YouTube影片：
文字稿摘要：
Rich:
今天的主題是AI綠強效
請到先知科技的總經理高季安
以及副總 曾登琳兩位
先知科技是在工廠智慧化耕耘很久的公司
之
前我錄的數位轉型脫口秀
就邀請過先知科技的總經理
高季安來演講
進入了減碳低碳的時代
他們也開始幫忙客戶做綠色轉型
我們今天來跟兩位聊聊他們的做法
季安兄、曾副總好
來跟大家打個招呼吧
高季安/曾登琳：
裴老師大家好 大家好
非常歡迎可以參加這個talk秀
Rich:
謝謝 我想大家可能對兩位公司和兩位
有的人可能知道
有人可能不知道
所以我想第一個部分
就請兩位來介紹自己跟先知科技
高季安：
大家好
我是季安
通常我有一個別名叫做我不是胖虎
那我是季安
今天非常高興可以參加這個裴老師的talk秀
AI綠強效
我自己本身是
現在目前現實來講話是
所謂的一個先知科技的總經理
先知科技
其實我待會介紹它是所謂的數位轉型
還有智慧製造整合解決方案的一個提供者
自己本身是二十多年的IT、OT、AI 三棲的一個學經歷
我自己也多年的經驗從這個半導體還有傳統產業
然後包含
甚至於是從這些扣件金屬加工業
這邊的一個現場去切入
以及完成整合相關的資訊系統
還有人工智慧的應用
還有導入
我自己本身其實在先知科技
還有在我之前的工作是
在台積電的這個工廠內部
負責整個一些相關的這個製造
以及智慧製造的solution的一個導入
在更早之前是在美商的科林
所以整個我包含從機台廠商
然後到整個的一個應用
然後到IT和AI的這樣子的一個協助客戶
的一個導入服務的這樣的公司整個
加總起來大於20年的一個智慧製造
還有人工智慧研發
還有應用以及半導體製程
金屬加工的相關的一個設備
還有製造的經驗
但我以前也曾經擔任過三星五金的
這個是相關
屬於扣件
還有金享車業
這是屬於自行車
的一些金屬加工產業的一個任職
其中我的學歷來講
我是臺灣人工智慧學校的
我自己當初在南部經理人班
第一期一開課的時候
我就馬上就會去報名
然後目前來講的話
我們幾個校友也成立了臺灣人工智慧協會
目前擔任理事的工作
我們希望能夠去將這個我們的協會
能夠去
除了在我們協會去推廣相關的AI以外
我們也希望能夠去協助臺灣能
夠去做到AI產業化
產業AI化 這樣子的一個概念
還有一個想法
這右手邊是我們協會的這個入會的一個相關qr code
假如大家有興趣的話也可以掃碼加入
這樣的話就是說其實我在從
國立成功大學的材料工程學系這邊
畢業之後
後來就經歷過的整個的一個MBA和IE
以及相關的一個製造資訊還有系統博士
去從相關的OT一直到整個的IT
然後學AI的相關的專案
我輔導的客戶來講的話
我們先知輔導客戶遍及半導體業
從最前端的晶圓製造
一直到IC的製造
一直到最後的封裝測試
以及PCB SMT整個的一個產業鏈
也包含半導體產業設備的這個專案
當然到封裝、測試產業，光電
一直到整個
一個包含比較我們傳統認為比較傳統的金屬加工業
射出成型和扣件業等等都是整個我們輔導的一個客戶
好
接下來的話我們就請
曾登琳曾副總來為我們介紹他自己
以及說先知科技的一個簡介
曾登琳：
各位大家好
也很榮幸能夠受到參加這一次的talk秀
那我這邊就進行我這邊的一個介紹
那其實我現職就是先知科技的的副總經理
那其實在整個經歷來講
至今大概是在智慧製造這個部分
因為先知科技成立之初就是做e化製造
智慧製造
到現在AI的一個數位轉型的一個公司
所以其實在先知科技任職的這些年來
我是先從演演演算法開發部開始進行
一路到整個專案
系統設計或運用的一個專案部
接下來就到所謂的全球業務處這邊
為產業這邊能夠貢獻一己之力
這樣子
在整個學歷的部分
我是逢甲工工系的學士
碩士部分是到我們成功大學
製造資訊研究系統
去攻讀碩士學位
當然也有幸在高總參加AI
人工智慧學校中有幸地也跟進了
在進入這個團隊裡面
所以其實
