Page 65 - VOL.53

TSMC/ Facility Published

3.2 第二部_數據驅動的模式

設施管理的 IOT 系統內，累積越來越多的運轉數據， ➂系統整合與數據分析，便於資料分析及數據視覺化；
透過這些數據，我們發現了一些可能性，例如下雨天、 ➃透過巨量數據整合與資料應用分析達到數據化驅動
陰天環境窗簾卻仍拉下，員工下班了空調仍開著，未使 模式。進行整合式應用 ( 智慧化連動控制 )，例如以小
用的會議室投影機卻沒關，員工人數剩一半空調量仍 型氣象站資訊啟停建築周邊的空調設備與調整窗簾高
然很大等種種鎖碎的小事，因注意而未注意，常常錯 度( 圖3)。我們也利用 RFID、車牌辨識及紅外線探測
失了讓生活更舒適，環境更美好，亦能減輕環境負擔 器等技術，完成建置停車導引資訊系統，除了對入廠
的機會。因此，我們在不增加基礎建設架構下，僅透 車輛進行安全辨識，對於超速或逆向行駛的違規車輛
過系統整合與數據分析，建構一個跨系統、跨廠區的 會自動發出簡訊示警 ( 圖4)，同時能精確計算車位數，
中央監控平台，解決以往各監控系統獨立運轉下產生 於交通尖峰時段妥善引導停車，以維持行車順暢。讓
的通訊無法交流之問題。操作數據驅動的流程順序是 蒐集的數據不再是用來考古的化石，而是提前預測的
➀收集數據資料；➁建立數據能夠存放與提取的地方； 警訊或提示。

圖 3：數據驅動模式(自動窗簾系統) 圖 4：數據驅動模式 ( 智能停車系統 )

3.3 第三部_人工智慧的應用：以空調出風溫度調整為例

人工智慧是近年最令人興奮的科技發展之一，從 1990 可能就會錯過黃金調控或處理時機，在舒適度或節能
年代的深藍超級電腦(Deep Blue)、2010 年上市的華生 效果上產生影響。
人工智慧程式(Watson) 到 2014 年開發的 Alpha Go 人
工智慧圍棋軟體等，讓 AI 技術與熱潮席捲全球，如今 人工智慧的應用可能有機會補足這方面的問題，公共
各產業紛紛投入 AI 的相關技術的研發和應用。在科技 設施服務部積極與資料科學家組成一個合作團隊，從
廠辦公大樓我們擁有強大的建築自動控制系統與物業 管理工程師的經驗瞭解運轉上常遇見的問題與困擾，
管理系統，在數據驅動模式的應用下，開啟了數據共 並彙整歷年來廠區內實際的運轉數據資料，與資料科
享且建立更多透過數據產生的便利性連鎖控制，但多 學家共同進行剖析，從中發現到經驗與數據的關係，
數是以管理者的角度進行分級或階段式調控，仍需仰 運用數據量化經驗法則所代表的意義，開發出 AI 模型
賴人對系統的掌握度來調整系統的核心參數或報案的 來實現工程師經驗，並且讓 AI 持續自我學習不斷優化。
處理。舉例來說，出風溫度或冰水溫度等控制設定點，
或報案中所提到的抱怨，若是新進人員經驗不足，很

��
��