:::

【108年 應用案例】 公廁如何靠IoT及雲端科技變乾淨、解決7成客訴,並且提昇120倍效率?

IOT智慧廁間:一個乾淨、省電、便利的新智慧廁所革命

使用六種感知器偵測衛生紙、洗手乳存量、漏水、臭味發生以及人流和廁間使用狀況偵測,搭配上NBIoT傳輸、雲端系統以及 LINE 機器人。可以大幅改善客訴、提高廁所消耗品的補給效率,加上即時的狀況通知,可以禁絕違法廁間抽煙以及提昇安全性。使用者再也不會遇到廁所濕、髒、臭,以及沒有衛生紙的窘境,體驗大升級。

走進熱門觀光區的公廁,給您什麼樣的印象?沒有洗手乳?沒有衛生紙?甚至是又髒又臭還漏水?資策會的 IoT 大數據智慧廁間解決方案,一次解決廁所不方便的問題。

根據行政院環保署的統計,截至2019年9月底為止,全台灣目前已經建檔管理的公廁數量達 4 萬 3 千餘座,而整個環保署卻只有 3 萬 4 千餘人。這麼龐大場域數量的清潔管理,顯然不是一件容易的工作;再加上高齡化社會來臨的必然,從事第一線廁間清潔服務的人員數量和品質勢必遇見前所未有的瓶頸。引入有效的服務流程以及科技的輔助,成為一個遲早要面臨的重大課題。

資策會在全台 20餘間 IoT 智慧廁間服務解決方案的實證案例,或許為我們解決這道難題帶來一個不錯的方向。

應接不暇的客訴、四大問題、以及資策會的三套解方

2016年,當與火車站共構的捷運松山站正式啟用後,原本使用量已經幾乎爆滿的公共廁所,面臨到爆量使用所造成的嚴重客訴。原本平均每日旅客量只有四萬人次的臺鐵松山站,就已經瀕臨服務產能的瓶頸;在連接的捷運松山站開通之後,旅客爆增為七萬人次,讓原本就已經接近極限的服務能量,完全無法應付捷運開通後新增的旅客量。

曹雪芹在小說巨著「紅樓夢」當中曾出過一個刻劃人心的經典台詞:「牆倒眾人推」,或許可以形容這個現象:各個獨立廁間的衛生紙、洗手乳總是來不及補充、洗手台骯髒以及廁間排泄物的污染來不及清理,使得廁間的客訴連連,應接不暇。再加上臺鐵松山站的公廁比捷運松山站的公廁更為靠近旅客必經要道。臺鐵松山站至此,必須站出來、面對並解決這個難題。

由於臺鐵松山站與資策會有著長期的合作關係,就委託資策會協助解決這個頭痛難解的問題。

愛迪生有句名言:「只有在我知道一切做不好的方法以後,才知道做好一件工作的方法是什麼。」而資策會第一個要做的就是痛點分析(Pain Point Analysis),從根本面來思考問題。經過盤點客訴以及與第一線的清潔服務公司探討分析之後,發現四個問題、和三個解方:

四個問題分別是:衛生紙以及洗手乳補充不即時,洗手台潮濕以及空間內的惡臭。

而三個解方分別來對應這四個問題,分別是:1. 消耗品如衛生紙、洗手乳的精細管理。2. 服務流程中的關鍵績效指標 ( KPI )數位化,如洗手台的潮濕程度,或是空間中的臭味濃度。3. 利用物聯網( IoT )的新科技達成前面兩個解方的實作,輔佐大數據和雲端科技來達成高效益的場域清潔管理。

「技術特點以及研發過程」

六個關鍵感知器,以及 IoT 雲端主板與大數據的結合,徹底解決七成的客訴,效率也提昇了120倍

一、消耗品的精細管理

為了達成衛生紙和洗手乳的精細管理,第一步就是針對這兩個耗材研發感知器來偵測。

從 2017 年開始,資策會開始設計首款的紅外線廁紙偵測模組。該模組主要運用衛生紙使用習慣的物理特性來偵測:一般正常使用下,廁紙放在鐵桶型的支架上,它的厚度會隨著消耗而慢慢的變薄。

這個模組需要利用 PSD 位置感應探測器 (position sensitive detector) 、 IRED 紅外線發光二極體 (infrared emitting diode) 以及 SPC 信號處理電路 (Signal processing circuit) 三者的搭配,來達成有效的廁紙長度判斷,其精確度甚至達到小數點後一位。

第一次開發這個偵測模組的時候,由於沒有可以參考的設計,只好從感知器的選擇、電路板的設計規劃、感知器程式的撰寫,甚至光固化 3D 列印的外殼設計完全不假他手,全部都在資策會內完成。