也是希望能夠把這樣子的一個那麼好的
一些
AI的一些領域的學習的resource
跟各位分享
所以我旁邊也放了一個
其實也可以加入整個AIA
人工智慧學校的一個 協會的一個廣告
在輔導過的客戶
其實在經歷這幾10年來
跟著先知科技有這樣一起成長
那包含當然是半導體業在整個智慧製造的
基礎上是比較應該是早蠻多年的
所以說這個部分我們當然是先從這邊
開始起步
慢慢到封測業這些衛星產業慢慢的
開枝散業
也很榮幸能夠在這些產業都有一些經驗
為這個產業做一些智慧製造的貢獻
好
這以上是我的一個簡歷
接下來的話
就是從我這邊再跟各位介紹一下
我們先知科技
其實先知科技是從物聯網到AI運用
實現數位轉型的一個整個total solution
因為如同之前剛才跟各位報告的
因為其實我們雖然一開始是從半導體業
起家
但是在各行各業來講的話
其實並不是只有半導體業
是有智慧製造需求
只不過半導體業在所謂的智慧製造的基礎
它是走比較前面
所以在這樣的情況下
其實我們一直不斷的對我們的產業去進行
相關的total solution的一個開枝散葉
來乃至於到最底層
一開始需要執行的機聯網這個部分
其實我們就從這邊開始去慢慢的著手
所以我們先知科技從2009年成立之後
不斷的在各個各行各業開發相關的solution
到最後的一個AI的運用
機聯網的部分是我們的所有的AI運用的基礎
這個部分就是在這邊跟 也是我們先知服務的專案
接下來的就到所謂的可視化和數位化
那這個部分就是所謂數位優化的部分
就直到AI大數據分析一直到AI的數位轉型
那這部分就是我們先知科技所能夠提出來的一些solution
以上是我們先知科技的一個簡介
Rich:
非常的棒
其實之前我也必須講說
就因為高總也加入我們中華亞太智慧物聯發展協會
然後我那時候就聽到高總
當然也幫我們共同的好朋友陳總
陳泳睿那邊
知道高總有做非常多機聯網的事
然後加上人工智慧的部分
其實就知道說你們不只是聯網
還有人工智慧
那剛剛當然聽曾副總講
我知道說你們的
利用數據來做數位轉型
這塊也非常的強
所以接下來我們就要請大家講說
我知道強 大家不知道
所以要請兩位來跟大家講說
先知科技有什麼AI相關的技術
還有我們剛才講現在ESG綠色轉型
這些東西很重要
你們有什麼樣的綠色技術
所以我們請兩位
高季安：
大家好
我們這個部分來講的話
就是我這邊會來跟各位介紹
就是我們有哪些的一個技術
在談技術以前來講的話
我們直接來看
就是說我們這個在講技術
那我們還不如就直接講認證
為什麼我會講認證
因為其實我們講了很多的技術
可是事實上經過政府的一個公開的一個認證
所以這個是最實在的
所以我們這個部分來講
我們取得政府整個在
這一個自動化技術服務
還有人工智慧能量的一個登錄認證
就可以這樣子的一個技術能量來講的話
我們就可以去協助
就是企業再展開AI各個領域應用的時候
我們去協助客戶去申請相關的一個政府補助
來去降低整個一個導入的成本
而且我們可以整合這個業界專業知識
這個物聯網或機聯網以及MLOps
整個的一個顧問服務
去加速AI應用的落地
還有產生的效益
這個右手邊來講 就是我們剛才
所提到的這一個政府
還有自動化的一個政府自動化技術服務能量
以及說人工智慧能量的登錄的一個相關認證
所以我相信有政府的這個保證就一定是這個萬無一失
接下來的話我跟各位介紹一下
就是說我們公司有哪些的相關的一些AI的一個技術
除了在互聯網或機聯網以外
這邊來講的話
我因為我們公司其實最
主要的應用都是在相關的一個智慧製造
相關的族群
所以我們特地就是針對在製造業來講話的
AI的三大應用
第一個就是所謂的一個RPA+AI
就是機器人流程自動化
第二個部分來講話
就是圖像應用的一個AI
第三個部分來講的話
就是數據分析的一個AI的一個相關的應用
這三個部分來講的話
我們現在目前都有相關的一個平臺和解決的一個方案
