價值創新 驅動未來

零售數位升級新引擎

從選址到物流銷售 AI解決零售關鍵痛點

「零售服務業面對商品種類繁多、需求變動迅速、人力資源有限、營運成本不斷上升等挑戰，智慧化轉型雖已勢在必行，但實際推動卻困難重重。」工研院服務系統科技中心組長洪筠緯指出，為協助業者迎戰數位轉型壓力，團隊整合AI、自動化、雲端平台等技術，打造出一站式AI智慧零售解決方案（Solution Hub），為零售業的各種痛點提供全方位對策。「從開店前的選址規畫，到營運中的補貨、人力調度，再到商品促銷與後端的庫存管理，Solution Hub就像是零售業的全方位顧問，能協助業者一次到位、解決轉型路上的各種問題。」

AI讓零售業聰明、省工、會賺錢

團隊扮演如「中央工廠」的角色，依據產業的共通需求，打造一系列AI智慧零售解決方案，讓仰賴人力的繁瑣流程變得輕鬆高效。導入智慧工具後，業者不僅能節省超過50%的人工工時、大幅降低70%的缺貨損失，還能透過智慧定價與即期商品的管控與促銷，讓預估營收提升20%，為毛利有限、智慧轉型不易的零售業注入新活水。

以布點選址為例，過去須仰賴人力實地走訪，比較人流、競爭店家與周邊設施，再根據經驗打分數，過程費時又費力。如今只需輸入地址，系統即可自動蒐集相關資訊，快速分析優劣，讓分析效率從原本每週5案躍升至10案以上，大幅提升投資決策效率與精準度。店面確定後，系統還可支援動線設計與商品陳列的智慧化分析。

正式營運後，在營運管理端，AI可從商品效期辨識、自動盤點到銷量預測與庫存調整全流程自動化，不僅省人力，也讓作業更加精準。在行銷推廣上，更加入圖文自動生成與顧客特徵辨識功能，協助業者更了解顧客需求，制定個性化的行銷策略。

除了門市營運，團隊也致力於提高供貨前置倉的效率，近幾年協助包括新竹物流、東森購物、Yahoo奇摩購物中心等8家業者優化商品處理流程，倉儲空間利用率提升50%，出貨時間縮短60%，同時提升作業人力效率50%。系統也支援物流士優化送貨排程，搭配數位駕駛助理，最佳化倉儲到門市的配送流程，甚至也能協助三大外送平台，在外送員短缺時靈活派車，讓消費者更快拿到商品，有效節省資源、降低碳排。

此外，針對運輸需要的包材，工研院服科中心專案經理林鼎為表示，工研院開發耐用、好清洗、可多次回收再用的「低碳循環箱」，結合RFID與物聯網技術，可即時追蹤箱子使用次數與狀態，建構電商、物流、通路與消費者之間的循環包材回收機制，目前已整合全臺3大網購平台導入，以3大超商超過13,000家門市作為回收據點，打造綠色物流新模式。

從柑仔店到智慧場域　AI走進每個街角

AI技術也開始走入更貼近生活的社區通路。近期工研院與全臺擁有800家門市的美廉社合作，打造智慧零售示範場域。美廉社以社區小型柑仔店為品牌定位，過去多半依靠店家經驗備貨，如今導入AI需求預測模型，加入天氣、節慶、促銷等變因進行推估，庫存周轉率提升超過15%，並且有效降低報廢率。

在價格管理方面，美聯社也率先試行「電子標籤」與「動態定價」，系統可主動根據商品效期、銷售狀況或促銷檔期，在後台調整價格後，直接顯示在貨架標籤上，省去人工換標籤，也能精準掌控產品數量與效期。洪筠緯表示，經過這幾年的合作，原本經營上較倚靠人力的美廉社，跨出導入AI技術的第一步，優化營運流程，成為業界的參考典範；對工研院團隊而言，則是一個非常好的AI落地實證舞台，也能累積更多現場實務經驗，建立更多為產業貢獻的基礎。

工研院服科中心副經理涂兆輝指出，多數零售業者在導入系統前最關心的，無非是「要花多少錢？能帶來多少效益？資料會不會外流？」，而工研院是科研機構，並非商業的系統銷售商，是以協助產業升級與推動智慧化的角度為業者解決問題，讓零售業者更願意說出實際需求與挑戰，讓技術導入，真正對症下藥。

同時，面對AI技術日新月異、應用門檻高、IT人力短缺等痛點，一站式AI智慧零售解決方案能以模組化設計與雲端平台形式，提供依需求彈性啟用的服務架構，不論採訂閱制或租用制，皆能讓零售業者用最低負擔取得先進技術。此外，遠端維運支援也大幅降低AI導入的人力與成本門檻，真正讓中小型零售業也能跟上智慧浪潮，成為推動臺灣零售服務業邁向新時代的重要驅動力。

