擁有台灣實體連鎖藥妝龍頭地位的台灣屈臣氏，近年來持續擴大數位轉型的腳步，自2014年成立屈臣氏網路商店，積極發展電商市場外，更透過結合Insider的AI技術，自營的官網加上藉由大量的門市銷售數據、會員消費行為累積，及AI的個人化推薦、在最佳的時機點投放最佳的接觸訊息給使用者，大幅提升消費者在Online成交與在線下購物的OO全通路消費體驗，大大提升轉換率。 OO線上加線下 提升客戶轉換率，帶動業績成長 屈臣氏集團為全球零售巨擘，過去30年在台灣落地深耕，專精於零售、門市營運SOP流程優化、零售供應鏈等，但對於電子商務平台經營只有數年，在電商領域如何提升轉化率、透過個人化的AI演算法提供客戶最佳化購物體驗並無足夠的人才與技術資源。 相比於在零售業經常被討論的「O2O」（online to offline），屈臣氏奉行的方向則是「OO」，也就是線下加線上。目前在屈臣氏網路商店下單的客戶，約有兩成會選擇到門市現場取貨。這時門市人員的服務如果到位，扮演現場購買的「觸媒」，就有機會利用線上商店導進來的客戶，為實體店創造額外業績。 根據統計，屈臣氏擁有將近600萬會員，在實體門市零售領域交易資料量龐大，但對比擁有120萬以上APP活躍用戶及近300萬App 下載量，會員活化的程度仍嫌不足，若能夠透過AI技術進行數據整合，也就是透過AI提供客戶進行最佳化的商品推薦以提升客戶從Offline 行為轉換至Online消費，或是導引線上客戶前往門市消費，將可提升大大客戶轉換率，帶動業績成長。 首頁個人化推薦模組：為您推薦 屈臣氏原始使用的開發套件為全球系統商SAP的電商解決方案Hybris，對於電子商務比較偏向單純展示、銷售，缺乏足夠技術資源處理提升消費體驗升級的相關解決方案。 Insider是一家行銷科技（martech）公司，在全球25個城市設有據點，並在台灣有專業的顧問團隊，提供顧客在地化的數位解決方案，致力於以技術優化數位行銷成效，幫助品牌推動數位成長。Insider是許多國內及全球企業包含屈臣氏、家樂福、IKEA、Lenovo、愛迪達、信義房屋、新加坡航空等大型企業的合作夥伴，在透過AI技術提升客戶轉換率、回購率、及提升廣告投資報酬率績效卓著。 屈臣氏引進insider AI演算機制主要是為了加強客戶體驗，透過AI的個人化、整合式行銷模組提升顧客戶消費的互動體驗。進而提升電子商務轉換率，以及透過AI的功能找尋對的客戶，增加新的客群、提供顧客更好的購物消費者體驗。 各頁依據客戶行為觸發折扣碼複製功能推薦 Insider 有許多原本已經研發好的技術模組，可以提供各種客戶於應用情境內去使用，搭配客戶在特定情況下所需要提升轉換率，可以提供許多不同功能的模組使用，目前屈臣氏電商網站APP使用insider不同模組，另有部分也會根據屈臣氏的特殊屬性，例如民生回購、導App需求、刮刮樂折扣碼，去設計因應屈臣氏客戶特殊情境的轉換套件或個人化推薦模組。 引進Web APP 個人化推薦、轉化模組套件 有效提升轉換率10 屈臣氏目前已經導入模組中的前四項，預計在2021年完成全部五項模組導入後，預期提升線上線下的互相導購，進而全面提升屈臣氏的整體電商及零售業績。 1 Web Recommendation Conversion Suit 2 App Recommendation Conversion Suit 3 InStory for eCommerce 4 Mobile App Template Store 5 Insider Architect 屈臣氏目前已經導入AT模組，預計2021年底完成 屈臣氏2020年與insider合作以來，引進了Web APP 個人化推薦、轉化模組套件，已有效提升成交轉換率達平均10以上，ROAS 平均10以上。 未來屈臣氏也希望能將POS銷售紀錄導入insider CDP，可以達成更優化的OO互動機制，完成全通路的消費體驗。 透過結合Insider的AI技術，自營的官網加上透過大量的門市銷售數據、會員消費行為累積，以及AI的個人化推薦、在最佳的時機點投放最佳的接觸訊息給使用者，將大幅提升消費者在Online成交與在線下購物或是進入屈臣氏門市創造互動的機會。藉由新技術在電商寡占的領域，為屈臣氏在消費者心中保持美妝保健類別中獨特的領導地位。