這個部分來講話就是假設各位在這個
相關的一個公司在應用的時候
那也可以隨時找我們 然後進行相關的AI的一個導入
甚至於說從前面的教育訓練
或者說AI的一個深耕
就是說如何去培養內部的相關的一個人才
到這個AI應用的一個層次的一個導入
或是系統的導入
這個我們都有相關的一個服務
在接下來的話就是在綠色解決方案的話
這個是在我們待會會在做一些詳述
但是這個部分來講
在最近這個
從去年開始一直到今年
就這一個相關的熱度越來越高這個部分來講的話
我們公司也取得能排、溫排和碳排
就是iSO50001、
ISO14064 以及說ISO14067
相關的主導查證員
還有內部稽核員的一個證書
並且我們也輔導客戶開始去進行
這一個相關的上述的一個認證
以及相關綠色數位轉型的一個解決方案
因為我們後來在從前年開始我們公司
就開始去注意到綠色解決方案
這個議題就包含
個所謂的淨零碳排
還有包含說ESG的相關的一個專案
這個都是我們在這兩、三年來講的話
一直去著力於去發展和開發的相關的解決方案
這個待會來講的話
我們會就相關的一些案例
還有應用的部分去跟各位去做詳細的介紹
這個時間就還給裴老師
Rich:
謝謝剛剛高總 季安兄的一個介紹
當然我們在講
其實你要講綠色轉型
現在ESG的綠色專型其實是碳的部分
尤其大家都知道我們氣候異變之後
過去的冬天非常的冷
冷到讓大家覺得說 哇！ 怎麼
整個氣候變得不一樣
這都是因為有太多的碳
所以他剛剛講的ISO14064-1、ISO14067
這是關於碳盤查跟碳足跡的部分
50001是關於能源管理的部分
其實能源管理是最重要的減碳的東西
而數位轉型可以怎樣可以幫忙減碳
所以他現在就是我們常常講說這叫做綠色數位轉型
當然還有一些更多的關於綠色轉型的部分
所以接下來要請
高總跟曾副總來跟大家分享就是
先知科技如何達成協助企業做到綠色數位轉型
高季安：
這邊來講的話就是我這邊會首先
先去跟各位去介紹說AIoT在淨零碳排中
的相關的一個角色和案例
這邊呼應一下
裴老師剛才所提的
就是說這個感覺上好像比較冷
我這邊在另外舉一個實際上的
真正的一影響的一個實例
但因為我自己本身從小
等於說在小朋友在我們家
小朋友小的時候就
帶著他們去這個參加荒野協會
所以
也逐步認識到說在有關於環保要包含說
這些碳的排放，溫室氣體的排放到底
對這一個氣候的影響到底有多大
其實我們在小朋友很小的時候
我們自己就已經除了帶他們去參加荒野協會以外
也藉由荒野協會逐步的去認識這樣子的一個議題
另外的話就是說
其實因為我們公司是在台南
台南
我相信大家都知道這一個是美食之都
也是臺灣的一個古都
可是我們自己住台南的時候
在最近這兩年最大、最大的感覺就是真的沒有下雨
因為台南在已經連續的五百多天沒有看
等於說沒有所謂的大雨
這樣子的一個等級的一個雨下下來
所以事實上台南 現在目前包含 假設我沒記住的話
曾文水庫大概現在目前也只剩下大概11%的一個蓄水量
所以這個部分來講的話
就是從這個地方
從我們自己
從全世界的我們所看到的這些氣候的異象
一直到我們自己本身自己在台南
就已經有非常深刻的一個體會
這也是我們公司為什麼在
很早的時候就開始投注在這些的一個相關的方面
並且開發相關的解決方案
好
那這邊來講的
我們就先看國內外
這個在淨零碳排 或者是碳查驗的時候
它的整個的一個流程會是
第一個就是所謂的一個碳盤查
就是所謂現在目前ISO14064-1
或者是ISO14067
那上面來講的話我們就通常一般叫做溫排
下面這個部分叫做碳排
在第二階段的時候
當我們盤查完畢的時候
接下來我們就開始會去著重 就是減量
減量來講的話就是節約能源
就是所謂的ISO50001
另外的話就是屬於低碳化
以及說有沒有辦法做到
百分之百的一個循環經濟
也就是提高資源的一個迴圈使用
第三個話就是假設
有一些這些的專案都是在這些碳排
