預估出貨時程，就能將產線空出來以因應急單或是其他產品生產需求。AI智慧排程系統將分析過去出貨的資料，氣候、工廠及施工端兩地距離位置、客戶信用等約20-30個參數，放入AI演算法中，可以精準預估到底能不能如期出貨。 黃常定也特別說明，耐銳利科技的機器學習非一般的機器學習，更加入傳統影像處理技術、統計學等各種運算方式，要對領域知識十分熟稔，才能作出好的AI模型，這也是公司競爭力之所在。他強調，一般SaaS平台能處理的資料十分有限，正確率頂多從7成提升至7成5，耐銳利的強項在於AI演算法及機器學習，必須再加上深厚的產業領域知識才能產出好的AI模型。 耐銳利科技從AI專案開始，逐漸深化技術，選擇從困難度高的做起，並累積經驗法則，預計在今2022年開發出SaaS服務，以客戶的需求為出發點，逐步站穩腳跟、成為智慧製造的重要夥伴。 圖左為耐銳利科技總經理唐國維及董事長黃常定右

隨著智慧製造崛起，帶動高風險產業如化工、能源、電業在工安巡檢之需求。以化工產業在管線巡檢為例，高度仰賴人工定期巡檢監控，缺乏專業AI團隊的智慧監控，不僅費時耗力，恐造成員工在各樣工安環境意外風險。鑫蘊林科開發的影像分析AI平台不僅提升員工人身安全，降低危險因素，更讓人力肉眼巡檢管線異常的時間從平均一次100分鐘，大幅降低至3秒鐘的驚人成效。 鑫蘊林科股份有限公司Linker Vision的創辦人兼董事長謝源寶（Paul Shieh）表示「美國整體的科技發展與進步正源自於創業，鑫蘊林科在台創業初衷至今，期待藉由過去自己在美國創業打拼經驗，將美國創業精神和文化引介至台灣正萌芽的創業沃土中且能真正落實茁壯。」美式創業文化鼓勵員工重視ownership價值就是強調員工視自已為公司擁有者一份子，以捨我其誰的工作態度與精神，公司成就即為自己的成就，打破原本雇主與員工關係，而公司對表現傑出員工給予股票作為報酬，一同共享榮耀，建立與員工如partnership般合夥人關係。反觀台灣在創業文化與經營上仍有努力的空間，保有傳統的雇主與員工思維，期待將鑫蘊林科在台灣建立美式創業文化與價值能拋磚引玉以帶動更多國內新創企業跟進，進而升級軟體AI新創業的經營體質，才能破繭而出，走出國際。 面對市場國際業者大多數以開發AI模型及演算法為主軸，相對在投入數據為中心的Data-CentricAI服務的意願則不高，認為如2D 或3D大量資料處理相當費時又耗力。看見AI技術缺口並在微軟鼓勵下，鑫蘊林科多年前決定全力投入於Data-Centric的AI技術布局與深根，並專精在資料處理、過濾及精準度等方面的技術能量，也因此與微軟成為AI技術供應的重要合作夥伴關係。另外，在產業需求缺口，國內大廠，其強項為化工製造，在廠內管線巡檢，仍高度依靠人力進行監控，耗時又耗力。然而，為迎合產業AI化，業主將原本從事Database管控之IT部門改組為AI團隊，但礙於業主缺乏對AI軟體技術、AI模型及相關domain know-how之專業經驗，而造成業主導入AI落地到化工產業的工安監測更是挑戰重重。 全球首創AI自動標註技術 超越人工標記 視覺辨識物件準確率高達95以上 在AI技術能量上，鑫蘊林科推出全球首創的自動標註Auto-labeling與自動機器學習為雙核心創新技術，創造出有效率及穩定的影像分析AI平台，以提供客戶最先進完整的AI解決方案。在自動標註方面，此AI技術可克服深度學習中最困難的挑戰，也就是提供客戶最高品質的訓練資料。以自駕車為例，如何讓一台自駕車能有效辨識另一台車，這正是標註的重要性。過往標註方式，首先需蒐集數百萬輛車輛、道路、號誌、行人的數位圖像，並花費大量人力投入，每次以手動標註一個圖像，耗時耗力，人力成本高效率又低。透過自動標註AI技術，結合自動機器學習來自動標註數位圖像，AI可將人為錯誤標註排除在外，然後將正確的數據丟到車輛的大腦以進行車輛辨識。