:::

【109年 應用案例】 台資科翻轉傳統專利分析曠日廢時的致命缺點, 研發「企業專利監控之 AI 數據分析平台」,一鍵搞定!

如何有效率地分析海量增長的專利資訊,挖掘潛在價值?

專利是技術、市場和競爭資訊的寶貴來源。然而,公開的專利文獻總數已高達 1.2 億件,僅去年一年就新增 630 萬件。如何才能讓這些海量專利文獻為己所用?

專利分析為充分挖掘專利資訊的價值,提供了一條不可或缺且切實可行的途徑。通 過專利分析,我們可以瞭解自身與競爭對手各自專利組合所具有的優勢、存在的不足和 蘊含的機會,以及全球專利申請趨勢、技術全景、哪些地方可能存在空白領域等等。

然而專利分析要求透徹理解底層資料,這些資料的用法和用途,以及能夠解決的問 題,如何才能有效率地運用及分析海量資訊,正是最讓人頭痛的問題……

非結構化的資料型態,只能透過人工閱讀整理,十足惱人!

「專利說明書」係融合法律與科技用語的一種具有法律效力的文件,屬於非結構化 之資料形態,過去的各項檢索或分析都是以人工之方式閱讀內文與整理,實乃曠日廢 時,且經常發生追趕不上訴訟時程之情況。在協助企業進行專利佈局時,常面臨無法量 化競爭對手與客戶之訴訟風險程度,也難以量化專利之品質與價值,造成受輔導單位新 聚能科技股份有限公司(以下簡稱「新聚能科技」)之業務範圍無法進一步地擴大,也 無法促進外界對專利加值應用之瞭解程度。

近年來,新聚能科技也開始協助企業中負責創新與研發的人員,提前掌握影響產業 未來發展的重要科技及其專利競爭情報,使得相關人員更從容地進行專利佈局,並提高 專利品質與價值。然而,新聚能科技大部份業務範圍在於代理專利軟體,對於知識產權 運營管理資訊系統 (IPServ) 主要協助企業或個人的智慧財產權做管理,但目前並無提 供企業或個人提供專利監控等數據分析相關的服務。

台資科-股市與專利大數據間的連結

▲台資科-股市與專利大數據間的連結

這些專利軟體包含專利檢索、管理與維護,而專利大數據是否能夠成功輔助企業掌 握市場現況、專利價值、訴訟威脅以及監控競爭對手的不法侵權行為,基本上全是仰賴 於專利數據之取得。由於專利數據之清理非常費時,所以一直是個讓人頭痛不已的問 題,直到台資科研發「企業專利監控之 AI 數據分析平台」,才終於出現曙光……

傳統專利分析曠日廢時,改用「企業專利監控之 AI 數據分析平台」, 一鍵搞定!

本計畫的發想是使用專利申請的案件中之專利編碼與公司產業別等具鑑別力的影響 因子,透過大數據分析,並增加相關新聞以機器學習透過 AI 輔助專家,分析市場現 況、避免訴訟威脅以及監控競爭對手的不法侵權行為。這些最後萃取出來的因子也將影 響個股的表現,對此可以根據不同的企業屬性和發展方向,朝向客製化大數據分析提升 企業的戰略位置。希望透過平台的搜尋可以快速的讓企業於新增產品線時,了解競爭對 手的專利佈局,避免侵權的情況發生;或者廠商要找合作夥伴時可以從有高度研發的公 司來篩選,將此平台作為競合關係的好工具。

投資組合最佳化

▲投資組合最佳化

傳統上專利分析曠日廢時,需透過人工檢索專利、閱讀專利資料,才能產出一份專 利分析報告,藉由本專案的「企業專利監控之數據分析平台」 (以下簡稱「專利監控平 台」),使用者可輸入某年度或自己與競爭對手的公司名稱,經過系統分析後,即可給出 該年度及公司間的技術布局、變化趨勢監控等結果,節省作業時間及人力。例如,若要知 道市場上對於物理、化學、電學的相關技術發展現況,可分析 IPC 專利號碼檢視哪些公 司的持有專利有群聚現象,藉此研判該群聚專利為相關技術或相互依賴的技術,了解公 司之間在專利布局上的相似度、產業趨勢,縮短決策時間,搶先布局或作專利迴避設計。