但是沒有辦法去做
整個的完全去做
減量減到零的時候
當我們還有餘額時候
這個時候
我們就需要去開始去做一個抵換的做動作
這個部分來講的話就是
像比如說國際再生能源的憑證
或者是說國內的再生能源憑證
以及國際碳權或碳費
國內現在目前比較談的是屬於碳費
這樣的一個相關的專案
環保署也有相關一個抵換專案
再去 正在去做討論
好
我們剛才所提到的就是說 在先知來講的話
我們的專長是在這個物聯網、機聯網以及AI
也就是所謂的AIoT的專案
以我們多年的這一個在協助客戶
再去做整個一個數位轉型
AI導入
還有一些相關的綠色的這樣子的一個數位的
一個方案來講的話
我們看到的是在
整個一個AIoT的應用來講話
它最大以目前來講話最大的應用現在
看起來是在所謂的一個盤查和減量
在這兩個步驟來講話
以目前來講
看到應用的趨勢是比較大的
接下來有哪些這個屬於AIoT
接下來的話我們就把時間給曾副總
請他針對這一些我們應用過的一些案例
以及說協助客戶在哪一些的
淨零碳排的步驟來講的話所做的貢獻
來跟各位去做一個說明
那時間就給曾副總
曾登琳：
各位聽眾
那我就再繼續介紹一下
說其實在整個我們這邊介紹四個案例
第一個就是生產管理與節能平臺
因為其實在廠房導入的過程中
其實他們應該會一個動作
然後希望能夠達到多重的一個效益
所以其實所謂的一個動作就是
我們架設了一個機聯網的做動
在以往其實架設機聯網就會往製程這個方向
製程優化、生產透明這個方向去前進
但是近期已經不一樣了
近期出了我們把機聯網 這邊建構起來之後
同時我們也會把廠務端的一些資料
透過機聯網去把
例如說廠務的一些冰機系統去納入 這個有兩個好處
一個就是說現場的生產的做動
廠方這邊能夠及時的去掌握
第二個就是在這個案例來講
廠務冰機系統
這個冰機對整個廠來講
它耗能大概是25%到40%左右
所以其實如果能夠節省廠務冰機這個部分的耗電量
其實就對節能來講
對廠房來講就有很大的效益
所以其實就是在這個案例來講
同時搭建了所謂的生產的 生產管理平臺
也同時建構了所謂的節能平臺
冰機的一個系統
它可以有效的去節省廠內的一個耗能
那就剛才到盤查或是我們要減碳這個部分
就會從這著手 只要去及時的去monitor
透過一些AI的演算
我們可以建議最好的一個冰機的調控
那使得廠內的冰機
整體系統能夠達到節能的效果
當然管理階層也可以在辦公室裡面
就可以很快的了解現在目前的生產狀況
還有產物的一個耗能的狀況
那這樣子的話
整個在這個導入的系統導入的一個
前後對客戶來講的影響
第一個就是在首先客戶面的問題
就是說機台沒有聯網
所以其實沒有辦法掌握現場的資訊
資訊的進度也一再的拖延
而且不一致
整廠冰機耗能大概是40%到45%
那這個是整個我們廠內那時候面臨的狀況
在導入個所謂的生產管理與節能平臺
這兩個雙效的平臺中
其實它的導入效益就可以到
例如說我的資訊的時間能夠
從三個小時降為30分鐘
生產控制能夠很快的提升
從30%提到90%
人員的一個錯誤
能夠從20%降到5%
那對於整個廠內的影響
大概是能夠每年節省到320萬
節能的一個費用
那再加上我們如果搭建AI的一個演算平台的話
其實從節電量可以節省掉50%
這個部分就是從直接切入減碳的部分
所以其實在還沒有盤查之前
其實盤查的同時
即時的我們也進行了一個減碳的一個動作
那在整個平臺的一個特色
就是說我們能夠快速的跟現場的一個的工單
或者快速跟現場的一個資訊做結合
那在平臺的部分我們能夠快速的建模
而且還能夠去做參數的調控
就是冰機参数的調控
那最主要就是帶給user的好處就是它是no code建模
不用任何的撰寫程式系統
只要點選方式就可以建模
那這個解決解決方案來講
當然就是以建構機聯網、機台的機聯網
第二個是建構冰機的機聯網
第三個就是我們有AI的分析和建模平臺
然接下來就是我們線上的部署