隨著水資源枯竭與環保需求，汙水處理廠導入AI技術來協助觀測預警的需求日益增加，中欣行的汙水處理結合大數據與AI技術，打開環保產業另一片天，未來除了提升汙水處理產業的科技動能，更能夠推廣到其他類型產業，促進科技與經濟發展。 創立於民國69年的中欣工程行後更名為中欣行股份有限公司，為國內操作維護專業領域最具規模及技術之大型環保公司。中欣行進行的污水下水道系統操作維護工作實績遍佈全台，包括科學園區、工業區、國際航空站、學校、集合式住宅、國家公園及工廠等。 汙水廠導入AI系統 精準縮減加藥時間與降低水質超標罰款風險 中欣行於位於新竹科學園區汙水處理廠導入「AOMBR碳源與曝氣之智能強化控制系統開發」，能精準預測風量控制與縮減加藥時間，降低動輒上百萬的罰款風險。 中欣行表示，因應先進產業蓬勃發展及放流水標準漸趨嚴格，當設備控制失之毫釐，水質將差之千里。 近年污水處理設施多已加入設備自動控制之功能，現場狀況卻常常與學理略有偏差，導致很多情況下良好的處理技術需因地制宜，時時滾動時時調整，方能達到良好的出流水質控制。「放流水的水質越來越好，操作人員壓力只會越來越大。這是中欣行最大的痛點」，一位內部主管不諱言地說。 定期的水質檢測與設備保養維護，能確保放流水低於法規標準。 也就是說，每天操作人員需掌握設備與水質狀況，若有突發的進流水質異常或設備跳機，問題環環相扣下就會產生污染，所以每天除了做好維護保養與檢測的工作，更需要緊盯儀表板隨時確認系統正常，不僅耗費人力也耗費精神。 中欣行的現場操作人員24小時輪班，時時盯著放流水的質量監測，加上要採檢水質進化驗室檢測分析，一旦汙水處理值未符合要求，就需要受到環保單位與受託單位的行政與契約罰款，也對對於員工心理造成不小的壓力。 中欣行長期以來建立累積的水質資料與員工間傳承的豐富經驗，已能全盤瞭解整個系統的操作特性，也能透過設備或水質資料的關鍵訊號，抓出處理單元的問題。如果能透過AI技術導入，代替人力檢測汙水來源，透過發生預警訊號進行系統性的評估，就能夠大大減輕人員的壓力。 反應時間由8小時縮短至4小時 節省一半時間 於是，中欣行導入「AOMBR碳源與曝氣之智能強化控制系統開發」，運用所累積的汙水數據資料，加上操作人員現場經驗的口述，透過AI技術的輔助與環境工程學理的支持，便能有效控制生物處理單元中重要的關鍵參數：碳源加藥量與曝氣量，透過污水處理的AI化，使污染物去除、微生物生長、設備節能及操作節藥之間取得平衡，獲得合理化的操作控制參數。 水處理碳源及曝氣參數調整步驟從數據蒐集、模型訓練到預測驗證。 長期來看，納入歷史資料的計算後，確認處理系統承受能力的上下限，AI便能在已知的邊界條件範圍中，不僅記錄過去曾經發生水質與設備作動特徵，更能透過模式預測，找出最佳解法，提供藥品使用、能源節用、減少溫室氣體排放及去除污染物的最佳成效。 根據中欣行估算，原本因為人工調整參數易造成誤差，控制反應時間需要耗費8小時，透過AI技術導入，除可降低誤差值，也能將控制反應時間縮短至4小時，節省一半左右時間。進而提升人員周轉率，更有效降低員工操作失誤造成的心理壓力，自然也減少水質超標罰款的風險。 Dashboard數位儀表板示意圖

