:::

【109年 應用案例】 靠30年水體顯微診斷及輔導經驗,發展廢水處理及水回收AI輔助功能診斷與即時監控系統,總體能耗及成本減量高達93%!

全台每年30億噸廢水,如何有效達到環保排放要求呢?

全台每年的廢水總量約31億多噸,其中工業廢水量約占34%,市鎮及畜牧廢水合計66%;而工業廢水中則約有87%需用生物處理;市鎮及畜牧廢水則全部需要用生物處理才能處理至國家放流水標準。也就是說全台總廢水量的96%水量,約每年30億噸的廢水需經過生物處理才可以達到環保要求。

雖有「專業診斷技術手冊」及「歸納性圖鑑」,但由於現場需有顯微鏡,且需有熟悉此技術之操作人員,而業界人力變化與流動又很快,導致技術不易落實到廢水處理操作現場……

位於水質水源保護區的豆製品工廠,該如何處理廢水,令人頭大!

專業診斷技術手冊及歸納性圖鑑為民國84年所出版,至今又累積更多的動態及靜態指標微生物影像,且業界人力變化與流動很快,技術不易落實到廢水處理操作現場。

地處偏僻的桃園大溪區水質水源保護區有間生產豆漿、豆腐等豆製品的食品工廠,生產後之廢水依規定必須先進行處理後,再全量回收至工廠作次級用水使用,但在落實上卻有技術性的困難……

自動監控系統+AI即時線上診斷+提供改善建議 =提升中小型企業工廠廢水處理專業性與穩定性  

以實際水樣做測試,直接進行影像辨識

▲以實際水樣做測試,直接進行影像辨識

影像轉到辨識電腦上,經只要幾秒便可立即辨識出此種指標微生物

▲影像轉到辨識電腦上,經只要幾秒便可立即辨識出此種指標微生物

許多工廠被法規要求,需達到零廢水排放,處理後的水需全部回收,且任何時候均不得排放,案廠之廢水處理負責操作維護人員非專業人員,且大多由製程人員兼任,所能投入之心力甚為有限,無法穩定處理。

為此,祥泰綠色科技有限公司縝密規劃設計流程,並使用陶瓷平板過濾的新技術,結合遠端監控及每週一次到現場取樣,取回樣本進行顯微觀察、拍照與診斷,但由於案場地處偏遠,交通時間上仍有許多耗費。

為解決此問題,祥泰綠色科技除建置「自動監控系統」外,更進行「AI即時線上診斷」,提供適切之改善建議,對於補足中小型企業工廠廢水處理專業上之不足及穩定性功能提升,有顯著幫助!

此種狀況也會發生在其他工廠,甚至海外的工廠,故進行跨領域合作研發,將可提升及帶動海內外之技術需求,發揮更大效益。

導入AI大幅降低廢水處理耗能與成本,將發揚至海外造福更多工廠!

導入AI技術後之廢水處理系統更穩定,處理後的水質更高品質,同時達到廢水處理、水回收及水體環境的改善,同時讓總體能耗及成本減量達93%。未來可加強推廣到海內外有設置廢水生物處理之工廠。

