Upload
others
View
8
Download
0
Embed Size (px)
Citation preview
IDB
AI智慧應用服務發展環境
推動計畫_推動說明
IDB
計畫介紹
IDB 前言
根據IDC預測,2022年全球在認知和人工智慧系統支出達到794億美元,亞洲將在2020年成為全球第二大運用區域
市場需求漸增 投資動能強烈根據CB Insights調研數據公布,2019年AI 100企業前十大公司的總融資額已高達
177億美金
創新機會帶動CapGemini的一項研究指出,AI可以為多達80%的企業創造新類型的工作機會
AI市場現況與產業發展契機:
AI將顛覆12大核心產業:醫療、電信、半導體、行政事務、零售和金融等領域
需要完善應用服務發展環境,方能永續群聚共創,深化智慧轉型
IDB 計畫背景
AI技術應用獲突破性進展,全球積極推動AI領域應用創新
政府投入多樣措施,研發技術,培養人才與建立應用典範
極需跨界跨業共創,完善應用發展環境- 供給方,連結先導實證場域,取得資料,驗證解決方案應用效益
- 需求方,了解AI應用價值,評估先導應用,研擬長期AI 應用策略
• 不僅僅是科技發展
• 不僅僅是典範建立
• 需要跨越死亡之谷
• 需要打入主流市場
• 需要加速轉型擴散
• 需要跨界跨業共創
IDB
創新體驗為先、軟硬攜手發展、激發產業最大動能願景
策略
行動計畫
開放 投資鬆綁
生醫產業
綠能科技
亞洲矽谷
智慧機械 國防
產業新農業
…..循環經濟
…..
AI人才衝刺 1 建構國際AI創新樞紐3
AI領航 2 場域與法規開放4
產業AI化
5
政策依據
打造5+2產業創新數位沃土,加速邁向智慧國家行政院推動「臺灣AI行動計畫」、塑造成全球智慧科技創新重要樞紐
2017年7月:召開「智慧系統與晶片產業發展策略會議」,整合跨部會資源研擬行動計畫 2018年1月:第3585次院會,通過「台灣AI行動計畫」
IDB
環境整備化:AI技術導入門檻高,需求端無法有效評估取得所需之AI解決方案,AI技術尚需應用落地商模化。
場域轉型化:領域業者缺乏AI應用實作與管理技能,亦缺乏AI知識與AI可協助應用於場域之理解,場域實證打不開。
軟體高值化:資服業者缺乏找尋合適AI技術之評選機制和成功案例,朝AI產品高值化腳步略緩。
市場國際化:需改變單打獨鬥回應國際市場訂單需求之機制,整合AI技術,快速回應市場需求、佈局國際。
推動策略
• 產業AI化 : 選擇具利基市場之垂直領域 (如高機能紡織、高階運動器材、連鎖零
售服務、醫療服務等),成立輔導團,輔導並匯集場域業者的關鍵議題與需求,
共創AI應用發展藍圖,強化應用投資動能
• AI產業化 :運用AI應用發展藍圖,加速國內學界、法人與既有資服、及臺灣資通
訊產業擁有的雲端運算、巨量資料、人工智慧科技等核心技術,發展出利基領域
AI應用解決方案,加速帶動AI產業化發展
• 健全基礎環境 :結合局內及其他跨部會產、學、研所培養跨域人才團隊和支援體
系,與國際大廠合作提供跨領域資料與演算法應用環境,讓臺灣成為全球AI創新
實踐基地,淬鍊AI解決方案輸出國際
計畫目的
計畫推動策略與目的
IDB
協助供給業者,穩步克服 A I發展挑戰 (三降 )
輔導需求業者,快步探索數位轉型價值 (三提 )
推動願景
推動願景
提營收、提體驗、提競爭力
產業AI化(整基礎、促轉型)
生產流程
裝置加值
服務流程
降門檻、降風險、降成本
AI產業化(引創新、帶商機)
學界研發聯盟
A I新創業者
資訊網通業者
資服業者
AI生態資源中心(建基盤、鏈人才)
匯集與媒合廠商、人才、資料、演算法、專家等資源,並共創AI應用發展藍圖
IDB 跨計畫合作
AI HUB x AI GO x NCHC = 整合台灣AI能量資源!強化AI解決方案能量,建立產業AI應用標竿案例
AI
AIGO SciDM-Data 匯集 TWCC-GPU運算資源
AI 輔導機制AI solution
企業出解題
GPUDATA
AI應用範圍
電腦視覺 自然語言 數據分析 其他應用
產業應用範圍
服務業 製造業 醫療業 農業
AI Solution AI 推手培訓 AI專家鏈結 AI輔導機制 SIG供需媒合
翻轉AI產業新動能
企業出題解題 新創人才培育
NCHC
AIHUB
IDB AI HUB:打造一個AI生態環境
需求端 供給端Interaction
AI HUB Partner
主題情境1 主題情境2 主題情境3 主題情境4 主題情境5 主題情境…
Model Data Env.(GPU/FPGA/…)
Talent
產業SIG 1 產業SIG 2 產業SIG 3 產業SIG 4 產業SIG 5 產業SIG 6 產業SIG ...
