紡織產業智慧優化技術

及智慧化經驗分享

資策會 數位轉型研究所
王建敏 資深技術總監

0
 智慧製造的推力(一)
國內紡織業以承接國際品牌商訂單為主，大宗業務為出口成品布至
海外製作成衣或工業產品，長期承受人力短缺及品質、交期等壓力
• 機械人/手臂
• 基層勞工短缺 減省人力 • 軟體機器人
• AGV/自動倉儲

•人才斷層，技術傳承不易 • 營運/生產資訊之依
知識數位化 需求即時蒐集
•新舊機台資料不易整合 • 機台聯網/系統整合

• 瑕疵影響布料連續性，重做成 • AOI自動化檢測
本高
品質控管 • 機台品質預測
• 生產履歷

• 達交率待提昇，海運改空運成 • 智慧化排程/派工
效率提昇 • 階層式戰情室
本大增

11
 智慧製造的推力(二)
COVID-19促使短鏈經濟形生成，強化產業智慧化的壓力
━ 產業變化更快、不確定性更高，要求更快的速度、更大的彈
性、更大配合度

訂單 • 客戶銷售預測/訂單預測
庫存壓力傾向
供應端 • 庫存預測
不確定性高
• 採購預測性規劃
• 更即時的客服
客戶服務
客戶要求提高 • 自動資訊分享
資訊掌握度
要求提高
• 階層式戰情室
22
 智慧製造的拉力
人工智慧(AI)技術的發展提供產業智慧化的拉動力量
━ 結合更廣泛的技術產生新應用或強化原有應用功能

大數據分析 機器學習/
人工智慧
(Big Data) 深度學習

電腦視學 產品自動檢驗
圖像生成 自動客服
語音處理/ 機台故障預診
語音生成 自動駕駛
自然語言 AGV
定位 機器人/手臂
推論引擎 軟體機器人
移動控制 商品推薦
路徑規劃 生產排程
: 庫存/採購預測
: :
:
3
 AI/機器學習成功三要素

Data應包含歷史
經由know-how
資料及現場資料
+ Data建立

Source: https://www.vision.ee.ethz.ch/webvision/files/webvision2017/slides_Chen.pdf
4 4
 智慧製造第一步 – 資料收集
• 將真實的生產活動的資訊粹取、記錄、整理後，經分析、處理，以支援營運決
策或支援實體層的生產活動
━ 使實體世界的真實狀況具有可視性
━ 使虛擬層(資訊系統)可以真實反映實體層之實際狀況
虛擬世界

決策支援/ 分析推論
分析/學習 IT
支援生產活動 應用處理

大數據清理、儲存、 BIG
標籤化 DATA

生產機台/機器 感測器/機台讀 OT
人/AGV/人員… 取/人工輸入

實體世界
5
 智慧製造第一步 – 資料收集
• 資料收集方式：機台聯網、由現有系統轉檔/讀取、資料蒐集器(RFID、Bar
Code..)、人工輸入
━ 收集方式、內容、頻率應考慮成本、即時性要求，並配合應用需求
━ 需人工介入之收集方式，應能結合管理系統或後續流程

資料收集 可見可信 數據分析/機器學習

肇因分析 參數優化 品質預測 智慧排程 需求預測 委外交期預測 流程機器人

整經張力 漿紗
>X 斷紗

高度
關聯

如期達交的
整、漿、併、 織機與布種 由預估訂單 委外廠商 接單、採購、
品質優化排
織機台參數優 品質預測 預測實際交 如期交貨、 行銷軟體機
製程異常 程
化 貨量 交貨量、 器人
因子與瑕
疵關聯分 交貨品質
析 預測
66
 現場可視性 – 全廠目標管理