推薦案例

【導入案例】哈瑪星科技建構AI模型管理平台 加速AI落地應用
哈瑪星科技建構AI模型管理平台 加速AI落地應用

搭上AI列車,資服業者借助深厚的產業基礎,不僅自己轉型,也協助客戶轉型 成立已超過20年的哈瑪星科技,近年來不斷研發AI技術,並協助產業客戶導入AI。哈瑪星認為,執行一個完整的AI專案,除了AI理論知識、數據分析與模型訓練能力,實務上還需要依據客戶的需求開發數據串接API、建置資料庫、開發前端RWD網頁,甚至還需要考慮到版面設計與使用者體驗 User Experience。這些工作不僅對AI新創業者形成技術門檻,即便對已具規模的業者來說,每個專案反覆投入人力進行類似的功能開發,也難以累積技術經驗、加速業務成長。 機關客戶對於AI仍具備高度客製化之需求 以哈瑪星科技所執行的政府A機關的需求為例,用戶須針對特定管道的不實資訊進行管控,需要平台提供用來訓練模型和預測的數據接入功能,並可以在平台上完成自然語言處理NLP文本分類模型訓練與使用。當模型發現不實資訊時,需要即時透過通訊軟體通報相關負責同仁。而B機關的需求則是希望透過AI模型針對民眾陳情案件進行自動分類,並即時提供陳情民眾或案件承辦人員可參考之歷史案件資訊。儘管專案模式相似 數據接入、模型預測、警示通知,但在個別專案中,仍只能分別進行需求功能開發,無法重複利用既有的程式與模型來加速後續專案的執行。 在深入探討之後,哈瑪星科技發現企業面臨導入AI專案的痛點,包括導入成本高昂、專案時程冗長等,其中,在企業內難以齊備資料科學家、分析師、工程師、設計師等人才,而現階段的專案皆為集中解決特定領域需求,難以重複利用AI模型跨入其他應用領域,同時,因為工具集中在AI專案領域,無法滿足客戶提供整體解決方案。 換言之,在AI技術的落地上,由於AI資服業者往往面臨「人力有限」、「領域限縮」與「工具不足」等困境,致使專案執行成本高昂或時程冗長。這些都是業者們亟需解決的共通性問題。因此,若有一個AI模型應用服務管理平台,將可解決上述困難,不僅能夠快速導入降低成本,還有助於縮短專案時程,提供客戶一站式解決方案。 AI模型應用服務管理平台協助快速完成專案 因此,哈瑪星科技在經濟部工業局AI計畫支持下,進行「AI模型應用服務管理平台AISP研發計畫」,投入研發AISP產品,目的是為了讓AI資服業者能事半功倍地完成AI專案。 AI模型應用服務管理平台提供AI一站式解決方案 透過AISP,AI資服業者可透過既有的模組功能快速組裝數據API介接、模型管理與模型預測結果監控訂閱等需求功能。同時也提供常用的圖形化工具,幫助業者快速設計用戶所需要的互動式圖表或儀表板,有效降低執行專案所需要的人力成本,並縮短解決方案POC或導入時程,加速產業AI落地與擴散。 在產品商模上,短期內將廣邀具備AI專門領域技術的資服業者合作,藉由平台服務解決各類場域需求單位所面臨的AI導入問題,逐步建立平台品牌信賴感。 中期則盼以哈瑪星過往的成功經驗逐步拓展業務市場,聯合多家資服業者建立策略聯盟,針對專門領域可解決更多且廣泛的問題,並提供更多解決方案供場域單位選擇。 平台結合領域專家共同擴展海外市場 長期而言,在建立各項專門領域的AI策略聯盟後,平台將擁有大量針對專門領域的AI解決方案專家,累積大量的專案成功經驗後,哈瑪星科技期望AISP將能與專家業者們攜手合作,共同進軍拓展國際市場。 哈瑪星科技股份有限公司於民國89年延攬多位資深專業經理人及相關領域技術專長人才所組成,致力於軟體技術研發暨服務,並以建構成為國際級軟體公司為目標,積極促成各項跨國產業合作機會。公司在首任總經理的優良領導之下,已快速成長成為臺灣主要軟體公司之一。

