Insights
產業情報與技術觀點
分享智慧製造、半導體設備整合、EAP / PLC / IPC 資料收集與 MEP 工程實務，協助製造現場掌握可落地的技術脈動。
維護生產品質，該用統計學還是直接用 AI？
當企業開始導入 AI 品質管理時，常會期待 AI 能快速找出生產問題。但在實際製造現場中，CPK、p-value、DOE 實驗設計等統計工具仍然是品質管理的重要基礎。本文從工程現場經驗出發，說明統計學與 AI 在品質控管中的角色差異，並探討如何透過自動化、關鍵數據收集與正確方法，建立真正可落地的智慧品質管理系統。
深度學習視覺檢測於工業品質管理的應用：從傳統自動化檢測設備到 AI 輔助智慧檢測（上）
工業領域早已存在成熟的全自動化影像檢測設備，具備光源控制、尺寸量測、品質統計與資料追溯能力。深度學習視覺檢測的價值並不是取代這些設備，而是補強傳統規則式檢測在複雜外觀、不規則瑕疵與多變產品條件下的限制。本文上篇將從現有工業檢測設備的成熟能力、傳統檢測與深度學習檢測的差異，以及 AI 視覺能提供的新能力談起。
閱讀更多
深度學習視覺檢測於工業品質管理的應用：從傳統自動化檢測設備到 AI 輔助智慧檢測（下）
深度學習視覺檢測於工業品質管理的應用：從傳統自動化檢測設備到 AI 輔助智慧檢測（下）
閱讀更多
EAP、PLC、IPC 在設備資料收集中的角色差異
說明 EAP、PLC、IPC 在設備資料收集與智慧製造中的不同角色，並分析為什麼 EAP 導入不只是軟體開發，更需要結合製程、感測器、設備控制與現場整合能力。
閱讀更多