挖掘數據背後的價值,治略資訊用技術推進零售與工業的資訊革命!
挖掘數據背後的價值,治略資訊用技術推進零售與工業的資訊革命!

數據的價值在近幾年越來越受到各界重視,人們試圖要從以往被忽略的數據中找出新的解決方案,尤其是實際進到產業落地後,出現各種技術應用,以零售業和工業來說,大數據、AI、物聯網帶動產業升級,出現智慧零售與智慧工業,更有效地管理生產製程,也企業更了解顧客購物行為,產出符合人們需求、人性化的產品,不斷拉近企業與消費者的距離。

治略資訊正是在這樣的趨勢下,要來協助屬於零售業或工業範疇的公司更貼近大數據,有效地運用現有數據,找出目前產業困境的突破點。

團隊成員來自中央研究院,擅長機器學習、大數據分析、人工智慧等技術,長期鑽研資料分析,提供數據分析平台,讓企業輸入龐大資訊後找到預測模型,得以產出有效的解方。

智慧零售拉近與顧客間的距離

以零售業來說,人、貨、場是其中重要的三元素,治略資訊能以AI技術分析消費者購物習慣,進而會影響到門市鋪貨、安全庫存要訂多少,可見人、貨、場彼此息息相關,牽一髮而動全身,有了數據分析幫助商家做決策,也較能降低人為預測失誤所帶來的成本。

對於店家來說,除了要鞏固忠實客戶,也會希望喚醒那些一段時間未消費的沈睡會員,因此如何花費最少的成本去喚醒將來最有消費潛能的客群就是一個難題,以人為判斷是無法做到最有效的廣告投放或預測潛在客戶,但交給數據分析就有可能達成。治略資訊曾協助某間餐飲業者分析會員消費情形,將大筆的消費數據丟入分析平台可以得知最有可能被喚醒的會員有什麼特徵,依此來判斷需要發送訊息給多少會員,甚至是分析什麼時段的投放效果最好,讓店家的行銷資訊一出去就能打中目標客群。

治略資訊共同創辦人王智
零售業想要的不是工具,而是如何解決問題,並應用到情境當中。

大量購物紀錄其實很有數據分析的價值,治略資訊共同創辦人王智舉例,如果零售業者想開發購買威士忌客群,AI就能自動列出哪些人是從未購買威士忌但在未來很有可能購買,或是人們購買威士忌時通常會一起選購哪些商品。這些分析結果最終可以對潛在客全量身打造促銷活動,不需要浪費太多成本就能做到精準行銷。

協助工業物連網做到製程管理最佳化

工業物聯網(IIoT)正是企業迎接工業4.0的重要技術,在導入這方面的應用時,會由治略資訊的合作夥伴負責機台連網、數據採集,治略資訊則進行後續的數據分析。

工廠最怕的就是製程不穩定,需要時刻監控生產情形,並提高產品良率。目前治略資訊致力於進行工廠供應鏈或生產線的改善,形成智能數據平台,提升原物料管控、設備維護、製程品質的管理。平台會即時演算機台數據,推導在生產過程中出現的問題點是由哪些原因所造成,改善製程中的不確定性。

王智解釋工廠製程改善的重心會放在「品質」,當製程出錯時,通常會由工廠的老師傅憑著經驗去一一校對錯誤,當AI出現之後,AI要如何向工廠老師傅一樣自動且精準的修改製程錯誤將是數據分析平台獲得成效的關鍵。

治略資訊在接觸合作客戶時,也發現到很多工廠並不了解如何運用數據,也不知道該從何改善生產流程,因此治略資訊開展「12周分析」的業務模型,在這12周內,雙方會經過多次的討論與釐清,由客戶幫助治略資訊了解產業know-how、痛點,抓住問題點之後再由治略資訊為客戶擬定解決辦法。透過這樣深度盤點問題之後,也較能從根本解決產業問題。

成為輔助產業升級的推進器

治略資訊在台灣以及中國都有開展業務,對於這兩種不同的市場狀況有著深刻的體悟。中國內需市場龐大,不管是企業還是工廠老闆都很敢投資,產業競爭壓力大讓中國企業寧可犯錯也不要錯過,治略資訊營運長李榮生也說到:「即使去到那邊技術可能會被複製,但這不是不去中國的理由,不去可能會死得更快。」

治略資訊也曾拜訪過台灣超商業者,但普遍沒有使用或投資的興趣。因台灣企業多抱持著保守心態,產業龍頭仍安於目前現況,不敢冒太大風險,其他業者則奉行老二哲學,這樣下來也讓整個產業沒有進步的動力。

在工業方面也是同樣的情形,李榮生認為台灣目前還落在工業1.5或2.0,很多工廠的數據蒐集並不完整,自然無法導入AI或物聯網的應用,想要進到工業4.0就得花費很多額外成本汰換舊設備,許多工廠老闆是不願意投資的,最後也只能放棄數據分析這一塊,這也是令李榮生覺得相當可惜的部分。

治略資訊_2019_05_28_蔡仁譯攝-1.jpg
左起:治略資訊營運長李榮生、共同創辦人王智。
圖/ 蔡仁譯攝影

治略資訊仍相信著大數據可以為企業帶來前所未有的改變,即便有些企業還沒在這股資料革命的趨勢中做好準備,治略資訊也期望可以做為輔助產業升級的推進器,以數據分析做企業的最佳後盾。

往下滑看下一篇文章
廢棄碳纖維也能變再生材料!天翊綠能靠低溫解聚技術,獲桃園SBIR助攻產品驗證
廢棄碳纖維也能變再生材料!天翊綠能靠低溫解聚技術,獲桃園SBIR助攻產品驗證