還有最主要是即時調控
大概這幾個解決方案提供我們業者能夠
在生產端和耗能端去做同時的改善
但目前在面板業或者封測業其實都有相關的一個solution
那曾副總想請教一下一件事情
就是說在冰機節能這個AI建模
預測以及參數調控的話
這個是屬於自動的一個參數調控
還是說是像您剛才講的這個客戶
他是藉由廠務進行經驗去做一個人工的調整
原則上
初期當然人員會不放心
但是在本身的系統的初始的一個狀態就是要自動調控
所以原則上上去就是自動調控
但是我相信user在
一開始的時候並不會那麼放心
當然會跟一段時間
但是到了對系統信賴度提升之後
就會放給系統去
去在某個可容許範圍內自動調控
這樣子
高季安：
OK 那另外一個問題是說你們同時間
就是說我們同時間把機台機聯網
和冰機機聯網這個合在一起去做
同時的考慮的話是希望說能夠
把這個用電以及說
冰機如何能夠控制在不影響機台以及生產
運作下同時間去整合去考慮是這個原因嗎
曾登琳：
對
是沒錯的
因為其實在現場的機聯網
其實本身現場的機臺也會耗電
但是在這些案例來講
廠內光冰機這樣就是耗掉
廠内大概40%到45%的一個用電量
所以就整個效益來講的話
廠方還是會希望能夠針對最大耗電
耗能的部分先做改進
後面其實有案例是針對機台的部分去做
改善的
那我後面會跟各位朋友去做一個介紹
高季安：
那我們就進行到下一個案例
那第二個案例就是在放電加工這邊
去加一些智慧電錶
那這個案例相對於是蠻單純的
就是說其實這個就是
對於我們整個設備的耗能和產品的耗能這邊
沒有辦法能夠有效的一個掌握
曾登琳：
那這個部分的
我們這次的案例就在放電加工這個製程裡面
加裝比流器
加裝一些電錶
然後把一些資訊透過
VGA的方式傳到我們後台這邊去進
去進行一個全廠的監控
那我們再看下一個
其實最主要是客戶面臨的問題
就是第一個當然是設備的原廠
他也不再支持這個所謂資料收集的服務
一來有可能是在設備原廠端
他們本來是專注於設備開發
他們可能對軟體支援的的興趣就不高
那也亦或是過老 這都有可能
但是我們接收到的狀況是原廠不支援的
那第二個就是當放電異常的時候
我們沒有辦法瞭解
沒有辦法及時得知
說現在加工已經異常了
最主要就是每個產品的一個碳足跡
和它的耗能狀態廠方是沒有辦法掌握
我們其實導入之後的效應
其實就是可以取得
整個三項電錶和電壓功率的值
然後我們也可以分析
整個生產品的整個起訖時間
在不同的耗能規格下
我們可以去進行耗能規格的卡
這是我們導入后的一個效益
在智慧電錶來講的話的
特色就是第一個我們提供的
是一個快速安裝的服務
我們也可以整合一些工單的資訊
去分別的計算
整個生產過程中每個工單它所耗能的狀態
再就是我們可以資源有線無線的一個通訊
這當然就是根據廠內的一個狀況
我們都有提供相關的Solution
解決方案來講的話
其實我們這邊有幾個技術是
綜合在一起提供給USER
第一個就是螢幕截取的一個
放電加工資訊
因為在機台不support資訊上傳的部分
我們可以透過螢幕的VGA訊號
然後去截取螢幕的一些 在不動機台的情況下
我們去截取機台的一些資訊
這個其實在我們服務過很多場域裡面
都用這樣子的一個資料收集的一個技術
第二個解決方案就是我們把集合式電錶
這邊去安裝上去
去取得一個電源的資訊
那接下來
第三個就是我們把這些資訊整合起來
跟工單和跟ERP的資訊去結的時候
可以分析出每個產品耗能的狀態
這個案例其實我們在所謂的金屬加工業、電鍍業
和射出成型業 其實都有蠻顯著的一個不錯的成果
這是好跟各位分享第二個案例
我這邊補充一下這個相關的案例
我們一個特殊的技術就是取得螢幕的影像
截取設備加工的一個情形
相關的資訊
以及說可以整合工單這個資訊
然後去針對用電 這個機台和產品用電的部分
可以去做細部的分析
之前我們有一次在去做政府專案申請的一個審查的時候