智慧製造關鍵利器

預兆診斷技術實現預測維護

在全球智慧製造趨勢席捲下，工研院成功打造出一套讓設備能「自我診斷、預測壽命」的核心技術「預兆診斷系統」，系統結合振動分析邏輯與AI架構，實現了自動化故障判別，能精準識別如轉軸不平衡、軸承損傷、齒輪異常等常見問題。如此一來，設備不再需要「等壞了再修」，而是能主動預警、提早維護，真正落實了智慧化診斷，為臺灣智慧製造注入了關鍵動能。

25年磨一劍　預測維護引領產業新局

「過去，工廠做預防保養高度依賴專家手持儀器進行量測與判斷，然而這些寶貴經驗都僅存於人腦中，一旦專家退休或人力不足，整個維護流程不就面臨中斷的風險嗎？」工研院機械與機電系統研究所組長王俊傑，談起「預兆診斷技術及應用服務」的開發初衷時，直指這個始終揮之不去的疑問。

隨著工業4.0與智慧製造的浪潮加速演進，王俊傑深知，預測維護作業也必須同步升級，因此他毅然投入「預兆診斷」研究，聚焦於感測器數據分析與智慧演算法的開發，旨在精準辨識馬達、軸承、齒輪等關鍵設備的損傷狀態，並透過直觀的軟體介面，呈現清晰易懂的診斷結果。自2008年加入工研院以來，便持續致力於技術的產業化落地，他帶領團隊深入各大產業現場，歷經多年的實地訪查與嚴謹的技術驗證，最終打造出一套適用於馬達、齒輪箱、發電機等各式迴轉機械設備的通用預測維護利器「預兆診斷系統」。

「預兆診斷技術及應用服務」有效避免突發停機，提升設備稼動率與可用性，同時大幅降低維修成本，具備極大的產業擴展空間與商業價值。

三大智慧模組　打造即時預測診斷

「預兆診斷系統」由三大核心模組構成：健康評價、壽命預測與故障診斷。這套解決方案強調即時掌握設備狀態、精準預測運作壽命、並智能化判斷異常成因，讓維護作業從被動應對轉為主動「提前出手」的智慧新模式。

王俊傑進一步解釋，「健康評價」是透過安裝在設備上的振動感測器，系統能持續蒐集如振動速度、加速度、頻譜等關鍵數據，並據此建構「健康指標模型」，這不僅只是單純的數據監控，更像一扇能讀懂機台語言的「健康視窗」，可洞察機台狀況。

「壽命預測」方面，系統會根據設備運轉數據，預測設備未來的健康變化趨勢，設立警戒門檻，並提早通知維修需求，讓維護作業不再依賴固定周期或臨時處置，而是進入「預約保養」的全新節奏。

最後，當健康指標低於安全值，系統會立即自動啟動「故障診斷」功能，它能提供具體的異常判讀結果，協助現場人員快速應對與並做出精準的維護決策。

從工具到價值　成為產業升級推進器

「預兆診斷技術及應用服務」的誕生，讓廣泛應用迴轉機械設備的製造業者成為最直接的受惠者。這項技術不僅能透過準確預測故障發生時間，有效避免突發停機，顯著提升設備稼動率與可用性，同時也能大幅降低維修成本，它不再依賴定期時間的保養頻率，避免過度維修或備品浪費。另一方面，這項技術也強化了設備狀態透明度，讓每部機台的健康指數都能可視化呈現，管理者可透過遠端即時掌握設備狀況，甚至可以更進一步整合至製造執行系統（MES）或監控控制和數據採集（SCADA）系統，實現全面的數位轉型。

預兆診斷系統在產業深耕多年，王俊傑堅信這項技術的應用潛力，遠不止於「維修工具」的角色。由於全球迴轉機械設備數量龐大，年產量高達30至50億顆，這使得該技術具備極大的產業擴展空間與商業價值。

「迴轉機械設備在整體設備產業的占比超過7成，需求量非常驚人」王俊傑說明，正因如此，眾多設備製造商正密切與工研院合作，積極推動軟硬體整合，進一步打造完整的加值型產品方案。「設備製造商若僅銷售硬體，容易陷入價格競爭；但若能加入預兆診斷等智慧化功能，產品價值將立刻躍升，競爭力自然大幅提高。」王俊傑肯定表示，這種軟硬整合的升級模式，已成為臺灣智慧製造轉型的重要關鍵技術，而預兆診斷系統無疑是產業價值鏈中的升級利器。

從實驗室的學術研究到與產業的緊密連結與落地，預兆診斷系統的發展不僅是軟體技術的重大突破，更是臺灣在智慧製造領域樹立的重要里程碑。透過這項具有國際競爭力的智慧維護解決方案，臺灣製造業正開啟一條全新的高價值發展曲線。

想了解更多價值創新精彩報導，請看7月號工業技術與資訊月刊