相較於人工標註準確率只有60，用AI自動標記與辯示物件的準確率可高達95以上，更可降低大於80手動標註的時間，節省掉至少80人力成本。 AI自動標記使用於高空作業的AI行為辨識 在自動機器學習部分，鑫蘊林科建立 AI視覺模型具備持續學習能力以適應資料變化，透過優化整體開發流程，從AI資料攝取及篩選Data Selection、AI標記AI Labeling、模型訓練及驗證、到佈署及監控，讓 AI 電腦視覺能更快速簡易地持續學習。自動機器學習目前可應用於不同的商業案例如 物件辨識與計數、人員進出安全偵測、商品瑕疵檢測、人流辨識、貨架商品端缺等。 看準國內業者如台積電、台塑和鴻海朝向智慧化AI管理並購置大量攝影機以順應工安監控的影像辨識需求，加上客戶既有組織對AI應用的不熟悉所造成的導入門檻以及影像辨識的前期準備如數據篩選、標註等繁複的作業流程，為此，近年鑫蘊林科致力加速AI電腦視覺應用的開發，提供客戶端對端服務，並且可依照客戶需求，彈性部署於雲端、地端、或是雲地的完整自動化AI解決方案服務。謝源寶表示，AI自動化技術流程透過客戶給予領域型的圖片，提供數據篩選Data Selection的AI技術，幫助客戶從大量如1百萬筆數據中自動篩選出精準如1萬筆數據，並藉由自動化標註Auto-Labeling的AI演算法技術取代人力標註有效替客戶省去大量人力成本，達到高效率的資料標註處理。此外，自動化機器學習的AI技術可幫助客戶端在工廠環境變化時仍能客製化AI自動模型訓練或重複訓練，提供更精準的AI模型並允許客戶可自主性操作。透過上述鑫蘊林科所提供自動化AI技術之重點特色與優勢，相信絕對可滿足客戶在自動化端到端AI自主學習平台的需求，同時可為客戶大幅省去AI團隊編制成本。 在技術競爭力方面，除了提供化工產業在智慧工安結合AI影像分析應用外，謝源寶表示，鑫蘊林科更可將自動標註與自動化機器學習的流程應用延伸於不同產業落地服務如自駕車、智慧倉儲自走機器人及未來智慧城市的自駕巴士等多元領域，其領域皆符合移動即服務Mobility as a Service之自動化移動精神，期待透過鑫蘊林科扮演的角色，可承攬不同產業進行圖片標註的流程，加速不同領域發展影像辨識服務的效率。相信透過提供客戶端對端AI解決方案及整套從Data Selection的AI技術、自動化標注Auto-Labeling的AI技術及自動化機器學習的AI技術等自動化AI影像分析的前期作業流程可大大滿足客戶在AI自主學習平台的需求。 影像分析AI平台 刷新從100分鐘降至3秒的智慧工安巡檢新紀錄 看見近年高危險產業如化工業者在工安監督的高度需求，鑫蘊林科推出「影像分析AI平台」Vision AI Platform，運用AI影像辨識技術，主要功能包含即時AI串流偵測、事件通知、定義客戶專屬的AI模型與持續學習等四大功能。在即時AI串流偵測部分，Vision AI系統可透過客戶的廠區攝影機結合AI模組進行即時AI影像事件的串流偵測，可協助客戶管理各種不同作業及廠區環境，並隨時隨地掌握各種工作情況；在事件通知方面，Vision AI平台可提供網頁版或APP方式或LINE即時通訊軟體提供客戶當時事件的影像紀錄，讓團隊不錯過任何事件，保持日常產能並減少意外；在定義客戶專屬的AI模型方面，可提供各樣的基礎AI模型，包含8款偵測場景電子圍籬、個人安全裝備、施工安全設備、施工作業、人員計數、畫面可用性、煙霧偵測、管線鏽蝕毀損、違規堆放供不同產業使用，客戶不需花時間寫程式，即可建立專屬的AI模型；在持續學習部分，Vision AI系統可提供客戶在AI模型的表現和精準度，隨著環境變化具備持續學習能力。 Vision AI具簡易使用者介面，直覺化操作，對於跨領域的產業，此平台具備自動化又彈性的AI能力，客戶不需花時間撰寫程式，即可建立由自主定義的AI模型，且Vision AI賦予AI模型持續學習和精進的能力，讓客戶可省去編制AI團隊的人力成本。