【導入案例】救命急如星火 AI病危系統監測掌握黃金搶救期
救命急如星火 AI病危系統監測掌握黃金搶救期

60歲的黃先生因中風住進醫院,在加護病房躺了兩周之後,突然病情急轉直下,經過搶救之後,才幸運撿回一命。事實上,在AI病危預警技術的輔助下,讓醫院能在病患心臟停止前的6-8小時,發現徵象並採取及時、準確的醫療措施,可大大降低病患院內死亡的機率。 病情的惡化是一個隨時間演進的過程,其細微推移變化絕非無脈絡可循。過往的研究報告顯示,發生非預期性院內心跳停止的住院病人中,約有六至七成在其心臟停止前6到8小時前已有徵象,但是卻僅有四分之一被臨床人員所偵知發覺,因此需要一種能更早期、並持續使用風險預警工具或系統監測病情,隨時警示醫護人員注意患者病情的細微變化,在病情進展前採取及時、準確的干預措施,有效減少不良事件或嚴重不良事件的發生風險。 非預期性病情惡化 無法及早偵測 急重症患者常出現不可預測的變化,及時發現或能預測潛在急重症患者為重要的課題。目前臨床常用的評估方式為Modified Early Warning Score MEWS,利用簡單的生理參數評估 包含心跳、呼吸速率、收縮壓、體溫、排尿量及意識狀態篩選出高危險群病人,已經證實可以預測病人的臨床預後。 MEWS為單一時間點且制式化公式的評分機制,然而,博鑫醫電所研發的 AI病危預警-醫院急重症病危提早預警指標系統EWS,係以即時反應預測病人狀態為目的,收集病患的連續性時間之生理資料進行深度學習,找出最佳預測模型,提高整體準確度。 博鑫醫電以大數據分析模型建置早期警訊系統EWS、IoT物聯網及5G通信技術,讓醫護人員透過通訊設備遠距離監控病患的生理狀況,監控急重症快速的病情變化,能掌握心臟停止前的6-8小時黃金搶救期。 博鑫醫電導入AI視覺判讀之後,無人化操作方式可大大降低醫護人力 博鑫醫電開發之AI技術為梯度提升集成學習系統 Gradient Boosting Ensemble Learning System, GBELS 建置早期預警系統,為該公司開發之具有學習型之EWS預測演算法,屬於集成學習 Ensemble Learning的一環,且歸類於監督式學習,提供以下三項功能: 一、早期警訊風險通知,以將具有代表性的數據,以GBELS進行分析,提供早期風險評分,讓醫護人員可即時進行臨床評估及提供適當醫療處置。 二、降低醫護人力:收集連續性生理監護數據,如心跳、呼吸、血壓及血氧濃度等,降低醫護人員書寫病例時間。 三、結合IOT物流網及5G通信技術,快速傳輸監護參數和影像資料等醫療數據,協助醫護人員透過通訊設備,遠距離監控患者的病情變化。 AI病危系統監測 掌握黃金治療期 博鑫醫電表示,急重症患者評估疾病嚴重程度是一項複雜工作,患者經常出現不可預測的變化。臨床醫護人員對病情判斷經常根據自己臨床經驗或直覺,缺乏科學、客觀,導致無法正確識別、及時發現潛在急重症患者,導致或誤診導致病患院內死亡率增加。 導入AI早期病危預警系統可輔助急重症的醫護人員正確的預判患者病情,更能讓患者即時受到需要的照料,藉此可以減少同時間急重症病房的人力安排並降低人力成本。 此外,易於攜帶的設計更有助於日後將系統導入救護車、居家照護等場所,對於急診患者可以更早得到適當的照料。院內的其他科別也可以在這套系統周邊開發新的應用,可有效加速智慧醫療技術的發展及推廣;以時下新冠疫情仍然肆虐全球多國的情況,此一系統也可以協助各地醫院更有效地照顧及監控重症患者的病情。 除了AI病危預警外,博鑫醫電也研發AI影像判讀-醫療生理監視器生命週期合規檢測AVS,也就是以AI影像判讀技術,發展生命支持類醫療器材之自動化品質檢測儀器,解決醫療儀器檢測耗時問題,可降低70的檢測時間,提高3倍的檢測數量、有效降低50的人力成本,同時100合乎法規要求,逐步解決醫療領域人力不足、醫療資源短缺、醫護工作超載等問題。目前已於中國大陸扎根,積極在歐洲為落地做準備,未來將朝日本及美國市場發展。 博鑫醫電研發AI影像判讀-醫療生理監視器生命週期合規檢測AVS,解決醫療儀器檢測耗時問題,可降低70的檢測時間。 現階段博鑫醫電的智慧醫療技術已導入包括新竹馬偕、彰基、東元綜合醫院、高雄工學大學附設醫院、振新醫院、新泰醫院、台北醫學大學附設醫院等醫療院所;國際知名醫材製造商GE HealthcareInc、中國最大醫材製造商邁瑞醫療,皆為博鑫醫電代表性客戶。