透過人工智慧改善傳統的人工專利檢索的作業以提高工作效能,「專利監控平台」 的設計係用於幫助專利分析人員更方便了解特定技術領域的專利發展現況,以預測未來 技術研發方向。專利布局是企業針對專利組合,透過整合市場、產業、法律等因素,構 建嚴密的保護網,形成有利的研發方向、降低侵權風險。嚴謹的專利布局可幫助公司在 戰略規劃時避開地雷區,避免不必要的訴訟戰;或是透過搶先申請專利及購買專利,擴 大自身技術的保護範圍。而要達成此目的,關鍵是經由分析大量的專利資料,領先同業 找出趨勢。以本公司開發之產品線人流資訊流天線為例,專利監控平台可針對產品之專 利組合,達到上述目標。

人流資訊流天線產品圖

▲人流資訊流天線產品圖

未來,將針對專利文件內容之標題與摘要進行文字探勘(Text Mining)。前期人工 輔助,後期採機器學習方式建立專利詞庫自動斷詞系統。應用斷詞系統將標題與摘要進 行斷詞,計算字詞頻率(TF)與反轉文件頻率(IDF)。透過統計方法(如相關相數), 擷取專利文件特徵,找出專利之間強關聯性之相關字詞。提升探勘專利之相似度,更進 一步了解專利訴訟之風險。

經由呈現「平台網絡圖」可以讓公司或事務所快速看到,其相關的產業公司佈局在 哪些專利上面。對於專利,各公司可以思索全由自家研發申請或者是從產業龍頭單獨購 買專利授權。對於公司產品,要商品化時可因應時代變遷採取不同的策略,前幾年也許 是敵對的,隨著產品發展的差異而是今日的盟友。

台資科專利指數的獨特性與優勢

▲台資科專利指數的獨特性與優勢

關於「公司交叉比對」,可一次選擇多年,對於和主要公司相似度較高的對比公 司,從年度變化可了解雙方是否發展太過相似的專利,而使二者處於高風險侵權的風暴 範圍之中。當數據庫資料更多時,可以進一步計算專利風險率,讓習慣讀數字或讀表的 使用者從另一角度快速知彼知己。甚至未來增添更多參數後,可以估計侵權金額,但取 得參數內容,還需與專利業者協同合作,一同打造更便利的專利風險監控平台。