即時效率

即時狀態
各工段即時效率

開台數量
77
現場可視性 – 設備運轉管理

88
 現場可視性 – 設備運作管理

軸號感測

操作表號

併經軸號感測
織軸規格與
軸號感測

即時狀態

9 9
 數據分析範疇
企業維運 生產製造
規劃和管理所有必要的製造供應資源
確保可為客戶提供價值且符合營運目標
主要為交貨時間安排
物流聯繫、調度負荷等

規劃 採購 製造 交貨 退貨

依據訂單資訊進行生產安排
包含排工、領料、生產、品檢等

選擇產品製造所需的物料/服務供應商
當中包含訂購、進貨、庫存管理等 出貨後的RMA或回收
不符驗收規格等作業處理

10 10
降低人力仰賴：軟體機器人
- 提高即時性
- 提昇客戶服務

11
12
軟體機器人的核心 -- 超自動化技術：
 超自動化 (Hyperautomation) 是什麼？

 超自動化是流程自動化的演進，超越了單一流程的範圍。透過將
AI 工具與 RPA 相互結合，超自動化可以更知能的處理重複性任務
的自動化。

12 12
 軟體機器人 – 電商應用案例
案例企業問題

網路經營跨境電商平台高達15個
需要仰賴大量人力進行訂單整理、
庫存管理、出貨追蹤電商維運作業

軟體機器人
對應解決方案

• Robot自動登入電商平台
盤點客戶訂單與數量與核對庫存
• 庫存數量不足時自動排單生產
• 自動回覆客戶相關留言
並主動通知管理者處理客訴
• 提供產品智慧上下架與庫存更新服務

13
 軟體機器人 – 紡織業供應商管理
案例企業問題
供應商、代工廠繁多，廠裡人員天天打電話追踨供應商，仍難掌握供應商進度
對應解決方案
例行追蹤事項由軟體機器人，利用Line追蹤供應商，讀取資訊，進行檢核，例
外提醒，輸入系統，定期製作報表
效益：讓有經驗的生管人員有時間做更有價值的決策性工作
代織
紗廠
廠

詢價 代染
國際品牌商 貼合
產能協調 廠
廠
下單
下單
貿易商 染料 磨毛
紡織廠 交貨 廠 廠
交貨
進度管控 …. ….
成衣業者 品質管理 廠 廠
14 14
15

實務案例分享
軟體機器人應用案例
• 需逐一登入客戶海外各分店POS資料庫網頁，逐一抄錄各品
項之銷售狀況，耗時且易產生錯誤

• 需經常登入某大型供塵商之採購網頁進行下單，網頁速度慢，
且不能即時確認下單項目內容

• 客戶訂單數量多、規格繁雜，人工接收後再輸入內部系統。
訂貨規格錯誤造成工單錯誤及產線損失

• 需不定時登入客戶指定網站下載客戶訂單及規格貨訊。規格
項目多，需逐一輸入內部系統，且時時比對客戶之設計變更。
規格錯誤將造成打樣錯誤之成本及時間損失

15 15
 敏捷智造應用 – 改善作業效率
企業既有問題

訂單出貨時間長
經常找不到貨或漏發、錯發
料號多、數量多、貨品分散盤點不易
即便連夜加班也盤不完，還容易出錯
AGV
對應解決方案 無人搬運
• 於廠房建置5G高速專網
• 開發AGV車隊協同物流技術
• 具備動態路線排程與模糊避障
• 提供智慧AGV車隊物流調度服務
可自動依據進/出貨清單進行理貨

16 16
面對訂單不確定的衝擊
- 庫存攀升問題
- 生產虛耗問題

17
 企業的原物料需求
企業問題

廠商在原物料下單時，以其營業型態及原物料之特性，使用方法有二：
• 以同期銷售數據為基準，參酌企業營收成長性、行銷活動等進行斟酌下單
• 對特定下單客戶/特定規格/特定類別之產品進行需求預測，參考預測量斟酌採購

考慮之因素

• 下單客戶之行銷能力、折扣活動等多元數據
• 油價、物價、銷售地區景氣等經濟面預估狀
況
• 季節、氣候、節慶、流行趨勢等因子
• 名人帶動、戰爭、疫病等外部或突發因素
• 歷史數據

18 18
 方案總覽
傳統分析預測模型已無法滿足廠商面臨的多變化環境
需透過AI技術，接受多樣態、多變量的資料來源，提高決策精確度並能自我學習
長期趨勢
短期事件因素 供應鏈資訊 AI技術優於傳統作法
GDP、GNP、物價指
天災、人禍、新競 客戶 / 供應商
爭者等等…
數、油價、消費力指
標等等… 等跨廠資訊… • 不需定義關鍵資料，而透過大
AI化 量資料訓練並自我學習提昇。
• 可接納跨廠相關資料，並接受
多資料來源提高精確度。
無法計算多變量的狀況，造成預測失準 • 適用於多類型問題。
傳統預測方法 – 計量經濟 客戶訂單預估 Hybrid Models
(以時間序列作為單一元素分析)：訂單實現率
• ARIMA - 前期的關係 / 移動平均數
以Neural Network +計量統計法
產品銷售量
• Multivariate ARIMA
• 需要人工選取參數，較難系統化運作
• GARCH - 前期報酬率 / 風險 (波動)
• NGARCH (non-linear)
• 只考慮單一變量

