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

60歲的黃先生因中風住進醫院，在加護病房躺了兩周之後，突然病情急轉直下，經過搶救之後，才幸運撿回一命。事實上，在AI病危預警技術的輔助下，讓醫院能在病患心臟停止前的6-8小時，發現徵象並採取及時、準確的醫療措施，可大大降低病患院內死亡的機率。 病情的惡化是一個隨時間演進的過程，其細微推移變化絕非無脈絡可循。過往的研究報告顯示，發生非預期性院內心跳停止的住院病人中，約有六至七成在其心臟停止前6到8小時前已有徵象，但是卻僅有四分之一被臨床人員所偵知發覺，因此需要一種能更早期、並持續使用風險預警工具或系統監測病情，隨時警示醫護人員注意患者病情的細微變化，在病情進展前採取及時、準確的干預措施，有效減少不良事件或嚴重不良事件的發生風險。 非預期性病情惡化 無法及早偵測 急重症患者常出現不可預測的變化，及時發現或能預測潛在急重症患者為重要的課題。目前臨床常用的評估方式為Modified Early Warning Score MEWS，利用簡單的生理參數評估 包含心跳、呼吸速率、收縮壓、體溫、排尿量及意識狀態篩選出高危險群病人，已經證實可以預測病人的臨床預後。 MEWS為單一時間點且制式化公式的評分機制，然而，博鑫醫電所研發的 AI病危預警-醫院急重症病危提早預警指標系統EWS，係以即時反應預測病人狀態為目的，收集病患的連續性時間之生理資料進行深度學習，找出最佳預測模型，提高整體準確度。 博鑫醫電以大數據分析模型建置早期警訊系統EWS、IoT物聯網及5G通信技術，讓醫護人員透過通訊設備遠距離監控病患的生理狀況，監控急重症快速的病情變化，能掌握心臟停止前的6-8小時黃金搶救期。 博鑫醫電導入AI視覺判讀之後，無人化操作方式可大大降低醫護人力 博鑫醫電開發之AI技術為梯度提升集成學習系統 Gradient Boosting Ensemble Learning System, GBELS 建置早期預警系統，為該公司開發之具有學習型之EWS預測演算法，屬於集成學習 Ensemble Learning的一環，且歸類於監督式學習，提供以下三項功能： 一、早期警訊風險通知，以將具有代表性的數據，以GBELS進行分析，提供早期風險評分，讓醫護人員可即時進行臨床評估及提供適當醫療處置。 二、降低醫護人力：收集連續性生理監護數據，如心跳、呼吸、血壓及血氧濃度等，降低醫護人員書寫病例時間。 三、結合IOT物流網及5G通信技術，快速傳輸監護參數和影像資料等醫療數據，協助醫護人員透過通訊設備，遠距離監控患者的病情變化。 AI病危系統監測 掌握黃金治療期 博鑫醫電表示，急重症患者評估疾病嚴重程度是一項複雜工作，患者經常出現不可預測的變化。臨床醫護人員對病情判斷經常根據自己臨床經驗或直覺，缺乏科學、客觀，導致無法正確識別、及時發現潛在急重症患者，導致或誤診導致病患院內死亡率增加。 導入AI早期病危預警系統可輔助急重症的醫護人員正確的預判患者病情，更能讓患者即時受到需要的照料，藉此可以減少同時間急重症病房的人力安排並降低人力成本。 此外，易於攜帶的設計更有助於日後將系統導入救護車、居家照護等場所，對於急診患者可以更早得到適當的照料。院內的其他科別也可以在這套系統周邊開發新的應用，可有效加速智慧醫療技術的發展及推廣；以時下新冠疫情仍然肆虐全球多國的情況，此一系統也可以協助各地醫院更有效地照顧及監控重症患者的病情。 除了AI病危預警外，博鑫醫電也研發AI影像判讀-醫療生理監視器生命週期合規檢測AVS，也就是以AI影像判讀技術，發展生命支持類醫療器材之自動化品質檢測儀器，解決醫療儀器檢測耗時問題，可降低70的檢測時間，提高3倍的檢測數量、有效降低50的人力成本，同時100合乎法規要求，逐步解決醫療領域人力不足、醫療資源短缺、醫護工作超載等問題。目前已於中國大陸扎根，積極在歐洲為落地做準備，未來將朝日本及美國市場發展。 博鑫醫電研發AI影像判讀-醫療生理監視器生命週期合規檢測AVS，解決醫療儀器檢測耗時問題，可降低70的檢測時間。 現階段博鑫醫電的智慧醫療技術已導入包括新竹馬偕、彰基、東元綜合醫院、高雄工學大學附設醫院、振新醫院、新泰醫院、台北醫學大學附設醫院等醫療院所；國際知名醫材製造商GE HealthcareInc、中國最大醫材製造商邁瑞醫療，皆為博鑫醫電代表性客戶。