智慧型手機、遠距工作等宅經濟發威，資通訊產業暢旺，帶動光學產業蓬勃發展。然光學鏡片的瑕疵檢測多以人眼檢測進行，不僅耗時費力，受限於人眼容易疲勞，誤判率也是光學業者揮之不去的痛點。受惠於AI技術的演進，上暘光學導入繞射光學技術拍攝，以系統拍攝後影像為數據來源，導入AI模型訓練，並將攝像系統與影像辨識整合為一產線工作站，大大提升瑕疵辨識率高達90以上。 台灣光學產值佔全球10 精密光學應用範圍日廣 光學產業為消費性電子之主流產品，於2019年即使台灣受中美貿易爭端之影響，光電產值仍達463億美元，佔全球10。其中，在「精密光學」部分，即佔新台幣870億元（約29億美元）產值。有鑑於智慧型手機鏡頭數目的增加，相較其他領域之衰退狀況，精密光學仍保有4的持續成長。 自2000年夏普推出全球首款搭載後置11萬像素鏡頭的拍照手機開始，終端消費者即對智慧型手機攝像性能的要求不斷提高，且隨著網際網路5G高速網路的浪潮來襲，帶動擴增實境AR或虛擬實境VR等應用市場的活絡，其技術的創新與應用更為光學產業增添許多動能，而應用的領域更已從智慧型手機延伸普及至汽車、家庭娛樂等大眾民生市場。 光學鏡頭對於「精密光學」經濟發展密不可分，隨著半導體技術的不斷成熟、網路速度的不斷提高，光學鏡頭的運用不僅僅在智慧型手機、平板電腦、傳統相機、播映投影、民生車載領域，其在高精密製程之工程視覺檢測、安防應用的需求更是不斷高速成長。 光學鏡頭瑕疵檢測多以人工進行。 「光學鏡片」為整體光機系統之必要零組件，其進料後與出貨前的鏡片光潔檢測不僅左右整體產線效能發展，對終端客戶的品質承諾影響更是不容小覷。 長期以來，光學產業多以人眼檢測進行瑕疵檢查，隨著生產量的持續提升，不僅人力成本持續上漲。隨著檢驗人員的年齡增長，視力逐漸衰退，誤判率更是年年增高。且近年人力招募困難，即使有幸招募，該檢驗技術養成不易，且訓練時間冗長，無法及時因應產線人力需求。 導入繞射光學技術及AI訓練模型 提升瑕疵辨識率達90以上 現行市面充斥著大量自動化光學檢測系統，並具有多項針對鏡片瑕疵的實質案例。但經由上暘光學多年來的市場探勘與評估，該系統仍無法解決現行人工檢測之問題，其主要在於光學鏡片外型為曲面且透明，並不容易拍攝到各種瑕疵狀況，且一旦瑕疵周圍有其他雜光之干擾，判斷難度更高。且不同型號的鏡片都需依瑕疵狀況個別透過旋動打光、拍攝手法的調校方可進入到判別階段，人力耗費比例仍高居不下，並不符合效益成本。 藉此，經過經濟部工業局AI計畫執行團隊的媒合，小馬光學協助上暘光電建立有效瑕疵拍攝系統。由小馬光學提供精密繞射光學的指導，基於「光」波動的特性即可以統一鏡頭拍攝方式獲取鏡片瑕疵狀況。 現行市場拍攝系統多採幾何光學方式，幾何光學以直線光行進，對於鍍膜缺失、細微刮痕、液態髒污等瑕疵並不易拍攝。合作方案導入繞射光學技術拍攝，經過全角度的精密成像可達到比一般幾何光學元件更高的對比、更卓越的降噪程度，以獲取必要之瑕疵影像。 光學鏡頭刮傷瑕疵示意圖。 為提升本案更細緻的瑕疵檢測辨識率，上暘光學基於系統拍攝後影像為數據來源，導入AI模型訓練，並將攝像系統與影像辨識整合為一產線工作站，不僅提升瑕疵辨識率達90以上，更有助於後續自動化產線發展。 此合作案的AI模型訓練由奕瑞科技提供，目前大部分廠商導入產線瑕疵檢查AOI的系統，大多採用OCR光學字元辨識，是指對文字資料的圖像檔案進行分析辨識處理，取得文字及版面資訊的過程技術，需要達到百分之百的精確度，沒有任何容錯的空間，導致誤殺的情況時常發生。 加入AI訓練模型之後，光學鏡頭瑕疵辨識率大大提升。 AIAOI解決人力不足及誤判率過高兩大痛點 此次奕瑞科技與小馬光學合作，將奕瑞的AI系統搭載在小馬光學研發的光學檢測儀器，在光學檢測瑕疵上加入AI演算法，根據客戶提供的資料與需求，訓練AI模型辨識對於瑕疵的判定，可大幅提升判別的準確度，提生良率，並增加產線效率。透過上暘光學、小馬光學與奕瑞科技三方合作，將光學產業AOI導入AI，期望能徹底解決產業鏡片瑕疵檢測之痛點。 上暘光學自2019年設立生產線後，即希望導入智慧化生產模式。有鑑於公司營運持續成長，生產量持續提升，透過該成果的導入與拓展，將大幅減緩人力需求，更可因高準確判別率指標降低生產排程影響，進而提高生產效率。 上暘光學表示，由於開發成果落地，將可引領該技術推播至光學產業上下游業者，諸如上游光學鏡片原料供應商直至下游成品應用端，包含沉浸式遊戲設備、相關曲面玻璃產品、民生車載及安防攝像裝置等。