例：市場需求變動大，流行趨勢愈來愈多 預期可以協助國內廠商解決
變，故國際大廠的需求預估誤差日益擴大， 1. 提升接單速度與提升承接少量
如品牌廠需求預估誤差可達50%以上，造 多樣接單能力
成ODM廠備料困難，為了達交/業績，備 2. 有效率的物料調度、工期安排
料成本占資本額10%以上 3. 執行零庫存策略
19 19
 原物料需求預測 - 紡織業案例
問題：
• 國際品牌客戶下單時提出之需求預測與實 訂單筆數

際下單量誤差太之狀況
4000
3500
3000
• 近來工期日短，部份原物料必需提前下單 2500
2000

備料 1500
1000

━ 因訂單不如預期，而發生備料太多而
500
0
貿易商 成衣廠 品牌商 其它

增加積存量
━ 若備料不足致延誤交期
• 分析某公司10,269筆訂單資料顯示，前五
大國際客戶物料需求量誤差10%~70%
訂單歷史資料
訂單資料 物料採購資料 供應鏈資料
客戶別 採購品項 委外廠商
金額 採購金額 委外數量
數量 來源 產品類型
產品類型 請購日期 委外廠商交貨期
交貨期 實際交貨量
20
 原物料需求預測 – 電子業案例
問題：
• 電子產品流行趨勢變化快，需求端的預估誤差日益擴大
• 以網通產品為例，需求預估誤差可達60~70%
• 代工廠商只能策略性預先備料，而單一品項(如MLCC)的備料金額常高達億
元
• 電子零組件過季折價大， 使用機器學習
技術判斷是否
庫存品損失大 需要進行備料

• 如何準確對庫存管理預
使用時間序列
估並動態進行校正成為 技術預測應備
料的數量
主要的問題
120 120

100 100

80

應進行備料之
80

60
物料數量預測 60

結果
40
40
20

20
0

0 -20
I II III IV I II III IV I II III IV I I II III IV I II III IV I II III IV I
2013 2014 2015 2016 2013 2014 2015 2016

21
X XF
X XF
21
 原物料需求預測 – 餐飲業案例
問題：
• 食品原材料有保鮮期問題；大宗物資有季節性及產量價格差異大
• 進行包括銷售量、需求/備料、銷量、資源之預測及跨鍊最佳化排程
• 以外部資料（短期、長期、跨鍊等）結合原有的內部資料
• 透過混合模式（結合AI與傳統方法）進行分析預測與優化

22
品質控管面向
- 確保出貨品質
- 降低重工率

23
 敏捷智造應用 – 確保出貨品質
人工抽檢 瑕疵判別
作業緩慢 標準不一
產業痛點
仰賴目檢員長時間待在工站前針對成品/半
成品進行品質檢驗控管。但因人力招募不易、
品管參差不齊，導致整體檢測效率不佳、瑕
疵逃脫流出
智慧化 無法回溯 批退比例

解決方案 AI瑕疵檢測 瑕疵肇因 無法降低

• 採用自動上下料機構設計
• 搭配高速影像擷取裝置
• 結合深度學習進行影像辨識

24 24
 導入案例 – 紡織業AI化AOI方案
• 使用AOI設備進行檢測時，過殺的機率高達
As is
70%，即NG產品中其實有70%的成品是合
格的。
• 驗布員培訓不易，驗布員需要良好的視力，
合格的驗布員每半年必須定期評核。
人工驗布
SMT 攝影機*3 製程的種類多變和疵點多樣
製程 (反射光) 全圖影像8K*500
Rule- 性，傳統機器視覺技術很難解決
影像
based瑕 SMT的自動化檢測
前處理
疵辨識
To be 攝影機*3
(穿透光) 標記不同產品SMT瑕疵的時間太長
過篩比例過高，無法少人力

