:::

【109年 應用案例】 中小企業AI職能評鑑系統,大幅降低企業職能導入成本!

IBM的超級電腦 Watson,能夠預測員工何時打算離職,且準確度高達 95%,也為 IBM 每年節省了高達 3 億美元用於留住員工。另外透過雲端運算服務和現代化,IBM精簡了30%的人事成本,讓留下來的員工獲得更高的薪水,做著價值更高的工作。

而在台灣,要如何讓「讓留下來的員工獲得更高的薪水,做著價值更高的工作」呢?重點就在於每一個職位的「職能設定」,根據勞動部勞動力發展署所建立的「iCAP職能發展應用平台」所示,每一個職位都有其應具備的主要職責、工作任務、行為指標、工作產出、知識、技能及態度,唯有確立每一個職位的「職能」,企業才能夠根據職能有效應用在員工招募、教育訓練及績效管理上,否則不知道員工應該做什麼宛如瞎子摸象,將讓企業運作潛藏風險。

職能基準範例圖

▲職能基準範例圖

目前在「iCAP職能發展應用平台」中,建立的職能基準共有872種,其中由各部會完成的有553項,當中包括勞動部的253項及教育部的66項,如果企業想要建立屬於自己的「職能基準」,都需要到「iCAP職能發展應用平台」上來搜尋參考資料。假設企業想要招募有關「業務」的人員,但不知道「業務人員」應該做什麼事情,可以先到「iCAP職能發展應用平台」搜尋「業務人員」,如下圖所示。

於「iCAP職能發展應用平台」搜尋「業務」

▲於「iCAP職能發展應用平台」搜尋「業務」

可以看到共有18類業務人員,這時候企業就要根據本身需求,逐一點進去查詢、閱讀並整理成自己想要的「職能基準」;但如果我們改搜尋應該是每一間企業都會有的「總務」,其呈現結果如下圖所示,竟為0項。

於「iCAP職能發展應用平台」搜尋「總務」

▲於「iCAP職能發展應用平台」搜尋「總務」

由上可知,雖由勞動部勞動力發展署所建立的「iCAP職能發展應用平台」可解決部分職務的「職能基準」,但企業內部的分工方式各有不同,可能這個職務在「iCAP職能發展應用平台」上是搜尋不到的;其次,在中小企業中,幾乎存在的都是「多能工」,也就是許多職務的職責是在同一個員工身上,如:在30人以下的小型企業中,通常會計、總務、人事都是同一個人,這時如果要針對這個人建立職能基準,就要分開搜尋「會計」、「總務」及「人事」,然後再將這三種職務的職能基準予以整合,如此往往曠日廢時且成效不彰。

此「中小企業AI職能評鑑系統」希望讓「人能盡其才」,藉由導入AI更精準建立員工的職能基礎標準,並可隨時追蹤其職能表現。

職能模型皆由人工產生及修正曠日費時

國內某螺絲、螺帽、扣件等產品出口商所有的職能模型皆由人工產生及修正,在執行過程中曠日廢時,難以滿足企業因人員變動所需,如:先前喬邁企業有專職的「生管人員」,但在該人員離職後,此項工作需要由其他員工執行,因此其他員工的職能模型需要立即調整;又或者企業為了因應未來發展,須成立開發部門,但先前完全沒有人有相關經驗,不但不知道如何從內部選材,亦不了解在徵才網站上,要如何說明才能找自己真正想要尋找的人才。

除此之外,該公司執行長一直以來深為公司內部的績效管理而苦惱,由於欠缺可精準衡量員工表現的標準及制度,導致每一次的績效考核結果都無法正確反映員工的真實表現,形成考核盲點,也無法把真正需要被獎勵的員工找出來,因此,期望透過AI職能評鑑系統,馬上釐清開發部門所須具備之職能,以及如何進行招募跟績效考核,如此方能有效改善企業內部權責不清、考核不精準之痛,因此其助益實為顯著!

