汽車由成千上萬個零組件組成，是複雜度相當高的工業化產品。然而，由於製作程序複雜，要如何確保安裝流程合乎安全規範，便成為業者必須控管的關鍵。只要透過AI+AR擴增技術，人員就能透過AI提示進行準確組裝SOP驗證，從而 提高產量，降低人為錯誤的風險。

在工廠巡檢的過程中，導入META-aivi，利用AI建立正確的SOP操作步驟，逐一確保車輪是否與枕木放妥、接地線是否接妥以及確認靜電消除器燈號是否正常；並搭配擴增時境顯示現場狀況，於螢幕上顯示AI偵測結果，立即回傳辨識結果至人員眼前，若有異常則立即發出警示，指引人員正確的操作步驟並驗證流程的正確性，確保場域的安全。

大型抽水站是供給工業與民生用水的基礎設施，如何確保人員的操作步驟是否正確以及確保機台設備的狀態、數值，是否在正常範圍內並妥善整合可靠的安防警示系統，使廠區人員能即時得知廠內資訊並且在第一時間了解機台異常狀況以便進行搶修，是公共工程的首要之務。

在製造過程中導入操作簡易的「穿戴式AI」META-aivi，人員可透過AI學習面板上所標示出的正確組件配置圖，立即驗證人員組裝正確性。若偵測到裝配錯誤，META-aivi將立即發出異常警示，提醒人員即時修正，確保物件的品質一致，減少人為疏失。 此外，組裝完成後利用AI做統一流程驗證，即時儲存辨識結果並製成品檢履歷，能有效追蹤料件資訊，建立完整的製程資訊。

由於晶粒邊緣崩裂瑕疵出現的位置及型態不固定，以致傳統光學檢測無法精準地將瑕疵檢出，影響整體產品良率。運用SolVision AI影像技術，將影像樣本中的瑕疵特徵予以標註，完成訓練的AI模型即可自動檢出並標註晶粒邊緣崩裂瑕疵的位置，大幅降低晶片在後續封裝製程中斷裂的風險。

由於晶粒邊緣崩裂瑕疵出現的位置及型態不固定，以致傳統光學檢測無法精準地將瑕疵檢出，影響整體產品良率。運用SolVision AI影像技術，將影像樣本中的瑕疵特徵予以標註，完成訓練的AI模型即可自動檢出並標註晶粒邊緣崩裂瑕疵的位置，大幅降低晶片在後續封裝製程中斷裂的風險。

晶圓切割係半導體及光電業界非常重要的製程，若無法在切割製程中維持高良率、高效率並保有晶片特性，將大幅影響整體產能。晶圓切割刀的品質控管主要透過外觀瑕疵的檢測，常見的外觀瑕疵包括刀體上的不規則紋路、多鑽等情形。由於有環狀條紋，形成複雜影像背景，嚴重影響機器視覺對於瑕疵的偵測。

化學機械平坦化(CMP)是半導體製造中不可或缺的製程之一，然而，研磨液中過大顆粒及微粒凝聚體可能造成晶圓上的微劃痕，是CMP製程中最主要的瑕疵類型。傳統AOI檢測即使耗費大量人力撰寫演算法，仍無法精準偵測整張晶圓影像瑕疵。運用所羅門SolVision解決方案來精準找到研磨瑕疵