【解決方案】佐翼科技無人機導入高爾夫球場域 可節省一半人力
佐翼科技無人機導入高爾夫球場域 可節省一半人力

對於大多數的高爾夫球場而言,場務的營運及管理是一個令人頭疼的問題。「球場就是在賣草皮,場地一定要顧好」,一位高球場負責人不諱言指出。面臨球場場務人力短缺、老年化及成本高昂的市場痛點,導入AI無人機進行農藥噴灑及防蟲害,將可節省球場一半以上的人力成本,並大幅提升整體營運效率。 初夏晌午,位於桃園的台北高爾夫俱樂部,AI智慧無人機緩緩升空,其主要的任務是進行高爾夫球場AI 智慧無人機施肥噴藥的測試。事實上,執行此項任務的佐翼科技,其無人機普遍使用於稻田、香蕉、茶樹等農作物,來從事施肥施藥及防治病蟲害的工作,對於動輒數十到上百公頃的高爾夫球草坪,要運用AI無人機協助草皮維護作業,現階段將進行資料蒐集、建立施藥AI模型及多光譜影像分析測試等,未來將進一步進行大規模的技術落地驗證,為無人機導入高爾夫球場域建立典範。 透過AI無人機施肥灑藥 可節省一半人力 傳統高爾夫球場維護草坪的作業方式,是以人工揹著藥桶,或是駕駛施藥車逐一分區進行噴灑。「國內高爾夫球場於2001年起開始種植超矮性百慕達草種品系,此一草種喜好涼爽的氣候,台灣高溫潮濕的天氣型態並不適宜」,佐翼科技執行長進一步指出,為避免草皮遭受病蟲害,就必須進行農藥噴灑工作,以18洞球場而言,相當於每周要噴灑一次殺菌劑,T台及球道每兩個月噴藥一次。對於高爾夫球場而言,噴灑農藥耗時費力,重要的是,大規模噴灑將增加人員中毒與農藥量增加的風險。 農用無人機在高爾夫球場應用之效益 根據佐翼科技研究,高爾夫球場的蟲害包括夜盜蟲、斜紋夜盜蛾等,其生活習性是傍晚會出來覓食,因此,噴藥的工作必須傍晚施作。依據傳統作業方式,每次施藥估計需要兩台車三個人力,共耗費45小時的時間。若透過AI無人機施肥灑藥,操作人力僅需1人,20分鐘可以噴灑08公頃土地,約可節省三分之二的人力,也可減少營運成本30左右。 高爾夫球場草坪透過AI無人機施肥灑藥,約可節省一半人力 啟用農用無人機應用於高爾夫球場的草皮維護,除了顯著的效益顯現外,佐翼科技也特別導入AI多光譜影像辨識建立NDVI標準化植被指數分析,「所謂的多光譜是將不同的波長波段光線打在草坪的植株上,蒐集反射回來的影像進行分析」,佐翼科技劉姓執行長接著解釋,因為不同光譜,每一種植物在光的波長吸收程度不一,透過多光譜可以掌握草種生長狀況。同時再結合AI影像辨識,可以精準偵測病蟲害分布情況,據此決定施藥量的多寡。 跨領域協作 建立無人機草坪多源影像資料庫 運用AI多光譜影像辨識技術,佐翼科技將蒐集包括可見光譜、多光譜、熱影像和高光譜影像等,建立無人機草坪多源影像資料庫,完整掌握百慕達草種生長週期。 佐翼科技累積豐富的農業AI無人機噴灑藥劑經驗,但要將AI解決方案導入大面積的高爾夫球場仍有諸多問題需要克服。例如需要建立全新施藥模型及測試飛行方式,尤其是多光譜影像辨識運用,概念驗證並不困難,但實際執行則需要更多的測試實證,反覆推論,並與植物專家建立協同作業才能完成,這部分則須仰賴資策會等法人單位跨域整合,集結更多場域投入實證,建立典範,才能在高爾夫球場場域擴散。 智慧無人機導入高爾夫球場的國際案例文獻並不多,在驗證的過程中,能否快速複製至下一個球場尚未可知,但佐翼科技劉姓執行長認為,透過跨領域協作的方式,將問題定義清楚,一一臚列,供需雙方取得共識,針對每一個問題提出可以解決的方案,並找尋內外部的資源合作,才能逐步完成高爾夫球場智慧化的目標,順利協助產業轉型。 佐翼科技執行長劉峻麟