【智慧製造】實作工業預測性維護 (predictive maintenance):策略篇

近年來,名為工業 4.0 的現象持續在製造業帶動轉變:工廠變得越來越「聰明」。因此,工廠在獲得技術工具的情況下,努力提高生產率、營運效率與安全性。許多工廠都將新舊機器結合在一起,而使工廠更聰明的第一步,就是啟用「預測性維護(PdM)」。 閱讀全文〈【智慧製造】實作工業預測性維護 (predictive maintenance):策略篇〉

工廠製程革新:AutoML Vision 如何優化製造業的目視檢測,改善品管?

我們經常從企業客戶端聽到,他們需要導入像 AI 這樣的新技術來提高生產效率。事實證明,AI 的確能有效幫助製造業客戶實踐自動化的目視品管流程

這些客戶告訴我們,他們希望使用 AI 解決方案來幫助他們提高品質控管和檢查的效率,進而提高整體品質。但是,有許多因素使他們難以防止瑕疵產品的發佈。此外,在製造過程中發現瑕疵的時間越晚,修復或更換所需的成本就越高。目視檢測可以幫助製造業客戶,以較低的成本及早發現瑕疵,並以更創新的方式幫助企業革新其流程。點擊「閱讀全文」以了解更多。

閱讀全文〈工廠製程革新:AutoML Vision 如何優化製造業的目視檢測,改善品管?〉

養成 API-first 的思維,潛在商機大解放!

隨著 API 的廣泛應用,API 管理、企業開放 API 等議題逐漸興盛,甚至不少企業也開始拋出「API 優先」、「透過 API 賺錢」的思維。但 API 優先 (API-first) 的思維到底是什麼呢?台灣的企業又要怎麼透過 API 賺錢?這是否又終將與眾多新興技術一樣淪於口號呢? 閱讀全文〈養成 API-first 的思維,潛在商機大解放!〉

【全球案例】美國癌症協會:深度學習助乳癌影像辨識

為了辨別數位病理影像中的全新規律或特徵,美國癌症協會使用 Google Cloud Platform 的 ML Engine 來提高即時性和準確度。

自 1992 年以來,美國癌症協會進行了第二期癌症預防研究 (CPS-II) 營養研究,該研究針對 188,000 多名美國男女進行了前瞻性研究。CPS-II 為研究人員探索,像是身高、體重、人口統計、個人和家族史、藥物和維生素使用、職業接觸、飲食習慣、飲酒和吸煙以及生育史等因素如何影響癌症病因提供了寶貴的資訊和預測。 閱讀全文〈【全球案例】美國癌症協會:深度學習助乳癌影像辨識〉

解釋結構化資料的模型預測(下)

上一篇文章,我們介紹了 Explainable AI,並使用公開資料集預測「自行車租賃的騎乘時間」。若您尚未閱讀,可以參考這篇部落格文章

延續上篇介紹的內容,您還可以獲得關於部署到 AI 平台的客製化 TensorFlow 模型之解釋。以下我們會介紹如何利用將 AI Explanations 模型部署到 Google Cloud AI 平台,並用 What-If 將模型結果視覺化。
閱讀全文〈解釋結構化資料的模型預測(下)〉