專利大數據-預測台灣上市櫃公司獲利能力

▲專利大數據-預測台灣上市櫃公司獲利能力

推薦案例

這是一張圖片。 This is a picture.
CCTV 智能影像搜索系統

查找某特定人物,尋找攜行李箱入廠人物進入高安區。人物及物件顏色特徵確定,人物藍黑色上衣,行李箱顏色黑色,透過CCTV 智能影像搜索系統,做物件與顏色檢索條件設定,可以成功搜尋到三段縮圖有出現關鍵標的影片,可以有效解決作業人員查找物件標的物,透過此系統查詢速度可比人工快6倍。 需求痛點 日月光高雄廠區內密布CCTV能及時監控廠區中的各個角落,但若在事件事故發生時,無法在有限的時間可透過CCTV影像回放被找到,其背後之意涵與其中蘊藏之巨大風險自是不言而喻,而許多平時無人的區域也很容易成為治安上的死角。故如何更智能、更有效的監控占地龐大的廠區是全體半導體企業打造智慧廠區之一大重點。日月光高雄廠占地遼闊,其中有許多重要的場域需要監控人員進出以確保企業機密與員工安全。 1 自動化生產線與自動倉儲:半導體企業之自動化生產線與自動倉儲中常有AGV(Automated Guided Vehicle)無人車高速行駛,若有廠區人員不慎誤入AGV移動區域且無法對該人員發出警告,則當憾事發生將追悔莫及。 2 材料與產品存放區域:半導體相關製程之材料價值不菲,若存放材料或產品之區域遭人入侵則有損失高價材料、產品之風險。 3 高機密管制區:營業秘密關乎半導體相關企業之核心技術競爭力,若有人員侵入高機密管制區則有企業營業秘密外洩之風險,而營業秘密安全防護一直以來都是半導體相關企業最最重視之議題。 4 卸貨碼頭區:日月光L但碼頭區常有卸貨車輛進出,若人員闖入碼頭區則有發生人車擦撞、碰撞意外之風險。甚至堆放在碼頭區待出貨的貨物有失竊以及因人員碰撞後,貨物倒塌造成損毀,因而造成公司具大的信譽、金錢損失。更進一步的造成生產出貨的不便。 異常事件發生時,如何在海量數據中,快速搜尋符合條件的關鍵影像 日月光高雄廠有許多重要的場域都需要架設CCTV為安全把關,但CCTV的數量動輒上千支、上萬支,一旦發生事件要去搜索影像時,都要用人眼一一回放查找、搜索,耗時耗力效益不彰。有鑑於現今電腦視覺的發展,遂利用AI來替代人眼回放查找。 問題情境 物件偵測 物件偵測資料來源分成兩個部份 開源資料集OIDv4、以及日月光高雄廠CCTV影像檔案。針對OIDv4中,取出符合定義的九大類別物件訓練資料,其中有二類物件未能於OIDv4中搜索到可用資料,分別為刀子與汽油桶,其餘七種類別物件皆可從OIDv4中取出可用訓練資料,此訓練資料皆已有標記。而針對高雄廠CCTV影像檔案,從中抽取部分幀(Frame)的影像,並且對欲偵測的物件進行人工標記以做為訓練與測試資料。 九大物件 顏色辨識 顏色辨識資料來源分成兩個部份網路圖像截圖、以及高雄廠CCTV影像檔案。目前並沒有找到針對顏色辨識應用的公開可下載的開源資料集,因此只能從網路蒐集圖像,於網路上搜索符合定義的九大類別物件的圖像,儲存圖像後將物件與背景分割,只保留物件的區塊,最後將圖像依照顏色做類別標記。另外針對高雄廠CCTV影像檔案,則使用物件偵測資料已標記好的bounding box擷取CCTV影像檔案中各個Frame的物件所在區塊之圖像,最後將肉眼可辨其顏色之圖像依照顏色做類別標記。針對每種物件類別皆有其專屬顏色定義,各種物件類別的顏色定義取決於此物件類別於現實生活中常見之顏色。 動態忽略免除混淆訓練 從OIDv4訓練專案的物件偵測雛型模型時,因為此資料集的每張影像中,皆只有針對單一類別做標記,但影像中有可能包含其他欲偵測之類別未被標記,故針對此種情況,訓練時會使用動態忽略之技術使其不會有混淆訓練的情況。接著使用高雄廠取出的訓練資料用來Fine-Tune雛型模型提高物件於特定指定場域下的辨識率。最終選取訓練過程中於測試集計算之損失值最低的模型做為主要物件偵測模型。 動態忽略 AI幫你看 CCTV 智能影像搜索系統主要是做為監控影像的搜尋輔助系統,可以藉由設定搜尋物件條件來加速達到從影片找出目標事件的功能,僅需定義搜尋條件,即可快速產出關鍵物件的縮圖影片並進行回放確認,縮短昔日以人工調閱案件所須時間,查找時間快6倍,前端安全單位運用此平台可強化風險管理第一道防線之自行監督功能以及早採取因應措施。