透過定義不同層次的Meta Data,打造最關鍵資訊提供/媒合平台
IDB 計畫推動架構
AI產業供需媒合平台Model
Data
Environment(GPU/FPGA/…)
Talent
相關計畫
國際企業
學研機構
公協學會
產業推動落地應用輔導
偕同公協會籌組產業SIG,在地推動相關產業輔導工作,並共創產業AI化發展藍圖
產業AI化輔導機制
評估廠商智慧化層級,推薦產業AI化升級方案,媒合技術供給端與場域需求端
產業實地訪視
透過輔導機制,促成產業AI化提案,由技術與產業專家進行審查,提供補助資源執行實地驗證
產業AI化落地實證
產業SIG M
產業公協會N
產業SIG 7
產業公協會6
產業SIG 4
產業公協會3
產業SIG 1 產業SIG 2
產業公協會1
產業SIG 3
產業公協會2
產業SIG 6
產業公協會5
產業SIG 5
產業公協會4
IDB
產業AI化工作小組(SIG)推動重點
IDB SIG籌組緣起
SIG單位為公會、工會、或協會等依我國法規辦理法人登記或其他經主管機關核准設立之單位,即符合申請資格。期借重申請單位推動產業發展之影響力,協助產業快速進入智慧化升級轉型階段。
推動主題
製程智慧化 裝置智慧化 服務智慧化 軟體智慧化
協助在製造流程中導入AI技術,達到節省人力、降低庫存壓力、快速穩定出貨等效果。例如:品質檢測、自動化排程、預測性維護等。
透過演算法、雲端服務優化各類裝置效能與功能,包括提升運算處理速度、識別能力、自動化功能等。例如:影音偵測、環境感測等各項硬體裝置。
針對服務場域營運需求,透過AI提升服務效能、品質及解決人力短缺之問題,或創造全新服務模式。例如:個人化推薦、內容生成、客服機器人等。
針對既有系統整合業者升級需求,導入機器學習、視覺辨識等AI相關技術,或發展各種領域的新型應用解決方案。例如:ERP、CRM、營運/BI類應用等。
IDB 表面處理產業AI化共通議題與效益
創新特色:加速先進製程技術應用,生產高品質電磁鋼片與傳統鋼板相比,可提升約2%的產品價格。
拉抬升級:建立表面處理製程品質標準量化指標,協助業者通過高價值航太、電動車、扣件與航太熱處理認證。
產業推動: 利用公協會的推動能量,引入關鍵製程的AI應用驗證,並透過SIG 的交流與互動,將300多家會員作為AI應用的擴散目標。
廢水解決生存問題
廢水排放數據監控
鍍液再生/污泥減量
製程廢水回收再利用
電鍍廢水電鍍
1. 2. 3.電鍍產業廢水排放日益嚴重政府廢水法令加嚴
產業推動綠色供應鏈
環保意識逐漸抬頭
機器學習
議題一
預期
效益
膜厚拉動產業升級
瑕疵不良品監控
AOI光學膜厚檢測
生產環境自動控制
膜厚處理表面處理
1. 2. 3.電鍍產業廢水排放日益嚴重表面處理膜厚異變
人工檢測品質不穩
廢材成本逐年攀升
影像辨識
議題二
12
IDB SIG推動規劃
前期 中期 後期
• 聯繫、促成與鼓勵業者報名
• 檢核數位化問卷,確定輔導業者候選名單
• 提報輔導名單
• 協助需求廠商,確認議題AI成熟度
• 需求廠商與能量廠商媒合與溝通
• 提案方向與重點輔導
