Page 66 - VOL.53

VOL.53 廠務季刊 智慧辦公大樓的數位優化_以台積電為例

以空調出風溫度調整 ( 圖5) 為例，過去以往控制會 來的 AI 模型，可以快速地調控出最佳的合適環境。
依據外氣溫度、室內溫度、晴雨狀況及季節因素變化 實機測試結果發現，人工智慧模型預測的輸出值，能
進行微幅調整，管理工程師可能會設定相關的連鎖控 有效管控現場溫度變化並降低誤差率，平均溫度變化
制與簡訊通知，以達到環境溫度的穩定舒適。這種非 由原來±1℃降低為 0.5℃，這種在週遭環境變化前即
連續性監看的調控方法，是相對比較安全保守，比如 進行預測性的調控模式，最特別之處在於其控制手法
溫度調低 1℃以上，可能會減少使用者抱怨，但無形 相似於人為經驗控制模式，且有持續優化現象，不同
中就增加了能源的消耗。而在 IOT 架構下 AI 模型控 於一般控制器因變化率大而採取極端的輸出。 而 AI 模
制模式，可連續性的監看二氧化碳濃度、外氣溫度、 型如同我們第一次開車，會深踩油門與煞車，漸漸地
晴雨狀態、插座盤耗電量、室內環境溫度、空調箱出 進入淺踩煞車與油門，最後僅控制油門，透過經驗不
風溫度等多種環境與設備數據，持續不斷的吸收與反 斷自我學習的過程，能夠適時調整並表現得愈來愈好。
饋，並依據歷年來廠區內實際的運轉數據資料開發出

圖 5：空調出風溫度調整

3.4 第四部_虛擬感測器

科技廠辦公大樓的自動控制主要以「人」為服務對象， 制以消弭看不見的控管漏洞。將 IOT 與 AI 結合，以數據
管理系統的運轉時程管控，設定以標準上下班時間為基 為基礎材料，創造出數位勞動力，協助管理工程師處理
準，透過長期環境觀察與運轉數據核對，比對出辦公大 大多數具重複性但仍有些微變化的辦公大樓運轉工作。
樓使用者最適合的工作時程區間，滿足所有人對建築
設備的需求。惟上述時程規劃設定是維運通則，無專 與資料科學家共同進行系統數據探索與挖掘後，發現電
責人員進行二次校正，加上為求運轉穩定與減少抱怨， 梯、停車位、插座耗電量、室內二氧化碳濃度等四項參數，
多數管理工程師不會因為使用者狀態改變，而做出相 這四項的數據趨勢表現與人員活動訊息息息相關。透過不
對應的調整，容易形成物業管理上的漏洞。舉例說明， 同種類的實體感測器蒐集室內多元類型數據 ( 圖6)，再
案例一辦公人員超過半數離開座位，但機電系統仍全 發展出一個虛擬模型，作為判斷人員多寡的虛擬感測
載運轉，案例二超過時間下班時間，機電系統自動關 器。以人員流動的變化趨勢顯示建築使用狀態，並進
閉燈光或空調，正在加班的辦公同仁抱怨已影響工作。 一步調控空調與照明系統，改善過去標準時程控制的
盲點，達到舒適度提升兼俱節能雙贏的目的。
因此我們開始思考環境系統的運轉時程管控，需要納入
「量」的控管，期望運用過往累積的數據，開發回饋機

��