AI 落地解決方案

協助企業快速啟動 AI 專案,共創價值

AI 落地策略

我們協助企業診斷導入 AI 專案所遇到的問題,由資深 AI 顧問工程師深入企業評估,提供 AI 解決方案,助力專案落地與執行。

AI 解決方案

AIF 是台灣AI產業生態系的一員,為連結產業界、學術界與政府單位的重要樞紐,透過資源、人才的媒合與交流,加速企業 AI 發展與創新。

AI 加速平台

根據企業整體戰略,提供 AI 轉型方向建議,共同參與AI轉型策略制定,提供訂製化 AI 人才培訓計劃,協助內部團隊擁有可持續性的專業知識。

AI 轉型與策略

成功案例

知名紡織大廠

瑕疵檢測

挑戰:生產線上每個步驟,幾乎都要以人力進行品質檢測,但是人為檢測的高誤檢率 (False Negative Rate),為複檢人員增加無謂的額外工作量。再者,人工目視檢測的瑕疵漏網率(Leakage rate)通常在 5% 以上,甚至高達 20%,且檢測速度緩慢。
方法與成果:採用深度學習,原有人工瑕疵漏網率 5%,導入人工智慧後降為 0.01%;人員目測速度每天約 30 萬張影像,使用 AI 則可提升至 1,440 萬張,效率提高 48 倍。

知名化工廠

自動流程控制

挑戰:生產過程中,產品的品質、良率與生產速率會受到許多相關參數影響。以往只能倚賴工程師的經驗和試誤調參,為達到設備參數的調控與最佳化,浪費許多時間與資源,甚至造成產值下降與原物料損失。
方法與成果:採用機器學習模擬參數調校,原本製程工程師控制參數的調校,產品良率只有 60%,導入 AI 後,可以在對的時間提示工程師針對某個參數進行調整,良率大幅提升到 98%,改善幅度超過五成。

空氣壓縮機廠商

預測性維護

挑戰:生產設備隨時都有故障的可能,且有些設備的失敗成本很高,在運轉狀態中損壞,導致線上所有原料及半成品的消耗,造成良率降低,同時影響產出率。
方法與成果:藉由蒐集資料及建立深度學習模型,可準確預測一小時後的空氣壓縮機溫度。可以在空氣壓縮機過熱前,提早預知並爭取一個小時的緩衝時間,減少空壓機工作量,防止過熱跳機而影響產線的運作。

染整業者

原料組合最佳化

挑戰:面對訂單客戶要求在特定布料上染出指定的顏色,同時指定固色性及眼色性,目前做法通常以打色模擬軟體,計算第一次的染料配方,再由經驗豐富的老師傅以實驗來反覆修正配方,整個過程平均需要三至七天的打色嘗試,才能符合客戶要求,相當耗時。
方法與成果:基於深度學習的人工智慧技術,建立模型來描述布料、目標顏色以及染料濃度之間的關係,提供準確快速的方法來預測染料配方。以第一次打色而言,傳統的方法成功率約七成,採用專案團隊的方法後,成功率達到九成五。

醫療業

以AI模型自動化估計心臟/胸廓比

挑戰:一般在胸腔X光影像上估計 CTR,臨床上主要是作為判斷心室肥大的依據,然而在醫療現場經常發生的狀況是,醫生以手動的方式估計與測量 CTR 相對耗時耗力,而且每位醫生的衡量標準不同,可能因此導致病狀誤判。
方法與成果:第一階段分類作業 precision 92%(即用 AI 判斷心室肥大的患者,有 92% 的比例真的心室肥大)recall 95%;(真的心室肥大的患者,有95%被AI判斷出有心室肥大),第二階段估計 CTR 誤差 3% 以內的命中率達 99%,目前已開始嘗試導入現有系統作為醫療輔助參考之用。

醫療業

病情惡化預警系統

挑戰:住院病患與醫護人員的人數比過高,無法以人力全面監測每一位住院病患的健康狀況與病情變化。此外,新進醫護人員的經驗不同,導致評估內容也可能產生落差,導致無法在第一時間對高風險患者進行適當的處置。
方法與成果:以 AI 方法建立的模型可提早三小時進行預警且 Recall 為 93%,且比起傳統統計模型與機器學習模型表現都來得佳,以此醫院病患數量做估計,預計每年能嘉惠 900 位患者,讓他們能在早期就受到較好的治療與處置。

連絡我們