那也被審查委員譽為說這個部分其實是
最符合所謂的ISO14067
就像比如說產品碳足跡
當現在目前來講話大部分都是
大家再去截取這些資訊以後去用分配的方式
但是以我們這樣子的技術的話
就可以細部的去算到說
每一個產品它不同的碳足跡到底是多少
這個可以去取得相關的的一級資訊
那也更方便
就是客戶針對這一個ISO14067的部分來講的話
那去做更精確的一個計算
那也取得更高的一個數據品質
好
接下來的話就請曾副總去來介紹
這個第三個案例
曾登琳：
那我現在介紹第三個案例
其實就跟所謂的碳盤查是
息息相關的一個作業
就是說我們在做任何的碳盤查之前
甚至我們在改善的
我們要減碳
要改善之前
我一定要做一個所謂的一個基線的一個類比
或者基線的一個盤查
其實以往在做這個基線盤查來講
當然我們第一個要符合所謂
規範中的一個定義
但是其實有一些推論或推算的部分
其實往往會藉助於現場的一些經驗
或者是一些數據分析
數據類比的一個技術
所以其實就像下面這個橘色圖
就是在我們在做作謂基線調查的時候
都要依據人的經驗、工程的討論
然後到時候後才定義出所謂這個就是我們廠內改善的極限
其實這樣子的一個可靠度
其實並不是一個很一致化的一個動作
所以在這個案例來講
我們建立一個基線
調查的AI AutoML個技術的一個平台技術
只要有歷史的資料
我們就可以通過AI的分析
然後去把一個基線調查的結果去
給盤查出來
其實這樣的效益可以從我需要多天的一個討論
能夠很快速而且很公正的
在10分鐘之內
我們就可以把所謂的基線調查
去給定義下來
然後做後續持續改善的一個依據
這個部分就是我們從最前端的資料收集
然後把一些資料放到資料庫里面
中間綠色這一塊就是我們所提供的
AutoML的一個平臺的一個學習
然後消費者只要直接接收我們平臺
所類比、所預測出來的一個基線調查結果
就可以做後續的一個改善的依據
我們看下一頁這邊
大概可以比較一下我們改善前後的一個狀況
在改善前的客戶的
其實面臨的問題就是對耗能
其實是未知的
最主要最直接對於所謂比較合理的一個契約電
契約容量的一個定義 或是的判定上
就蠻吃虧的
接下來就針對一些耗能的熱點
沒有辦法得知
也沒有辦法去做改善
接下來
第三項就是說再用傳統方法去做分析
其實是不好預測
或是不好去定義所謂的一個基線基準
這個部分都是我們客戶所面臨到問題
在導入我們這個平台之後
其實我們就可以很快的去進行一個異常
就是耗電異常的一個偵測
我們也可以
知道說現在目前耗電的熱點在什麼地方
根據這些歷史的資料
我們可以建立出一個模型
甚至於去預測我們最後用電的一個走勢
提供廠房一個改善的一個基礎
在整個基線的預測特色來講
第一個就是分析的速度快
因為大部分都是用計算機
用我們電腦去做運算
所以其實速度上可以節省90%以上
接下來就是有各種不同的一個預測模型
包含線性的非線性的各種演演算法
我會在裡面取得一個最好的
接下來當然是一個可視化的平臺
讓消費者能夠 也是一樣
在No code的情況下能夠把我們這件事情做好
解決方案當然就是資料收集
一樣是從資料收集開始
第二項就是我們有一個AutoML 的技術
還有一個用電分析基線的一個平臺
這部分讓我們消費者能夠用滑鼠操作
就能夠完成我們這次的目標
實際應用上其實我們在電子加工業和電子產業
其實都有蠻不錯、卓越的一個成績
這個就是
我們所謂的基線類比的這個解決方案
對 我這邊補充一下
現在目前在ISO50001
在能耗的部分來講的話
能排和能資源管理部分
它有基線的 用電基線的要求
但是現在目前來講的話
大家在做的通常
都是一般手動的一個統計分析方法
都是用Excel去做
那這是第一個部分
第二個話通常都會基於顧問的一些
經驗舉例子來講
像譬如說
通常顧問會建議說像譬如說是屬於氣溫
或者氣候
或者是說你生產的一個面積、機台的數量
以及說你這個相關的一個