AI職能系統建立 X 深度學習

而此為期四個月的人資領域職能系統計畫,執行方向明確,但因導入解釋現象之模型如:Seq2Seq、Deep Keyphrase Generation、Tf-IDF關鍵字擷取演算法與PangRank的導入都是人資領域的新嘗試,過程中採用開源大數據架構進行自然語言處理,以完成 Word2Vector及index 並inverted index其目的爲關鍵字weight權重與關聯性建立。又因無法像影像資料以連續數字處理,必須由相關連的關鍵字如:技能、知識、職業別等進行特徵值簡化,大略說明基本步驟如下:

1. 建立Propagation 模型乃是採用Google 採用已久 LTR 混合 Pointwise 推薦引擎(2個月)

2. 建立Back Propagation 模型(2個月),調校 loss function之超參數

3. 調校 CF model之超參數

4. 建立人機協同機制取得更多資料餵養Model 5. 反覆以上步驟

而在開發職能模型的過程中,聯和趨動股份有限公司與微光國際資訊有限公司多次討論,認為職能間互有關連,在建立完成知識圖譜後,進一步將職能量表上傳至Neo4j圖形資料庫,在處理複雜的關係資料結構具有極好的效能。而目前已完成500件職能量表上傳至之Neo4j關係分析平台。

使用python進行wor2vector的自然語言分析

▲使用python進行wor2vector的自然語言分析

除了將一個職位用word2vector之後的tensor描述,找出此職位的知識圖譜樣貌,根據此知識圖譜,可以了解在不同職位之間的相關性,以及彼此之間維度的相似度表現。最後,就是用此知識圖譜來建立該公司的「職能模型」,並依照此職能模型進行深度學習的訓練。

AI職能評鑑系統介面

▲AI職能評鑑系統介面

未來,除了為公司建立自己的職能模型,也可開放給終端使用者,個人可藉由分析自己的職能表現,來了解自己轉職的可能性、市場的價值,也能知道應該補強的技能。公司若對應此知識圖譜,將來可開發跨產業產品。

1. 短期:依照政府公布職能量表(iCAP, iPAS),以自然語言與關鍵字模型拆解,配合非監督式學習建立「原生職能基礎單元模型」。

2. 中期:為企業量身訂做專屬的職能模型。依照既有「原生職能基礎單元模型」由專家以監督式學習,訓練個別企業之「分散式衍生職能模型」。

3. 長期:建立「強化學習」模型,導入員工職涯認知與規劃。

職能模型建議,媲美專業人力資源顧問

透過職能知識圖譜的非監督式動態學習,快速建立個別企業的職能模型,企業內部的人力資源人員或外部的專業人資顧問,便可以依據所產生之職能模型,進行人才招募、職能盤點、績效管理及教育訓練等面向的評估跟應用,並會依據公司現有職稱架構下,自動建議其需加強的職能,包括相關的知識、技能及態度等。透過持續性資料的導入跟訓練,系統會學習雇主對於該職業應有之模型的實際看法,並回饋至雲端職能量表中,以遷移學習完成知識圖譜的動態學習,未來其將可媲美專業人資顧問,藉此快速幫助許多跨領域或具多元化技術的企業進行員工職能培訓。

推薦案例

【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
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。