透過AI影像辨識，創造更高價值(一台國
被檢出的瑕疵影像

AI-based AI-based
產AOI機台約300萬) 瑕疵辨識 模型訓練
應用於定型機、
裝置搭載AI演算法，二次篩選疑似有瑕疵影像 目檢員 針織機
瑕疵標記 Ima
提供自我學習工具，供企業自行定義新型瑕疵 與存檔 ge
誤判影像
25 25
 導入案例 – AI織機匹配與排程系統
As is 生管人員面臨少量多樣訂單，持續增加的新布種，且織機規格也多，新舊織機性能
也有差異，在織造段的的機台匹配及排程常造成生管流程瓶頸。

本計畫以訂單交期、布種規格、織機規格與特性，應用AI技術，協助生管人員規劃
To be 織機排程，以提高達交率，減少瑕疵。預期提高生產效率5%，縮短織布段工期1
小時。

訂單布種

機台狀態
AI織
織機規格 機匹
配排
生產品質 程
ERP 生產效率
布號 116-AC 041-CI 037-AP 046-AE 050-AB 046-AE
交期 4/20 4/20 4/21 4/25 4/25 4/30
預期提高生產 上機日 4/15 4/15 4/16 4/20 4/20 4/24

效率5% 0206 1.2 幅寬不足 框數不足 機型不符 維修中 織造中

0305 織造中 1.5 1.4 1.9 機型不符 織造中
縮短織布段工
0308 機型不符 1.8 1.2 1.6 噴數不足 機型不符
期1小時 0417 維修中 1.9 1.9 1.4 噴數不足 維修中

26 26
 敏捷智造應用 – 產線製程改善

產業痛點
從化驗室到現場染色配方調整完全仰賴經驗
一次對色率過低，影響後續排程準確度整體
生產作業管制及客戶核色時間。

智慧化
解決方案 AI對色平台
• 擷取分光儀對色 L/A/B值
• 導入人工智慧學習系統
• 透過 AI 技術提供準確的打色配方
• 有效提高頭缸復色一次對色成功率。

27 27
 製程參數與成本因素
 升溫速度慢、持溫時間長，
溫 效果較好，成品良率較高
度 如何找到總成本最低
A 持溫 60分鐘
 過程較長，效率較低
且符合品質要求，又
製
14
B工站
能滿足交期製程參數 ?
0
升溫速率
程
3
0 2℃/分 A工站 C工站

時間 (分)
總成本

 升溫速度快、持溫時間長， 品 最佳製程 生
效果低，成品良率較低 質 總成本 產
溫 成 品質 生產 成
 過程程較短，效率較高
B
度 本
本 成本 成本
持溫 45分鐘
製
14
0 B
升溫速率
程 良率
3
3℃/分 A 85% 90% 95% 97% 98%
0 C

時間 (分)

28 28
 機台聯網 - 智慧報工與追蹤管理
跨工段資訊整合，可與ERP、MES…等結合，對瑕疵成本，追蹤特定機台、原料
批號、工作人員之易肇成因

梭織布生產履歷
5/11 5/12 5/13 5/14 5/15 5/16 5/17 5/18 5/19 5/20 5/21

#112 #97

# 15 # 84 # 210 # 210-1
# 23 # 55

#37

#112上軸 #112下軸 #97, # 98, # 99

#112上軸 #112下軸 #97上軸 #97下軸 #210下軸 #210上軸
#103, # 104, # 105 上軸 #210下軸

整經段 漿紗段 併經段 織造段

29 29 29
 智慧履歷與回饋管理

蔡朝彬

蔡朝彬

蔡朝彬

賴裕明

蔡朝彬

蔡朝彬

蔡朝彬

蔡朝彬

李為鐘

李為鐘

3030
 生產排程面向

- 關於產品在各工段的生產順序
- 確保交期先到的產品應先生產
- 生產資源的有效運用
效益：提高達交率、降低生產週期、降低在製庫存
31
 AI織機匹配與單一工站排程
。生管依需求：指定機台、急單
。電腦重排：依據 生管指示、交期、原料狀 彙整可用機台資訊，包括：區域、機台
號、可用起始時間、了機布號、機型
況、機台規格、調機時間、個別機台對類似
布的品質表現、機台狀況(了機時間、維修需
求) 2
A
5
A
7
A
8
B
9
B
10
B
11
C
12
C
14
C
17
C
20
D
21
D
23
D
織機號 0407 0707 0805 0615 0610 0515 0903 1003 1005 1205 1214 0916 1111
待上 待上 (2) 待上 待上 (4) (3) (2) (1) 待上 待上 (2) 待上
前批布號 11402 4919 4893 4319 4319 4475 11402 11402 11402 1473 4960 11402 4254