整個up down就是機台的是否是這個可生產或者不可生產
這些的一個專案去做決定
但是這個部分來講的話
通常會經過非常多的一個試誤
就try and error
那才能夠去得到一個比較準確的一個方案
同時間假設說有偏移的話
也很難再去找這些的相關的精確的一些重要的一個專案
像我們像比如說有一些顧問
他們在分析的時候就發現說有一些廠
他在天車的吊車上面來講的話
天車上面它就會針對它的所吊的這個距離
或者是說所吊這個
產品的或者說原料的重量就會息息相關
而這樣子的一個專案
在我們去用做機電 基線預測的時候
就會相對上
就是會有相對上的困難
假設說是用AI技術AutoML的話
基本上你只要手上所有的相關資料你都
可以去把它一次就倒進去這一個
AI的
AI裡面
那它自動會幫你去找出
所有的相關的重要參數
並且去給你建議
相關的一個適合的演演算法
並且去幫你去做一個相關驗證
去提高準確度
同時間也因為它可以去幫你分析出
這一個重要的一個參數
那也提供給
客戶後續就是用電改善的一個方向
接下來的話我們就請
曾副總介紹一下第四個案例
接下來我要介紹的
就是金屬扣件業的一個動態生產
最佳化的節能的排程
那其實這邊跟以往的排程不同
以往的排程是希望能夠在最佳的產出下
去進行一個排程
的確我們也是追求這樣子一個目標
在這次這個案例裡面比較特殊
就是
我們的管理階層希望在同時
在我們排程的部分
也要同時考慮到所謂的節能這一塊的狀態
所以其實在這一次的案例裡面
我們其實在現場也是先
把機台的一個電流的資訊
透過電力計、比流器
然後透過PLC的訊號
再透過無線wifi的情況去把整個機聯網給建構起來
這個建構起來對於在這個環境下去相對相對算嚴苛
因為我們這個算是金屬扣件產業
所以其實在環境下來講的話
我們透過幾次的轉換才可以把訊號順利的接上
那
接上完之後我們就進行所謂的一個
動態節能排程最佳化
我後面大家跟各位在後面講一下
所謂的動態排程最佳化
第一個
我們在客戶在面對這個問題的時候
他了解我們
他當然瞭解
因為台電都會給整個耗電量
他當然了解我們整個廠的總耗電量是多少
但是我們
但廠方它不瞭解是我各個機台的耗電量是
這個狀態是怎麼樣
然後或者是我各個產品的耗電量
或者是我各個產品
交叉比對各個機台的耗電量是多少
因為這個會影響到我們整個在做排程
不同的產品在不同的機台就節能這個面向考量下
的排程的一個知識
所以這個是高層一直想要瞭解這一塊的一個前提
我們在做這樣子的導入之後
其實我們 它的效益就是說
廠方可以隨時監控整個生產的效能
整個機台生產的效能
這個效能不只是單純我 生產的個數而已
我會去同時monitor到整個機台的耗能的狀態
第二個部分更可以去
針對一些產品的耗能重要去做
更精確的一個掌握
因為這個跟我們的可能到時候跟廠方再做排程
甚至廠方在報價時候
這個都是一個很好的一個依據和參考
當然就是做整個廠在做排程的交叉比對上
他們能夠把這個因素排行進去
去定義出最佳的節能排成的一個方案
這個部分當然就是生管
就先生管的部分
生管會再把這個面向加進去
也考驗著廠方生管的功力
但是這個的確對廠方來講是非常重視的一塊
因為其實接下來在整個節能減碳這部分
我們如果要到銷售到全世界來來講這個課題
我相信一定是會被全球去關注或者去問到的
所以他們在這邊就已經先預先做這樣的準備了
在整個先知
在產品的一個特色來講一樣
我們在做機聯網或者做
我們再做一些綠色節能 節能方案的話
我們不忘會跟我們ERP的工單去做一些結合
因為這樣才能夠對整個廠的一個cost來講
能夠更精確的去掌握
而不是單純只是針對人員這一塊去monitor而已
所以我們一定會跟工單去做結合
第一接下來就是我們可以在產品機臺的部分
去做很多交叉分析
然後最後建議一個最好的一個節能排程
第三個就是可視化的分析和及時回饋
所以廠方他們在做排程的時候
可以根據廠方排程的頻率