• 訂定產業藍圖框架
• 凝聚AI應用主題共識
• 完整產業AI應用發展藍圖
• 蒐集產業AI需求
• 盤點中央政策
• 匯集廠商能量
• 凝聚產業AI化共通性議題
產業領域AI應用發展藍圖
業者訪視與輔導輔導名單產出與核備AI SIG籌組
案源挖掘
名單核備
需求蒐集
議題凝聚
媒合溝通
提案撰寫
方案推動
未來發展
輔導前置 廠商輔導 執行推展需求規劃
4月 9月5月 6月
IDB 產業AI化構想
1.產業生存-廢水處理技術2.產品升級-製程智慧檢測
產業效益
109年推動重點
導入作法
產業效益
• 強化產品品質並可瞄準高端市場,升級產業價值。
• 透過表面處理公會可帶動推廣至產業會員AI化擴散約200家。
1. 盤點企業塗裝製程的關鍵要素與AI化條件與構想(膜厚數據→標準參數→最佳塗裝模型)
1. 評估產業在垂直或水平的應用下,AI技術是否需要差異化開發
2. 於示範場域進行AI技術先導驗證,降低管理落差與導入風險
3. 透過公協會協助AI應用在同業水平散佈,並且影響上下游產業的垂直轉型提升。
IDB 推動案例1
烘乾
水冷
烘乾
加熱
塗裝
塗裝
貼皮
剪裁
鋼捲捲取機(成品)
化學藥劑處理
鋼捲鋼材置入
LV3航太、車輛製造產業,針對鍍膜標準更為嚴謹,現行處理方式已無法切入國際供應鏈體系。
提升膜厚偵測精準度,穩定產品品質。需透過非接觸式進行膜厚檢測,降低廢材量。
產業需求AS-IS
導入AI應用
TO-BE
智能影像辨識
深度學習穩定檢測品質與準確性。
非接觸式量測
掃描物品剖面及輪廓數據。
快速3D掃描建模
可快速產品取樣重建待測物表面輪廓。
量測資料數據化
匯出數據及圖檔並將其數據化,提升資料庫完整性。
AI技術導入鋼板膜厚•連續製程塗裝
鍍膜品質•精確的膜厚數據
AOI光學檢測3D輪廓量測儀
預期成效
導入AI相關技術可監控塗裝製程環境、
準確演算產品恆定並降低廢材比例。
協助穩定打入特斯拉電磁鋼片的供應鏈
IDB 推動案例2
• 放流水質調整,避免超標受罰
• 環保法規衝擊產業生存與成本。
• 工業區用水量不足,需增加回
收活化利用率
• 廢水處理設備遇到特殊狀況,
系統可自行判斷調整加藥系
統。
• 增加廠務廢水回收,回收率
可達50%,廢水可再回收活
化再利用。
案例:製程產生廢污問題
缺口:綠色製造產業技術開發
• 製造業廢水性質差異大,污
染物處理方式及程序均不相
同,造成人力及廢水處理藥
劑成本大幅增加,處理效能
也會因為控制不當而降低
IDB 產業AI解決方案推廣擴散
產業
公協會
專家
服務團
AI 技術
團隊
AI 建模帶動產業鏈品質提升 AI智慧化啟動同業擴散效益
上游
金屬材料
中游
表面加工處理
下游
通路應用
塗料、處理藥水、設備、靶材
電鍍、塗裝、化學鍍、洗淨拋光…
航太、汽車零組件及電子零組件
藉由製程數據分析,可促進供應商以先進材料或技術提升品質。
找出最佳塗裝製成模型,提升膜厚製程品質標準。
提高產業發展精密金屬意願,打進高值產業供應鏈市場。
SIG 共識分享 會員擴散
第一層擴散:塗裝、電鍍、化學鍍….
第二層擴散:金屬機械加工、熱處理...