Page 89 - Vol.43

深度學習訓練出適合的AI模型，自動分析出在各種運轉條件
下的最佳能耗運轉參數，與廠務監控系統結合自動調整參
數。2020年之後發展的題目開始拓展到故障預測與成因分析
等其他面向應用，例如已經開始展開導入到各廠的冰機冷凝
系統異常預警、變頻器散熱異常預警等專案(表1)，就是透過
機器學習手法開發出來的AI應用案例。

圖13、廠務區巡檢機器人能力規劃

3.2.2 AI技術開發

① 影像辨識
廠務AI技術的開發需求，有一大部分在於影像辨識技
術應用，透過稱為卷積類神經網路(Convolutional Neural
Network, CNN)技術，經由大量照片訓練出各種AI影像辨識
模型，應用於不同的領域。ⓐ在門禁管理上，透過人臉辨識
技術進行廠商身分驗證，減少人員判斷誤差；ⓑ在工安管理
上，使用物件偵測技術來偵測人員工安違規行為(例如沒戴安
全帽、踩踏A字梯頂、背梯作業)，結合巡檢機器人於現場巡 圖15、常見的機器學習手法
檢預防式語音提醒，減少工安意外(圖14)；ⓒ在系統管理上，
使用圖像差異比對結合物件偵測技術找出現場有異常的設備 表1、廠務數值分析AI應用
或物品(盤門未關、開關掛牌錯誤、漏水)，結合巡檢機器人固
定式巡檢，可以減輕人員高耗時巡檢的負擔。

3.2.3 IoT技術開發

廠務在現場有諸多儀表，因為並非系統自動控制的控
點或者是參考點，並未透過實體通訊線路回傳到廠務監控
平台，平常透過人員巡檢或者是PM時候抄錶紀錄；此外，
移動式量測儀器，例如無塵室量測推車上的AMC(Airborne
Molecular Contamination)儀器、電力品質分析儀器、粒子計
數器(Particle Counter)等，量測結果都是靠人員紙本紀錄後，
再回到辦公室整理數據；這樣的人工紀錄、數據整理花費大
圖14、影像辨識應用於機器人視覺巡檢
量人力，而且資訊無法即時應用，手動紀錄資料量也不足以
作全面的分析應用，實在可惜。透過各種無線網路技術，可
② 數據分析
以發展出適合廠務應用的無線IoT技術，將寶貴的數據資料回
另一部分AI需求來自於廠務數據分析，主要應用在設備 傳，節省昂貴的工程建置費用。
節能、故障預測、效能預測與成因分析等方面。數據分析的
① 工業用無線通訊技術
機器學習手法最常應用的是監督式學習(圖15)，透過足夠的
歷史資料，標註與訓練後，找出適合的AI模型加入線上系統 工業、科學和醫學(ISM)領域目前可運用的免執照
運轉。廠務數據分析的應用從2018年冰機智能節能專案開始 (Unlicensed band)頻段有2.4GHz與Sub-GHz兩種(圖16)。其
[06] ，收集各廠兩年的冰機運轉相關數據做為學習資料，透過 中2.4GHz協定已被大量應用於市場中，如無線區域網路(Wi-

FACILITY JOURNAL 09 2021 87