這是一張圖片。 This is a picture.
AI輔助紅十字會 急難救助更智慧

多一點準備 少一點損失 社團法人台灣食物銀行聯合會,每日收集來自全台各地量販店、中盤商、零售商、製造商、甚至善心人士捐贈的愛心物資,也會搶救即將被丟棄的可食用物資,進行妥善調配並配送至需求的愛心戶手上,幫助在地弱勢邊緣戶。 當台灣發生天然災害時,如地震、山崩、土石流、颱風、水災、旱災等,食物銀行的各項物資,也可即刻投入救災。本次場域驗證單位社團法人南投縣紅十字會食物銀行據點之一,以下簡稱南投紅十字會承擔「備災」物資預前準備、「救災」物資分配等工作,協助政府擔負起災變的救助與賑濟的責任。 在臺灣各項天災均具有發生時間長短和空間覆蓋廣闊或狹隘的特性,加上極端氣候常態化,災害規模與數量逐漸增加,也更難預測。而不同災情所需的物資數量和種類皆有不同,且須應對不同災區人民生活、救援需要、交通狀況、地形限制等各項因素,進行多樣化的物資調配,亦面臨諸多挑戰。 卡努颱風重創南投山區交通 法治國小親愛村奧萬大進行物資遞送" src"httpsaihuborgtwimages35f4ec12f8201e1d7cb12e2f22a64c89jpeg" alt"南投縣紅十字會規劃山區路線 埔里法治國小親愛村奧萬大進行物資遞送" aria-label"南投縣紅十字會規劃山區路線 埔里法治國小親愛村奧萬大進行物資遞送" data-image-id"748" 南投縣紅十字會規劃山區路線 埔里法治國小親愛村奧萬大進行物資遞送 災難不斷反覆發生,我們需要時刻做好準備,有效「備災」可減緩災害所造成的衝擊,除了快速應對災區物資需求、賑濟物資,甚至可起到心理支持作用,使災區人民多一層生命財產的保障。 救災資訊缺乏即時性 社團法人台灣食物銀行聯合會為改善偏鄉生活及物資缺乏問題,除了與南投紅十字會合作,並陸續於南投市、埔里、仁愛力行、瑞岩、信義望美、同富、水里、鹿谷及草屯等共9站設立食物銀行據點,每月載運每戶等值新台幣6001000元之物資供應。但在天然災害發生時,仍有許多問題需要克服。 例如當颱風、地震、山崩等天災發生時,救災調度系統的資訊來源依賴於災害發生後的回報,從回報到應變再到執行過程中的時間差,無法及時以災區需求進行「救災」物資調整和分配,資訊缺乏即時性時,就會影響救援效率。 南投紅十字會的「備災」物資如乾糧、水、泡麵等存量、有效期限、發給都是以人力來紀錄,當災害發生時,可能面臨「備災」物資已過期,無法成為「救災」物資。 也有可能前述兩種狀況同時發生 造成花費更多時間把「備災」物資重新調配成可用「救災」物資。另一方面,民眾接到災區缺乏物資的訊息後,熱心捐贈的物資,時常與災區實際需求的物資品項差異甚大,容易造成物資過剩問題。 天災發生前後之物資作業流程 AI預判天災 補強備災物資調度正確性 應用 API 技術介接運算氣候狀態、災況搶救強度,並將南投紅十字會主要工作與搜救之需求地區為優先導入,並搭配南投紅十字會既有豪雨、颱風等模擬救災訓練,建立「天然災害緊急救備物資調度及補充決策系統」以下稱急救備物資系統。 在物資管理上,將物資庫存資料與即時供給的資料輸入急救備物資系統,進行比對分析後,協助南投紅十字會快速辨認物資,如餅乾乾糧、飲品、冷凍食品、衛生紙等,並判斷物資應成為「備災」物資或定期發放的物資。再加上資訊預判,了解偏鄉地區後續可能的災情狀況,進行食物遞送,同時解決前端食物浪費並解決後端實務需求。當天災發生時,可更快速進行應變與決策,完成物資部屬,使物資作業轉換速度增加20。 AI急救備物資系統 幫助物資調配快速應變 透過南投紅十字會的場域驗證將AI系統、物資管理、相關應用推廣至更多不同地區的急救難團體,同時持續改進急救備物資系統中的預警功能,加強預警技術基礎、提高預測精度系統即時性、優化數據收集和分析過程。 同時可與政府機構、氣象部門或其他救援團隊合作,研討整合更多數據源後,建立共享資源和數據的機制,及時共享信息,幫助更多急救難團體提高災難應變的能力,掌握黃金救援時間。

【導入案例】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
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