【導入案例】防患於未然 麗臺科技研發心臟衰竭AI辨識技術可及早發現病徵
防患於未然 麗臺科技研發心臟衰竭AI辨識技術可及早發現病徵

隨著高齡人口增加,伴隨著各種慢性病的發生機率日增,其中,心臟衰竭不僅是隱形殺手,由於心衰疾病的病程非常長,復發機率高,造成醫護人員的負擔加重。然而,利用通過醫療認證之心電心音裝置,搭配心臟衰竭風險AI預測評估及遠距照護系統可輔助診斷幫助醫師做出正確的診斷,以利於後續病患的醫療或轉介。 心臟衰竭病程長 醫療支出是糖尿病5倍 如果你有呼吸易喘,甚至稍微動一下就喘,或是夜晚睡覺的時候,容易從睡夢中驚醒,需要坐起來才會比較舒服,又或是下肢容易有水腫等狀況,甚至合併有焦慮、不安、疲倦、食慾下降hellip等症狀,當心很有可能是心臟衰竭。 根據統計,全球心臟衰竭人口約有6000萬人,每年新增的心臟衰竭人口約500萬人。中國的心血管疾病患者將近29億人口,占城市居民死亡原因第二位;而全中國約有1200萬心臟衰竭病人,佔心臟病死因的59以上。尤其心衰疾病的病程非常長,且復發及再入院率非常高,使得醫療支出的成本是高血壓的2倍、糖尿病的5倍。 根據美國研究統計,心肌梗塞及心臟衰竭病人的30天內死亡率分別為166及111,並且30天內再住院率分別為199及244。心臟衰竭的症狀因為和其他疾病如慢性肺阻塞,氣喘等疾病相似,有185 的誤診率,對於醫療院所而言,是相當棘手的問題。 麗臺科技為顯示卡大廠,2000年起投入醫療及健康照護領域。由於董事長盧崑山曾分別與2011年及2015年兩度心臟病發,因此,麗臺科技專注於健康大數據,自主研發心臟衰竭AI辨識技術,此一AI應用讀取病患的心電圖以及心音圖做出異常檢測以及心臟衰竭的風險預測模型,可及早發現疾病徵兆。 麗臺科技自主研發心臟衰竭AI辨識技術 可預測病史及風險 麗臺自主研發之心臟衰竭AI辨識技術具以下三種判斷功能: 1 心臟衰竭病史之預測 將心電及心音圖資料分類為「具心臟衰竭住院病史」以及「未具心臟衰竭病史」兩類。 2 心臟衰竭風險預測 將心電及心音圖資料給予發生的心臟衰竭風險預測值。 3 心臟衰竭再發生風險預測 針對已有心臟衰竭的患者判讀其心音圖及心音圖,判斷其心衰再發生之風險預測。 麗臺科技表示,心臟衰竭AI辨識技術應用可輔助醫師更有效率且精確的診斷,以利後續病患的醫療或轉介。舉台北榮總研究心臟衰竭的離院病患為例,根據心電心音同軸檢測裝置所計算出的EMAT電機活化期指數與SDI心縮不全指數作為治療指引的病患,會比依據傳統症狀做為治療指引的病患,有更高的存活率,此研究也已刊登於國際心臟權威期刊JACC,獲得國際市場肯定。 系統廠商可將心臟衰竭AI辨識技術作其他加值應用 麗臺科技表示,合作系統廠商可選擇自建心臟衰竭AI風險預測引擎,將自有系統之心電心音圖上傳到麗臺心臟衰竭AI風險預測引擎後,引擎回傳風險預測值,做為系統整合廠商合作廠商的加值應用輸入。 不僅臨床使用 心臟衰竭AI風險預測引擎可延伸居家或工作場與使用 此外,這套系統也可以延伸至其他應用,包括: 一、醫院門診快篩:醫師可使用心電心音記錄器及心臟衰竭AI風險預測模型,在門診、急診進行10秒快速檢測,評估病患心臟病史及心臟衰竭風險。 二、出院風險評估:醫師可使用心電心音記錄器及心臟衰竭AI風險預測模型,評估病患住院期間的心臟衰竭風險,檢測數據可作為出院前的風險評估及預後指標。 三、居家連續照護:病患可使用心電心音記錄器、穿戴心電圖記錄器,透過居家傳輸盒閘道器,在家量測心電心音訊號,並上傳至amor健康雲平台進行心臟衰竭AI風險預測分析。病患可透過APP自主健康管理,檢視歷史生理趨勢;疾病個管師可透過健康管理後台Web管理會員健康。 四、居家康復訓練 病患可配戴健康手環,進行活動、疲勞、循環、睡眠檢測,透過手機APP自主管理健康及觀察心臟衰竭風險,進行運動及康復訓練,幫助身體快速復原。 心臟衰竭AI辨識技術系統可以延伸至員工居家照護等應用。 此外,在工廠或辦公室等場域也可以透過這套系統達到員工健康管理的目標,應用的方向包括: 一、工作場域之作業安全單位:在員工執行工作業務前發給員工穿戴心電圖記錄器。 二、業務執行者生理監測:員工於執行業務或訓練時,配戴穿戴心電圖記錄器之疲勞警示,警示生理狀態是否可繼續執行任務。任務執行段落可使用資料傳輸盒或APP 將生理監測資訊上傳至健康管理平台,並評估作業員工心臟衰竭風險,檢測數據可作為企業資源人力單位做為風險評估及公共安全對應指標。 三、工作場域生理監控中心照護:工作場域的生理監控中心可透過健康雲平台,檢視並記錄員工值情時之歷史生理趨勢。 四、工作場域之護理單位:護理單位在接收生理監控中心指示,可依據值情員工的生理趨勢給予健康管理的建議;護理中心可透過健康管理後台Web管理員工健康。 五、員工可配戴健康手環,進行活動、疲勞、循環、睡眠檢測,透過手機APP自主管理健康及觀察心臟衰竭風險,進行運動及康復訓練,幫助身體快速復原。 工作場域應用心臟衰竭雲端照護及大數據中心示意圖

【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