我們可以即時的告知說現在目前機台的狀態
和工單的狀態
因為機台它會吃電
它的耗能的狀態也會適時的改變
所以我們會及時去回饋
當他要排程的前一刻
他都可以馬上瞭解其他的狀況
這樣子
那解決方案我們只是提供三個
第一個就是說
有關耗能相關的數據
我們收集
然後ERP MES資訊的
我們也同時整合進來
最主要就是用AI的 AI的技術
去做一些基線的一個分析
那這個基線當然就是在這個動態排程
它的基線就是三個狀態
所以就一直不斷的對基線這邊會去做一個push精確
那目前來講的在金屬加工或者扣件業
其實都蠻不錯的一個效果
這樣子
這個是我們這
提供的一個最佳節能排程的一個方案
ok
好
以上
就是我們挑揀出來的這一個部分的一個精彩的案例
接下來的時間就還給裴老師
Rich:
真的很精彩
像我自己就知道說是
冰水機其實是很多企業耗能的東西
其實就我們學機械的而言
我們就在講說這種有壓縮機、使用冷媒的
然後有馬達的都是所謂高耗能裝置
如何讓他們能夠做好節能減碳這個是
很重要
你節能就可以減碳
能源基線也是非常難處理的
但是透過了先知這一套東西可以很快的完成
這就是AI的效力
我們剛剛談那麼多
我們接下來就要談說整個ESG發展
我們政府已經宣告
要達成2050年淨零碳排
所以我相信先知科技在ESG上
一定有自己的未來展望
我們就請兩位來跟我們談談ESG的未來展望
高季安：
在講ESG之前
我相信就是說在E的部分
就是所謂的一個環境的部分
S部分就是屬於社會
G的部分就是屬於治理的一個專案
所以這個部分來講的話
我們現在目前大家比較專注的是在
相對所謂的一個淨零排放的一個專案
也就是所謂的環境保護的一個專案
但另外話在
社會以及說公司治理的部分其實相同的來講
也需要就是說我們再跟
客戶再去做相互的一個合作的時候
我們會發現一個很重要的一個專案
無論是在做所謂的這個公司治理
或者是說ESG任何一個項目的時候
數位化都是一個最基礎的工作
也是數位化就是一個最基礎的工作
還是回到我們最基礎的一個專案
在這一個部分來講的話
是我們公司的一個整個的一個六階
當然可是我們會發現在跟客戶去做討論的時候
即使他再去做相關的ESG應用的時候
那他也是會去經由數位化
數位優化
還有數位轉型
這些相關的專案去一階一階的往上去走
所以假設
我們可以把這個數位化這個項目來講的話
去打好這個重要的基礎
呐
接下來我們就可以針對ESG
任何的一個專案
然後去做
相關的個專案的一個數位轉型
以及數位優化
這個就可以去導入任何其他的一個專案
所以我們這邊還是要再次強調
也同時呼應
就是說我跟裴老師同時都在AIoT這個亞太協會
這個部分來講的話
這一個IoT的部分是一個基礎
它是最重要的一個根本
接下來AI還有大數據的部分
就是整個ESG
它在做一個應用的一個一個體現
所以這邊來講的話
我們先知科技會在持續
會在這三個方面
就是包含的ESG在數位化、數位優化、
還有數位轉型這三個方面來講的話
整個的整合和結合
來為就是整個一個社會臺灣的社會去做一個貢獻
好
接下來的我不知道說
曾副總這邊有沒有什麼需要補充的地方
曾登琳：
ok
那我這面補充一下
就是說
其實在整個接下來展望
比如說現在我們在做的事情
其實就是將來我們要做的事情
其實剛才提供了這四個案例也可以
隱約的我可以感覺到
其實現在廠方
他們所需要提出的一些無論是
數位化、數位優化、或數位轉型裡面
都會希望
把所謂的綠能這種的面向去考量進去
所以我相信在
將來我們所提供的任何Solution
我們都會再多提供一個所謂的
綠能這方面的一個面向的一個決策的資訊
提供給廠方去做
後續他們要導入任何系統的一個參考指標
我相信這樣子的話
在ESG這個議題上就可以
更對對整個社會
或者對整個產業能夠有更多的一個幫忙
這樣子
這個部分的話也是我們現在正在做的
沒有留言:
張貼留言