企業刊物

  • 1. 老舊設備 – 非侵入式資料擷取以及控制

    數位轉型實踐 – 設備智慧化結合AR創造商機

    台灣防疫固然有成,並且成功的讓產業所受到的衝擊降到最低,但在全球經濟轉變以及工作模式已經帶來全面性的改變:設備智慧化、零接觸經濟、遠距教學等需求逐步提升。因此在這後疫情時代下,從各面向進行數位轉型,並帶動經濟的發展,為產業帶來嶄新的機會!那究竟我們需要怎麼樣來實行呢?我們將會遇到哪些問題?

  • 疫情雖逐步受到控制,但由於機械結構複雜,遠端線上教學未必能清楚描述,一旦失誤,恐導致設備損壞延宕產品生產時程。

    一顆關鍵閘道器 製藥廠掀智造浪潮

    不少企業誤以為,要走向智慧製造,就必須重新建立新廠房、添購新機械設備,才能因應這波轉型。其實,善用工業物聯網技術,進行廠區中各機台的數據蒐集、整合及分析等應用,讓生產效益達到最佳化,正是工廠自動化再升級的新選擇。

  • 所羅門觀點:以終為始,達成目標不是夢

    「以終為始,就是做正確事的習慣,在行動前務必把目標想清楚」、「沒有明天的目標,那今天的行動,多半是重複昨天的事。」以上的文字,是我閱讀商業周刊的文章後,在讀書會上與同仁分享的精華。

  • Solvision檢測LD瑕疵圖例

    如何判斷AI瑕疵檢測對企業與產線帶來的幫助?

    擁有如人類思考的AI技術,在辨識並定位不規則特徵佔有優勢,為滿足檢測需求,市場上已出現許多AI瑕疵檢測系統及服務,然而,套裝軟體在許多功能上依舊存在差異,其中在使用者介面(UI)友善度、訓練樣本數、辨識率、檢測速率的討論度最為廣泛。

  • AOI與AI差異

    AI與AOI差異在哪?優缺點與應用有那些?

    訂單從過往「少樣多量」變成如今「多樣少量」的彈性生產,待測物件尺寸、外型、材質等複雜度隨之提高,甚至出現定義不明的瑕疵,而傳統AOI需先定義瑕疵樣本,並以設定好的參數做為判斷基準,無法靈活快速做出判斷,導致漏檢率大幅增加,在此情況下,AI崛起讓機器視覺開始進化,其「擬人化」技術便成為新解方。