「喜鵲生活的DNA不會只有販賣機，我們相信販賣機結合科技、通路、人文，才能帶來令我們歡欣鼓舞的成果。」這是喜鵲生活官網上的一句話，讓販賣機帶來愉悅的生活，建構貼心、科技、永續的智能機產業未來，也是喜鵲生活創立的初衷。 成立於2018年的喜鵲生活，在成立4個月之後，即推出臺灣第一台自有品牌結合行動支付掃碼感應、藉由螢幕觸碰完成消費體驗、POS系統管理、數據聚集於後台的喜鵲U1智販機，讓消費者能同步世界的新零售腳步，體驗購買便利性、結帳安全性、視覺娛樂性、提升物流補貨效率的全新零售消費體驗。 傳統販賣機缺乏資訊可見度 AI技術協助資訊透明化 此次，喜鵲智能販賣機更搭載AI技術，提供可調整貨架空間、搭配工業電腦與大尺寸觸控顯示螢幕之自動販賣機，達成無店面商店之目的。 喜鵲生活表示，傳統販賣機最大問題即是缺乏資訊可見度。想要檢查庫存，就必須由補貨人員實際檢查每一部機器，這種做法既費時，成本也高。而當機器故障時，一般更是會長時間無法運作。大多數故障均無人通報，直到下次補貨人員抵達補貨才會發現。接著還必須等待維修技師排行程，而一等就可能需要數週的時間。 傳統販賣機缺乏即時互動性，當消費者投幣後遇到狀況時廠商無法當下處理。此外，傳統販賣機更缺乏彈性，無法應消費者偏好變化而調適。 傳統販賣機存在僅限零錢購物、支付工具單一；商品擺放數量有限，選擇性少等缺點。 受到COVID-19疫情影響，消費習慣轉為非接觸式的方式，致使無人化商店市場升溫。一般自動販賣機僅能擺放較單純的商品如飲料、食品等等。可販售的產業有限。而喜鵲開發出的專利販賣機可調整貨架空間，搭配升降貨梯，適用在各種類型的商品。此外，機台搭配工業電腦與大尺寸觸控顯示螢幕，能同時達到廣告託播的需求，預計朝無店面商店的方向邁進。 根據喜鵲生活觀察發現，近兩年來的消費者市場趨勢，消費者訴求便利生活、飲食消費型態重視餐飲體驗簡單快速，並且搭配手機連網訂購模式，而且熱飲及鮮食外送是兩大趨勢重點。而設置地點、販售品項、食用方式及多元付款方式是智能販售機的市場成長重點。 就便利性而言，臺灣消費者購買自動販賣機食品仍以車站、機場、學校、商業區公司附近為最高，多樣的付款方式也更獲得消費者支持，顯示未來自動販賣機可朝品項多元和支付方式多元兩大方向展開。 AI銷售預測技術整合後台管理 達到精準行銷目的 由於商品種類繁多，難以得知商品在不同因素如季節、市場情形、促銷活動等影響下的需求，容易造成缺貨或庫存過剩的狀況，喜鵲生活特別開發「AI銷售預測技術」，整合至後台管理系統，期能透過數據分析鎖定客戶購買偏好及意願，進而達到精準行銷之目的，進而做出精準的商業決策，有效分配有限資源。 導入AI系統可達精準行銷、庫存管理及供應鏈管理三大目標。 此一系統為專為供應鏈管理人員設計的調補貨決策輔助工具，透過 AI 預測未來銷量需求，協助企業有效優化產能、庫存及配貨策略。 其整體系統架構包括： 1資料探索性分析功能：針對資料內缺失值提供自動化補值、自動編碼及自動特徵篩選功能。 2建模功能 ： 1提供迴歸Regression、時間序列Time Series Forecast共兩類預測問題類型之模型訓練功能。nbsp 2支援 Auto ML 自動建模，並由系統推薦提供最佳模型，亦可建立集成模型提升模型準度。nbsp 3支援多種演算法類型：Random Forest, XGBoost, GBM等演算法。nbsp 4支援多種時間序列模型：指數平滑、ARIMA、ARIMAX、間歇性需求、動態複迴歸等模型。nbsp 5支援多種模型評估指標：R, MAE, MSE, RMSE, Deviance, AUC, Lift top 1, Misclassification等指標。nbsp 6支援自動切割訓練資料集及Holdout驗證資料集，並可手動調整比例。nbsp 7支援自動模型集成學習 Stacked Ensemble、平衡函數學習 Balancing Classes、早停法 Early Stopping。nbsp 8支援同時建立多個模型，系統將依照建模需求配置資源，讓建模、預測等任務擁有獨立的運算資源且互不影響，在整體伺服器空間有上限的情況下，運算資源能有效率被利用。nbsp 9具有記憶體運算In-memory computing功能，可藉由大容量及高速的記憶體進行運算，避免大量從硬碟中讀寫檔案，提高運算效能。 3資料串接功能： 運用API嫁接，採用完整的資料串接自動化，不需要手動匯入資料，提高使用者體驗。 4圖表分析功能：針對商品銷量提供視覺畫圖表及基本統計值。 AI數據分析解決方案具備兩大優勢： 1創業機台租售 低成本開設無人實體店與連鎖零售業合作，透過智能機讓創業者以低於店面租金的成本經營零售生意。提供機台買賣及租賃兩種合作模式，依業者評估選擇。 2多型態商品上架 24小時隨時隨地販售商品，可上架達60多種多樣化商品，透明大櫥窗提升商品能見度，定期補貨及追蹤商品販售狀況，依需求調整產品類型。 近來網路與實體界線模糊化，顧客互動方式大幅改變，消費需求多變且個性化，零售業面臨前所未有的挑戰和不確定性，掌握數據成為關鍵。AI 數據分析解決方案能幫助零售業快速活化大量資料，打造無縫的個人化體驗，最佳化營運價值鏈並提升效率，強化企業核心競爭力。