文章分類

熱門關鍵詞

中文 | Keyword
首頁 / 分類閱讀 /
2022.9, Vol.47 / 技術專文
AI application-AMC prediction by machine learning and pollution source analysis
應用AI-AMC機械學習預測與污染來源分析
文 | 莊鎧瑋 | Arizona Facility |
因應市場的需求，半導體製程技術演進快速，電晶體30年內已縮小了1000倍，到了五奈米的技術，而隨著規格及產線環境要求的提升，氣態分子微汙染(airborne molecular contamination, AMC...

按讚

0

收藏

0
點閱 (32)
2022.3, Vol.45 / 技術專文
From Deep Learning Techniques to MLOps Concepts : Take CCTV Surveillance Analysis as an AI-Landing Example
從深度學習技術到MLOps : 以CCTV影像工安辨識談人工智慧的落地應用為例
文 | 謝志宏 | 廠務數位發展部 | 翁逸驊 | 廠務數位發展部 | 林君穎 | 廠務發展處 | 黃俊銘 | 廠務發展處 |
各項報告指出，由於工地環境複雜多變，從高處墜落及物體飛落砸傷等風險，使得營建業成為近年來重大職業災害人數最多的產業。然而傳統以人員持續監控CCTV影像畫面來強化工地安全的作法，需投入大量的人力工時，除了在工程範圍擴大時，...

按讚

0

收藏

0
點閱 (105)
2022.3, Vol.45 / 技術專文
Chiller Refrigeration Cycle Anomaly Detection with Machine Learning methodology and operation
機械學習診斷冰機冷媒系統方法與實例
文 | 蔡昆憲 | 廠務數位發展部 | 鄭凱元 | 十四廠暨廠務自動化整合部 | 謝子宸 | 十四廠暨廠務自動化整合部 |
本案為廠務數位發展與廠務CIM合作為台積電廠務首度成功推廣至全公司使用機器學習方法達到超越專家能力的異常偵測系統。主要應用於缺乏代表性感測元件的冰機冷媒密閉迴路，在不額外增加廠務工程與維護成本條件下，藉由現有資訊進...

按讚

0

收藏

0
點閱 (15)
2020.8, Vol.38 / 技術專文
User Requirements–based Information Integration Platform for Facility Management
使用需求導向資訊整合平台–以廠務開關門十件事為例
文 | 吳智瑋 | 新廠規劃部 | 賴意中 | 新廠規劃部 |
近年來隨著廠務組織合併/調整與運轉管理持續精進，舊有廠務值班與品質管理資訊整合平台已漸漸不符使用。存在的問題包含資訊整合廣度不足，且散落在不同的資訊系統、廠內運轉狀況的彙整與呈現不夠即時等。為了提升廠務運轉管理的效率，本...

按讚

0

收藏

0
點閱 (90)
2019.9, Vol.35 / 技術專文
Dynamic Intelligence Strategy of Industry 3.5 Chiller System
工業 3.5 冰機系統 動態智能決策
文 | 鄭凱元 | 南科廠務三部 | 陳亮至 | 南科廠務三部 | 蔡昆憲 | 智能廠務管理課 |
本文應用台灣簡禎富教授工業3.5策略於中央空調品質強化(冰水主機、冰水泵、熱回收系統)，描述機器學習廠務落地應用流程；提升系統預測能力(降低預測誤差81%)。更精準的預測引導出更好的決策。如同純手動車輛進步到半自動...

按讚

0

收藏

0
點閱 (182)