相較於半導(dǎo)體、電子代工大廠，臺灣相對屬於中小規(guī)模的傳產(chǎn)制造、機(jī)械設(shè)備業(yè)，由於早在工業(yè)4.0問世後，疫情推動數(shù)位轉(zhuǎn)型浪潮以來，便已習(xí)慣透過各種視/力覺感測系統(tǒng)搜集累積制程中/後段產(chǎn)生的大數(shù)據(jù)，用來監(jiān)控品質(zhì)、預(yù)測診斷零組件壽命，乃至於售後維運(yùn)服務(wù)所需的生產(chǎn)履歷。

其中隨著2010年制造業(yè)邁向工業(yè)4.0時代，終端客戶對於同步提升產(chǎn)品品質(zhì)和生產(chǎn)良率的要求日益嚴(yán)苛，使得量檢測精度與頻率逐步增加。量檢測流程也從傳統(tǒng)為了確保品質(zhì)，開始上溯到即時品質(zhì)回??；再結(jié)合AIoT技術(shù)即時提供量測數(shù)據(jù)，供制程設(shè)備修改叁數(shù)，以符合最終產(chǎn)品的品質(zhì)規(guī)范，甚至希??能達(dá)到不產(chǎn)出不良品，使得即時量測流程的重要性，幾??已不亞於制程生產(chǎn)設(shè)備！

AI影像辨識更是實(shí)現(xiàn)智慧制造的關(guān)鍵技術(shù)，不僅帶來了巨大的商業(yè)潛力，更為傳統(tǒng)產(chǎn)業(yè)的轉(zhuǎn)型升級提供了強(qiáng)勁動力，克服傳統(tǒng)工廠使用人工目視去判斷制程的瑕疵檢測，往往須耗費(fèi)大量人力與時間，長期反映在墊高整體的生產(chǎn)成本上。且就檢測品質(zhì)而言，容易因?yàn)殚L時間觀看導(dǎo)致視覺疲勞、或是肉眼觀察的細(xì)致度不足，造成誤判的風(fēng)險，難以保持品質(zhì)穩(wěn)定。
...
...