碳纖維因重量輕、強度高,廣泛應用於自行車、汽車、航太及無人機等產業,每公斤原生碳纖維價格可達數百元,部分高階材料甚至高達數千元。然而,這些高價材料製成複合材料後,生產過程產生的邊角料與廢棄物,卻因熱固性樹脂難以分離,往往只能焚化、掩埋或降級使用,讓耗費大量能源製造的碳纖維失去再利用價值。

「產業真正需要的不是把廢棄物處理掉,而是如何把裡面的碳纖維、玻璃纖維重新變成有市場價值的材料。」天翊綠能科技執行長莊文彥指出。深耕複合材料產業約20年的他,於2023年成立天翊,希望透過自主開發的低溫常壓解聚技術,讓廢棄複材重新回到製造業供應鏈。

低溫解聚保留纖維性能,從廢料處理走向材料再生

熱固性複合材料難以回收,關鍵在於樹脂固化後無法像一般塑膠重新加熱熔融。傳統高溫熱裂解雖能去除樹脂,卻可能損傷碳纖維性能;若回收碳纖維強度下降,製造商可能需要增加材料用量以滿足產品的強度要求,反而削弱碳纖維原有的輕量化優勢。

為突破限制,天翊開發低溫常壓化學解聚技術,在約90°C、常壓環境下分離樹脂與纖維,降低高溫處理對纖維性能的影響。不同於將樹脂直接燒除,天翊也推進樹脂回收再利用及化學溶劑循環,提高材料利用效率。根據天翊提供的第三方檢測結果,回收碳纖維在受測性能項目上的表現達原生材料的98%以上。團隊也將回收纖維製成再生碳纖維不織布、板材、塊材及工程材料。

莊文彥表示,再生碳纖維每公斤價格約150至300元,具備成本競爭潛力。天翊也規劃三層商業模式:取得合法處理資格後,協助製造商處理複材廢料並收取處理費;將回收纖維製成再生材料銷售;再與客戶共同開發終端零組件。「我們不希望公司的主要價值停留在『每公斤收多少處理費』,而是希望營收逐步往再生材料與高值應用移動。」莊文彥強調,讓回收材料具備市場需求,才是循環經濟能否持續運作的關鍵。

桃園 SBIR 助攻百公斤級驗證,跨越技術走向產品的關鍵門檻

對技術型新創而言,證明技術可行只是第一步。要讓再生材料進入製造業供應鏈,還必須建立可重複的處理流程、穩定的材料品質及產品驗證機制。這些工作需要投入設備、人力與檢測費用,對商業化初期的天翊而言,是不小的負擔。

在桃園市政府地方型SBIR計畫的研發經費支持下,天翊得以加速推進製程測試、材料檢測與產品驗證。莊文彥指出,過去團隊主要仰賴實務經驗調整回收製程,但要讓技術進入產業應用,還必須建立標準作業流程、進出料紀錄及材料品質數據。透過計畫,天翊逐步完善這些機制,並針對碳纖維自行車、碳纖維預浸布邊料、高壓氣瓶與車用零件等廢料進行測試,完成超過100公斤複材廢料的處理驗證,建立相應的操作條件。

除了製程驗證,補助也支持團隊將回收纖維製成不織布、模具及相關產品,確認再生材料能否符合實際需求。其中,以再生碳纖維氈製作的模具,相較原本的玻璃纖維模具,減重約56.96%;以再生碳纖維氈製作的產品,相較原本玻纖產品,減重約27.77%。這些成果讓天翊不再只能向客戶說明技術可行性,而能透過具體的材料與產品數據,爭取後續合作機會。

天翊也與既有下游夥伴推進汽車零組件應用,累積再生材料進入供應鏈所需的驗證經驗。「SBIR對我們而言,不只是補助研發,而是幫助公司跨過了『實驗室技術走向實際產品』非常重要的一段。」莊文彥表示,政府資源不僅分攤研發成本,更協助團隊補足商業化所需的品質管理與產品驗證基礎。

以桃園為循環基地,從碳纖維走向風機葉片回收

除了研發補助,桃園聚集電子、汽車、航空與複合材料產業,也讓天翊有機會就近尋找廢料來源、加工夥伴及應用客戶。此外,天翊與桃園市政府消防局就高壓氣瓶展開合作,嘗試將回收技術應用於地方政府實際產生的循環需求。團隊目前持續推進桃園廠區設置與再利用相關申請,希望建立「在地廢料、在地回收、在地再製」的產業模式。

不過,即使技術與產品驗證已取得初步成果,天翊仍須完成事業廢棄物再利用相關許可程序,才能依核准條件擴大收料與處理規模。漫長的審查過程雖然增加營運成本,但莊文彥認為,除了回收技術,合法處理資格、穩定料源與產品市場,同樣是建立長期競爭優勢的關鍵。天翊的長期目標則不止於碳纖維。莊文彥補充,當初投入低溫常壓解聚技術,也考量到未來大型風力發電機退役葉片的回收需求。風機葉片主要由玻璃纖維、樹脂及部分碳纖維構成,體積龐大且難以回收,隨著全球風電產業發展,退役葉片處理將成為重要課題。天翊也已取得風機葉片回收處理方法的臺灣發明專利與美國發明專利。

因此,團隊選擇先從材料價值較高的碳纖維切入,累積技術驗證、設備放大與商業化經驗,再逐步拓展至大型風機葉片。「我們希望證明,複合材料不是只能從製造走向廢棄,而是可以從廢棄再回到材料、再回到產業。天翊要做的,就是把這條循環真正建立起來。」莊文彥說。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