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。

綠能是未來趨勢，必帶動未來龐大商機。而風力發電是近年全球矚目綠色能源之一，將成為我國再生能源重要生力軍、幫助台灣發電量於2025年達到20的目標，以提高台灣能源自主性。隨著國內風力發電機風機組數量和電量逐年增長，如何讓儲電設備達到安全、長效性、充放電不易衰減和永續低碳又環保的技術能量顯得格外重要，同時風機設備本身的健康檢測、保養與維修也成為風場業者關注焦點。為滿足風場客戶需要，華鉬實業旗下綠能事業部門推出長效儲能的全釩液流電池電解液及風機AI預測性運維，提供100安全、長效性且可降低客戶初製成本的電力儲能設備，並透過AI預測性運維服務協助客戶降低發電度成本10，節省最多30維護保修成本。 華鉬實業成立於1998年，本業以提煉釩、鉬及稀有金屬元素等製品起家，並運用於高階鋼鐵、專業化工及特用化學品等行業，而釩更如同煉鋼的維他命可加值煉鋼的成效。其中釩、鉬相關製品為公司主力項目之一，公司看見100以釩元素為主的全釩液流電池在長效儲能上未來將是相當被看好的綠能技術主流，並且2010年以前政府已積極請法人如工研院在固態電池和全釩電池進行相關零組件材料投入研究，再加上經濟部期許再生能源在2025年發電量佔比達20目標並達15GW，基於上述考量，華鉬實業決定於2017年全力研究與投入自主開發的全釩液流電池電解液的技術開發，以藉此加速2025年再生能源的達標率。 華鉬公司指出「再生能源的電源較不穩定，而台灣本身缺乏鋰資源，在鋰電池製造上幾乎80-90電池芯必須倚賴國外採購，缺乏100國內自足自給的儲能資源與技術。」同樣地，對於本身沒有天然釩礦資源的台灣是如何克服呢 為此，華鉬實業利用獨創技術，透過石化業如中油煉油廠或台朔石化製程中的廢觸媒，其中有高達10釩離子成分可提煉出高價值的釩礦資源，藉此生產出台灣100自主自製的全釩液流電池電解液且不受資源影響，有效達到資源循環再利用。自2017起華鉬實業已成功打造出全釩液流電解液技術，並順利通過工研院和核研所及多家國際大廠的產品驗證。 台灣在儲電能量目標於2025年要達15GW，其電力分配包含500MW於台電的自動調頻系統、500MW於E-dReg及500MW於既有或新設的太陽能電廠，以太陽能電廠的用電使用為例，主要以下午4點到晚上10點用為民生用電尖峰時段，為此，能源局特別要求台電必須加強儲能設備的升級，也因此帶動市場上對全釩液流電池儲能系統設備的高度需求。另外，台灣在目前總儲備電能的建置與貢獻尚未達到100MW，距離2025年目標15GW儲電量仍差距15倍以上。 運用全釩液流電池 成功打造100安全、低碳環保又長效性儲能系統設備 相較於鋰電池的短效電力儲能，全釩液流電池的最大優勢為全球公認可長效性的儲備電能，可以長時間儲能達12小時，代表若充12小時電力，則可以釋放12小時電力。相較於一般儲能系統的計電方式也就是每日用電度數功率以千瓦為單位 x時間以小時為單位，對全釩液流電池而言，功率和小時數是各別設計，該功率又稱為電堆，是由金屬、高分子模、碳氈和石墨板等四種材料組成，而該用電時間改以電解液的量以立方體為單位來計算，因此當功率電推 x電解液的量我們每日運用全釩液流電池儲能的用電度數。 全釩液流電池儲能系統設備之產品特色方面，包含安全性、長效性、充放電不易衰減和永續低碳環保性等四大特色。全釩液流電池品質是100安全，由於電能是儲存在含釩的電解液中，能避免儲飽電的儲能系統造成任何易燃事故發生。在電池壽命上，相較於鋰電池的電池壽命短暫，全釩液流電池透過價數變化可高達20-25年以上電池壽命。對於儲能的充放電性能，不像鋰電池有一定充放電次數5000-600次，全釩液流電池的充放電次數是沒有限制性的。對於全球高度重視的零碳排放，不同於鋰電池有回收議題，全釩液流電池的電解液可永久使用，該電堆材料成分是環保的且可完全回收，以打造真正永續性又低碳環保的儲能系統。 陸域風機AI預測智慧運維 讓客戶降低發電度成本10 省下維護保修成本高達30 華鉬實業不只透過全釩液流電池儲能系統設備提高再生能源客戶長效儲電效能、協助客戶降低初置成本，更透過離岸與陸域風機AI智慧運維實證計畫在台電的陸域風場的場域實證，積極累積自家在AI預測性運維的技術經驗和能量。在經濟部工業局AI HUB計畫支持下，合作場域將以台電公司路域一期風場為主並提供6個月以上風機的智慧運轉數據進行分析。本次陸域風機的AI預測運維系統，採用機器學習方式，主要技術提供者來自英國British PetroleumBP石油集團的子公司ONYX Insight，該公司透過AI Hub分析軟體技術進行台電面臨的風機痛點分析，包含路域風機的發電量損失和陸域風機的關鍵零組件如齒輪箱、變槳軸承hellip在異常震動三維的振動頻率或異常溫度等狀態下進行損壞預測等報告產出。透過本次落地實證可有效協助台電降低發電度成本10，增加資產價值12，節省最多30維護保修成本。近三年ONYX Insight在全球已成功預測運維2萬台以上離岸或陸域風機，累積極高的AI模型準確率。相信透過與ONYX Insight建立的國際合作夥伴關係，將有效輔導並加速華鉬實業的綠能事業部在邁向成為風機AI預測性運維的獨立科技服務提供者之目標與布局。 與合作夥伴ONYX insight提供客戶AI預測運維系統，包含風機發電量損失與風機關鍵零組件之損壞預測 厚植國內風機運維的基礎 以台灣為基地 拓展到東南亞風場 離岸風機AI預測性運維未來在台灣將超過300億台幣的的市場產值，儲能市場在全球更是有千億美金以上的產值，在未來公司願景，華鉬實業期許能成為釩液流電池電解液及風機AI預測性運維的獨立技術服務提供者。而長期目標，透過累積豐厚技術及實績資本，在世界各地建立釩液流電池電解液之在地供應鏈，就近供應產業需求。

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