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

要如何將旗下集團的消費數據整合在一起，產生廣告綜效與提升電商導購訂單轉化率，恐怕是每一位橫跨多產業領域老闆朝思暮想的事情了。沒問題，透過AI就可以逐步幫您辦到 東森得易購為東森國際集團相關企業，其關係企業包含東森國際、東森新聞雲、東森保代、東森自然美、東森全球行銷、東森寵物雲、Her森森、分眾傳媒與香港草莓網、熊媽媽買菜網等公司。在集團關係企業跨產業、跨領域的情況下，加上各單位會員系統獨立運作，消費者數據無法於集團內互通，讓東森集團「將客戶放在上帝的位置」的承諾難以進一步落實。 東森集團旗下公司涵蓋產業範圍廣泛，會員數據庫龐大而分散。 東森集團具備龐大的會員流量，且已應用AI新聞推薦演算法等相關技術於各場域，東森集團各單位的會員系統獨立運作，消費者數據亦無法於集團內互通，缺乏全面性消費行為分析依據，導致無法提升個人化服務與行銷策略的精準性。 東森集團分析現今零售市場所面臨的挑戰與趨勢時表示，因應消費者需求轉變，非傳統型新商業模式紛紛興起，形成零售破碎化現象。各式新興商業模式提供滿足屬於自己的利基市場的服務或商品，消費者將會減少依賴傳統零售模式。 而零售破碎化現象最明顯可在新興國家觀察到，其以跳躍式的方式發展出新興零售，如高成長的快閃拍賣電商品會威脅傳統 B2B2C電子商務平台市場，新興商業模式快速瓜分傳統零售商場，甚而顛覆既有市場遊戲規則，預計未來零售市場將會繼續向細分發展。 新零售產業快速導入AI應用 迎戰高度競爭市場 在虛實融合趨勢下，實體零售業者與線上電商業者之界線日益模糊化，實體零售業設立品牌購物官網、開發品牌 APP、投入電商平台，另一方面電商業者也開始設立線下實體體驗店，擴大與客戶的接觸。為提升營運流程自動化程度以及達成顧客體驗個性化之目標，兩者皆透過線下與線上串接探索消費者數據輪廓，以 AI機器學習、深度學習、電腦視覺、語言處理、移動控制與推動決策技術為基礎，積極導入智慧零售AI應用，形成新零售產業 。 此外， Google Chrome於 109年宣稱 2年內 關閉 3rd party cookie功能， 零售企業 將無法用Cookie追蹤個人化、理解使用者在各個時間、地點、廣告上的使用，導致跨裝置、跨平台追蹤的公司將被迫轉型，也代表 將面臨巨大流量廣告銷售困難。 因此，東森集團決定導入「OneID AI流量變現服務驗證計畫 」，成立東森集團專屬的數據聯盟，運用「 Unified ID」進行跨產業、跨服務的資料交換。將關係企業由以往的蒐集個人化數據，轉為分析整個產業間消費者會有的相同行為特徵，再將其進行分群，以取得相同行為特徵的使用者，並提供其有興趣的內容。並利用第一方數據與 AI技術提升廣告點擊率，提升廣告商業價值以及電商導購訂單轉化率。 此一計畫的AI技術由東森與華碩電腦共同開發，系統架構主要開發項目包含專案規劃、系統架構設計、系統環境建置、演算法開發、演算模型驗證以及系統驗證等，其應用技術涵蓋大數據平行運算框架、自然語言處理、用戶推薦嵌入系統、相似度搜尋、搜尋引擎索引、點擊率預測等技術。此計畫為研發一個全面的數據收集、加工、整合平台「數據中台」，吸收各種數據源的數據，以用戶為基本單位，形成結構化的數據表，並進行用戶標籤的計算，以期精準描述各用戶的特性。而後利用此數據進行 AI精準廣告投放。nbsp 東森數據中台架構圖 東森導入OneID AI流量變現服務 預估成本效益可達2倍 東森表示，本計畫主要核心應用到「用戶行為數據」及「AI技術」兩塊，其中用戶行為數據為東森集團提供；AI技術則由公司團隊與華碩團隊共同開發，涵蓋AD Serve系統、精準受眾估計系統、AI自動優化系統、廣告效果分析系統、用戶畫像系統等。而東森與華碩共同開發與華碩共同開發AI技術，其各客戶數據與流量獨立不互通。 根據估算，此開發計畫總成本效益可達200，預期可明確掌握用戶數位軌跡，行為與輪廓之效益，將可帶來客戶終身價值LTV的大幅成長，有效整合東森線上線下，提升會員服務內涵，並大大增加企業價值。 未來，東森集團將持續拓增國際市場，目前鎖定中國大陸作為主要推廣市場，將整個服務模組，以東森全球的營運模式，拓展到全世界華人市場，並於兼顧GDPA compliance 的條件下，再結合草莓網，將東森新零售服務以大數據及AI的優勢，服務面向全世界。 東森集團將透過草莓網將服務與技術擴增至全球市場。

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。