交期 盤頭布號 210雙噴 230單噴 230雙噴 230單噴 230單噴 230雙噴 210參噴 210參噴 210參噴 210桃盤 190單噴 210參噴 210單噴

顯示織機需求資 1 2018/05/30
2 2018/05/30
超細
家飾
04798
04204
210單噴
210雙噴
0.35
0.1
0.38
x
0.23
0.02
0.18
x
0.17
x
0.29
0.1
0.15
0
0.17
0.13
0.16
0
x
x
x
x
0.08
0.01
0.37
x

訊，包括：交 3
4
1990/01/1
1990/01/1
尼龍
尼龍
04692
04692
190單噴
190桃盤
0.29
x
0.38
x
0.19
x
0.18
x
0.18
x
0.67
x
0.15
x
0.17
x
0.17
x
x
0.53
0.77
x
0.09
x
0.14
x

期、布種、布
5 2017/05/30 超細 02114Z 210雙噴 0 x 0 x x 0.41 0 0 0 x x 0 x
6 2018/05/20 萊卡 04319Z 230單噴 x 0 0 0 0 0 x x x x x x x
7 2018/05/30 家飾 01714 210單噴 0 0.06 0.07 0.12 0.16 0.02 0.01 0.01 0.01 x x 1.23 0.02

號、所需機型 10 2018/05/30
11 2018/05/31
萊卡
家飾
04319Z
10378X
230單噴
210單噴
x
0.13
0
0.18
0
0.02
0
0.02
0
0.02
0
0.45
x
0.18
x
0.22
x
0.22
x
x
x
x
x
0.11
x
0.08
12 2018/06/5 超細 04128A 190桃盤 x x x x x x x x x x x x
13 2018/06/5 萊卡 04319Z 230單噴 x 0 0 0 0 0 x x x x x x x
14 2018/06/7 褲料 06302R 210單噴 0.1 0.01 0.01 0 0 0.17 0 0.09 0.09 x x 0 0
18 2018/06/10
19 2018/06/10
超細
家飾
04495
03653Y
190單噴
210單噴
0.29 0.38 0.19 0.2 c0.2 0.5 0.17 0.17 0.13 x
x
0
x
0.09 0.62

20 2018/06/10 家飾 04254Z 210單噴 0.06 0.1 0.19 0.08 0.08 0.04 0.11 0.12 0.11 x x 0.04 0.02
21 2018/06/10 家飾 04260 210單噴 0 0 0.25 0 0 0 0.1 0.1 0.1 x x 0.04 0.06
22 2018/06/10 家飾 04384 210單噴 0.14 0.02 0.05 0.72 0.72 0.02 0.05 0.05 0.05 x x 0.24 0
23 2018/06/10 家飾 04735 210雙噴 0.3 x 0.04 x x 0.05 0.25 0.25 0.25 x x 0.07 x

人機協同
24 2018/06/10 家飾 10604Y 210雙噴 0 x 0.12 x x 0.2 0.01 0 0 x x 0.21 x
25 2018/06/10 萊卡 04475Z 230雙噴 x x 0 x x 0.08 x x x x x x x
26 2018/06/15 家飾 01714 190單噴 0 0.06 0.07 0.12 0.12 0.02 0.01 0.01 0.01 x 0.04 2.22 0.02
27 2018/06/15 家飾 10597Z 210雙噴 0.42 x 0.11 x x 0.21 0.34 0 0.34 x x 0.58 x
28 2018/06/15 超細 11402 210雙噴 x x x x x x
29 2018/06/20 家飾 02214 230單噴 x 0 0 0 0 0 x x x x x x x
30 2018/06/20 萊卡 04355 230雙噴 x x 0 x x 0 x x x x x x x
31 2018/06/30 超細 04035 190單噴 0.19 0.34 0.33 0.04 0.04 0.08 0.21 0 0.21 x 0 0 0
32 2018/06/30 褲料 06587T 190桃盤 x x x x x x x x x 0 x x x
33 2018/06/30 家飾 04022 210單噴 0.02 0.13 0.16 0.08 0.08 0.06 0.21 0.21 0.21 x x 0.15 0
34 2018/06/30 家飾 04023 210單噴 0 0 0.19 0.15 0 0.19 0.07 0.07 0.07 x x 0 0.07
35 2018/06/30 超細 04035 210單噴 0.19 0.34 0.33 0.04 0.04 0.18 0.21 0 0.21 x x 0 0
36 2018/06/30 家飾 04254 210單噴 0.03 0.1 0.19 0.08 0.08 0.04 0.11 0.11 0.12 x x 0 0
37 2018/06/30 褲料 08050 210單噴 0.09 0 0 0 0 0 0.19 0.13 0.19 x x 0 0

