:::

【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】赫銳特科技VCSEL封裝元件瑕疵導入AOI檢測 提升產能效率20
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。

【解決方案】優式AI智能割草機器人 搶攻高爾夫藍海市場
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

【解決方案】搭上綠能商機 華鉬實業打造全釩液流電池儲能系統設備 長效儲能的最佳選擇
搭上綠能商機 華鉬實業打造全釩液流電池儲能系統設備 長效儲能的最佳選擇

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。