Nilvana全面優化製造業AI導入流程 透過AI精準判斷設備狀態、識別產品瑕疵,已然成為近年智慧製造系統的主流趨勢,不過要順利導入AI,並讓智慧化效益如期如質浮現的難度相當高,Nilvana執行長黃泰淵點出,主因在於AI不僅專業要求高,組建團隊需耗費大量成本才有機會聘請相關人才,此外現有系統的操作介面設計也過於繁瑣複雜,導致企業內部人員難以上手使用,這些困境對台灣的製造業升級帶來嚴苛挑戰,而這也是Nilvana之所以投入此領域的主因,在「2022 Taiwan AI EXPO」中,Nilvana所展示的一系列AI智慧製造解決方案,可協助製造業者在無須編寫程式的前提下,透過友善好用的介面,快速打造智慧製造系統。 Nilva
運用 AI 協助製造業提昇競爭力 透過 AI 優化產線流程,進而提升產能、降低成本,已被視為建構智慧製造系統的必要作為,然而 AI 與製造業分屬兩大專業,如何快速打造可符合不同類型製造場域需求的 AI 架構?現已成為多數業者推動企業升級的難題,Nilvana 執行長黃泰淵認為面對新挑戰,業者要學會善用外部專業力量,迎棧科技旗下品牌 Nilvana 的解決方案,即是為協助專業與資源有限的企業而設計。 黃泰淵進一步指出,目前製造業對 AI 的導入原因包括希望提高產業間競爭力、協助企業數位轉型、降低生產的固定成本、因應新趨勢與未來企業擴張計劃接軌、滿足股東與社會期待。就目前的 AI 能力來看,這些期望雖都有機會被滿足,但他強調在
Django 環境安裝:還記得我們設定的主題內容嗎?讓我們回憶一下~如下圖. 我們已經完成training與tracking的部份, 接下來我們開始準備serving的工作. ※本系列文章為參賽文章,同步刊登於 2021 iThone 鐵人賽 這次的serving任務, 我們先以手工打造的方式做一次, 也就是我們自已準備一個Django環境, 然後將先前訓練好模型複製到Django的專案中, 再由Django web server提供enodpint, 好讓使用者可以存取這個endpoint後得到推論的結果. 這一篇我們要做的事情是準備好Django環境, 以下操作是以Window的WSL環境進行說明, OS
備註:客服人員接獲問題後,將於2個工作天內回覆您的問題。