以顏色標示好壞(目視管理)
3232
 一貫廠 - 全產線排程
。依據各工單量、在各工段之標準工時、調機時間、適用機台(型號)限制、依
交期先後排程
。另依據原料到貨時間、機台可用性、人員專長及到班時間
。優先依生管指定機台、急單、暫停等資訊排程

織布/備胚 染整
客戶 原料採購 紡紗/備紗 染紗 進度狀態 成染碼長 二次托工 成品布入庫
訂單編號 應採購項數 進度狀態 應染/已染數 繳庫碼長 繳庫碼長 托工項數 入庫碼長
產品代號 已採購項數 預計完成日 預計完成日 預計完成日 預計完成日 預計完成日 預計完成日
碼長 已入庫項數 應完成日 應完成日 應完成日 應完成日 應完成日 應完成日

LULULEMON ATH 應購：1 8,298Y 6,042Y

CU2019 已購：1 --- --- --- 6,042Y --- 109/07/02
F10207QT 入庫：1 109/06/30 109/07/02
12,034Y 10906/30
TAL APPAREL 應購：3 已備胚 3,810Y 項數：2 0Y
CW0318 已購：3 --- --- 10,910Y 1,834Y 109/07/15 109/07/20
C10080QT 入庫：3 109/06/05 109/06/30 109/07/15 109/07/20
20,800Y 109/06/05 109/06/30
LULULEMON ATH 應購：3 供紗中 應/已染：4/2 織布中 待胚中 0Y
CU3020 已購：3 109/06/25 109/06/30 824Y --- 109/07/23
E10480CG 入庫：1 109/06/25 109/06/29 109/07/13 109/07/21 109/07/22
31,934Y 109/07/12 109/07/20
EXPRESS 應購：1 已備紗 織布中 待胚中 0Y
MERCHA 已購：1 109/06/20 --- 1,234Y 109/07/25
CW0391 入庫：0 109/06/20 109/07/10 109/07/23 109/07/20
F10491OG 109/07/08 109/07/18
15,500Y

33 33
 預期效益與價值創造(例)
KPI 改善前 改善後 改善效益
減少海運改空運成
提升整體製程達交率 60% 80%
本
減少物料、在製品
縮短前置與製造週期時間 3個月 2個月
庫存時間成本

資料落差 24小時 即時 提昇管理效率

提升資料完整度 70% 95% 提昇管理效率

減少人力品檢 2.5小時/人工站 0.5小時/人工站 每日減少工時成本

降低退換貨、重製
檢出率提昇 75% 90%
成本

降低備料成本(營業額比例) 25% 10% 減少呆料成本

34 64
34
 預期效益與價值創造(成衣業)
軟體機器人應用
KPI 效益 3年總效益
減少資料處理人工 0.5小時/人 60萬
減少重複性線上採購 2小時/人 240萬
智慧檢核 正確率98%
60萬
取代人工判讀 0.5小時/人
抑制資料落差
5張/年 *30萬
降低訂單錯開數量

4人 x (3.0hr/8hr) x 80萬 x 3年 = 360萬 (概估值勤人員4人)

5張 x 2萬 x 3年 = 30萬 (概估平均訂單金為2萬)

35 35
36
結論
 短鏈經濟、少量多樣短交期的趨勢下，除了優秀的員
工，引進數位化技術，可輔助強化公司的競爭力
 數位化、智慧化過程可以重新整理、保留及優化公司的
經驗(know-how)資產

交期
掌控

快速 品質
反應 穩定

資訊應用/
歷史資料庫 現場即時資訊
智慧分析
36 36
我們的服務： 數位轉型研究所
數位化技術移轉、客製化
王建敏
智慧化方案規劃、輔導
02-6607-3103
輔導廠商申請政府補助計畫
我們歡迎與SI業者或特定方案業者共同合作 mwang@iii.org.tw

Thank you
37 37