此外，平台能大幅降低作業安全管理上所需要的例行巡檢作業之人力配置，提升員工在工作環境安全性，降低各個工作地點現場意外事件危險因素。在平台操作模式上，客戶可透過遠端操作降低人為監控操作風險，確保工作營運正常害生產運轉不停擺，更可以審視高風險作業情境並收集資料，協助作業流程的規劃與修正。此外，Vision AI為確保客戶遵守政府法規，透過平台的事件通知和管理檢測可幫助客戶能隨時掌控不同工作場域所需的設備及安全規範。 影像分析AI平台運用在跨領域的AI影像辨識技術 一般對於化工產業在工安巡檢方面，多數仰賴人員肉眼定期巡檢管線異常狀況，平均每次掃描一區域花上100分鐘，費時又費力，且管線位置難以目視觀測，恐造成員工在各樣工安環境意外風險。為降低化工產業在工安巡檢的痛點，鑫蘊林科協助國內知名化工業者，透過自動化影像分析AI平台，結合自定義虛擬電子圍籬，並運用廠區內相機配置AI管線洩漏模組，透過AI自動巡檢方式可高效降低異常檢測時間低於3秒。此外，佈署在廠內的相機可自動拍攝巡檢排程，達到全時段監控，讓客戶可即時發現且全面掌握管線，把危險降到最低。另外，自動化影像分析AI平台可協助客戶運用於廠區內火災警示，保守估計可提供投資報酬率小於9個月即可回本，平台使用越久，成本效益越高。 打造為Mobility as a Service在各領域的自動學習影像分析AI平台 謝源寶觀察指出，面對台灣整體在軟體公司的創業文化上最大挑戰，正是台灣年輕新創者或員工較不懂創業模式，缺乏視自已為公司擁有者一份子的認知，造成自己前途是模糊或抱持過水體驗的心態而讓自己無法堅持在一個新創企業長久勝任，是非常可惜的事。相信真正創業的精隨，是靠每位員工捲起袖子，埋頭苦幹，才能真正享受創業獲利的豐收果實，否則對於常換跑道的年輕創業者或員工而言，就如滾石不生苔，自己無法在創業路上落地深根，喪失扎實累積自己在經濟獨立能力。 鑫蘊林科在業務推展挑戰上，謝源寶感慨表示，由於台灣市場對AI軟體應用的認知不深，較多仰賴市面上open source的AI視覺分析或機器學習等資源，但實際上這些AI技術資源實可支持客戶AI模型需求的能量卻是有限，而造成AI視覺分析軟體品質在市場上良莠不齊的狀況發生。因此更間接波擊到鑫蘊林科能真正提供客戶專業且數據為中心Data-Centric的AI影像分析服務業者，更削減了公司在customer reference原本經營的價值。在技術研發挑戰上，視覺分析AI平台，不能僅仰賴AI模型專家，必須要集結各領域人才如雲端、機器學習、數據科學、前台後端等專業團隊組合才能讓平台成功運作。謝源寶表示，相信唯有透過視覺分析AI平台的自動學習、自動快速又準確的數據處理能力及提供客戶在雲端、雲端地端Hybrid到純地端完整的AI解決方案服務，才能真正說服客戶，從競爭洪流中脫隱而出。 展望未來，謝源寶期許鑫蘊林科能打造成為Mobility as a Service 在各領域如自駕車、智慧倉儲機器人、智慧城市的無人巴士自動學習的影像分析AI平台。同時，也感謝經濟部工業局支持下，鑫蘊林科能在台灣順利落地，並有機會招募各界人才共創打拼。短期布局，公司將積極與國內業者如鴻海、台積電在自駕車、智慧工安到智慧倉儲機器人等領域進行影像分析AI技術的落地合作。對中長期而言，鑫蘊林科將鎖定美國、歐洲、日本等國家為全球布局市場，並與國際大廠如微軟建立投資合作的夥伴關係，並複製成功經驗推廣至國際。 鑫蘊林科 官方網站nbsp 鑫蘊林科創辦人兼董事長謝源寶

近年來，人工智慧 Artificial Intelligence，簡稱 AI 已逐漸改變各行各業的運作模式，不過，絕大部分的工作仍然是由人類完成，AI 則扮演輔助的角色，因而出現了「AI Copilot」一詞，代表「由 AI 驅動的工具或助理」，旨在協助使用者完成各種任務，提高生產力和效率。 AI Copilot 的概念源自於「副駕駛」這個角色，在飛行中，副駕駛協助主駕駛員完成各項任務，確保飛行安全與效率。其實，工業革命的「機器」就開始有 Copilot 的影子，各種機器在不同領域中扮演「Copilot」的角色，輔助人類完成繁重的體力和重複性工作，大幅提升工廠生產效率，推動經濟快速發展。 隨著運算設備的進步、機器學習、深度學習、影像辨識等技術的突破，AI Copilot 的概念逐漸成形。AI Copilot 的發展標誌著從「機器輔助提升到智慧輔助的轉變」。早期的機器人只能完成預設的重複性工作，而現在的 AI Copilot 則能夠學習和適應新的環境與任務，並在實際應用中不斷優化自身表現。這一轉變不僅改變了人機交互的方式，也為各產業帶來了深遠的影響。 AI Copilot 的應用範圍涵蓋了各個行業，包括：金融、醫療、製造、教育、零售hellip等等，無處不在。 AI Copilot 於零售業的應用：AI 影像辨識結帳 在零售業，AI Copilot 的應用已經開始展現具體成果。 以 Viscovery 的 AI 影像辨識結帳系統為例，這套系統即為 AI Copilot 模式的一種，輔助店員加速結帳，或者輔助消費者簡化自助結帳流程。 nbsp 一般的結帳方式需要店員逐一掃描商品條碼，若是無條碼的商品，如：麵包、餐點，則需店員花時間先用肉眼確認品項，再一個個輸入到 POS 結帳系統中。根據一家連鎖麵包店實測，資深店員從「肉眼辨識」到「輸入一盤 6 顆麵包的商品資訊到結帳系統」的過程，就要 22 秒的時間，新進店員需要的時間可能更多。另外，根據一家日本麵包店業者分享，培訓員工認識、熟悉商品需要 1 至 2 個月的時間。 nbsp 現在有了 AI 影像辨識技術，店員可以把「辨識商品」的步驟交給 AI，由 AI 扮演 Copilot 的角色，1 秒內迅速辨識品項，加快結帳，整體節省 50 的結帳時間，優化顧客購物體驗。而培訓員工辨認麵包的時間成本，也能因此有效縮短。 nbsp 即便是帶有條碼的商品，AI 也可以在一秒內快速辨識多個品項，相比逐個掃條碼的方式，效率更高 nbsp 而有 AI 影像辨識「輔助」的自助結帳系統，則能夠讓消費者在沒有店員幫助的情況下，順利完成購物，省去刷條碼或在螢幕上查找品項的麻煩，提升購物體驗，在缺工、找不到店員的時代，也幫助店家降低營運成本。 nbsp AI 快速辨識多件結帳商品只要一秒鐘 圖片來源：Viscovery 近來，致力研發 AI 影像辨識結帳方案的新創在各國嶄露頭角，目前已知最輕量化的解決方案就在台灣，只要在結帳櫃檯安裝一支 Viscovery 的鏡頭與一台搭載 Viscovery AI 影像辨識軟體的平板，即可與店家既有的 POS 結帳系統串接，馬上啟用。 整合方式多元，有隨插即用的作法，也有與店家 POS 整合的 API 串接方案。 Viscovery AI 影像辨識系統可與店家現有的 POS 系統無痛整合 圖片來源：Viscovery AI 影像辨識結帳的導入實例 目前 Viscovery AI 影像辨識系統已導入台灣連鎖烘焙店、新加坡中式麵店、日本仙台百貨公司商辦超商 micormarket、日本麵包店與蛋糕店hellip等等。超過 700 萬筆交易筆數，都是透過這套 AI 系統完成，辨識超過 4000 萬件商品。這些使用案例展示了 Viscovery AI 影像辨識系統在零售行業的廣泛應用，未來將持續深耕、探索零售及餐飲運用 Vision AI 的各種可能。 nbsp Viscovery AI 影像辨識系統已導入日本、新加坡、台灣，使用於麵包店、蛋糕店、餐廳、便利商店等多個場域 圖片來源：Viscovery