廁所場域偵測器展示圖

▲智慧廁間服務實境

不過,雖然設計生產廁紙感知器的種種困難都克服了,但是萬萬沒有想到,如何固定反而是讓人吃盡苦頭的一道難題。

廁所感測器展示機圖片

▲智慧廁間廁紙偵測模組

資策會團隊與我們分享:「一開始的時候,我們用熱溶膠固定,可是清潔人員每次補充廁紙的時候都需要開開關關。震動一多,沒有很牢固的固定住,結果就是掉下來。

最糟糕的狀況是在女廁:有一次有女性旅客如廁的時候,這個感知器沒固定好就掉下來了。你會不會覺得這個感知器看起來很像針孔攝影機?這東西突然在女廁掉下來,有沒有很糟糕?(笑)

還好長官支持,我們也持續研發如何固定的技術,直到最後可以成功的牢牢固定,不然這個專案早就胎死腹中了。」

感測器與 line 連動示意圖

▲智慧廁間服務手機畫面展示

後來,廁紙偵測模組上線之後,原本清潔人員巡察一次廁紙使用量就要花掉 15- 20 分鐘,後來只需打開 APP,10秒就能查完廁紙使用量。大幅提高了效率至原本的 120 倍。

既然衛生紙的消耗量解決了,下一個難題就是洗手乳的低存量偵測了。

跟衛生紙不同,洗手乳每一次補充的量不見得完全相同。由於設計的理念是希望能夠用最低價、最穩定的元件來完成這個功能,以便於未來的推廣。最後選擇了常見的霍爾感應器,將其貼在洗手乳給皂器的外殼上,來達成偵測洗手乳即將見底的功能。

原理其實很單純,只要液面低於某個百分比,霍爾感應器就可以對液面進行電磁感應而產生電壓的變化,感知器送訊號至後端的雲端伺服器,然後跟廁紙感知器一樣,由伺服器再發送訊息給清潔人員。

二、服務流程中的關鍵績效指標 ( KPI )數位化

洗手台潮濕往往就會滲水到地板上,再加上來往旅客腳上難免帶有灰塵,一旦踩過潮濕的地板,就會使得地板髒污。視覺上就會給人「這廁所很髒」的感受。然而,廁所不可能隨時都有清潔人員值守,這時就需要有專門的感知器來偵測這樣的情況。

資策會利用薄膜導電電阻的特性,當薄膜電阻表面具有液體時就會降低整體電阻值,進而改變類比訊號輸出的相關數值。如此一來,只要在容易潮濕的表面鋪設薄膜電阻即可偵測潮濕的情況。例如窗台旁邊,或是洗手台面。

不過,由於感知器較為昂貴,而且刮傷就會破壞感知器的效能,所以後來只有特定的公廁才有導入這個潮濕偵測的感知器。

另外,除了視覺上的髒污,若是公廁傳出陣陣惡臭,即便這個廁所看來明亮乾淨,仍然會被認為是髒污的廁所。

然而,臭味的偵測可沒有那麼容易解決。

一開始,為了找到這個「電子鼻」,找遍了國內外的各種感知器,結果才從日本某個專門生產各種氣體感知器的大廠產品線中找到合適的 MEMS 微機電感應晶片。

所內接著也是從這個晶片的麵包板測試、電路設計圖、以及發包出去生產,共花了近半年才完成這個感知器的設計。

除此之外,在研發智慧廁間的過程當中,陸續也接到其他的需求,如人流偵測以及使用偵測等模組的研發委託。

感測器配置於洗手台下方呈現

▲智慧廁間感測器呈現

在開發過程當中發現,部份的無障礙廁間可能在使用過後,使用者有可能不小心把門關上,燈也忘記關,所以看起來這間廁所一整天都有人佔用。然而,真正需要使用的人反而被空蕩蕩的無障礙廁所擋在門外。這個問題相對簡單,工程師找到現成的人流感應模組,將其安裝在洗手台之下,這個問題也就迎刃而解。

另外,部份偏遠的公廁如梨山國家公園這一類公廁,對於環保減碳的要求上實在難以執行。由於地處偏遠,負責人員每天上班要去開燈,下班再去關燈。有些時候一整天卻沒有幾個遊客使用公廁,但所有的燈光以及設備都還是整天開啟,實在非常浪費電。

而一般市售的感應器非常呆板,只要30秒到10分鐘設定的時間一到,就關掉電源。或許在家中只有一個人使用廁所的情況,這樣的感知器已經堪用,但是動輒60坪的廁所,需要好幾個偵測器一起工作才能確保是否還有使用者在廁間當中,又是一個市面無售的解決方案。資策會只好整合多個感知器,另外在 MCU 上開發演算法,才解決這個需求。

三、IoT、雲端、大數據、以及 5G NBIoT 新科技的引入

創新的路上,總是有總總的困難等著工程人員來克服。而見招拆招的過程當中,也一步步的精鍊了解決方案,使它更便宜、更可靠、更便利。

在前述的各種感知器建置完成之後,這套系統也陸陸續續產生新的問題留給資策會來解決。例如使用者習慣的障礙、耗電問題、成本問題等等。

由 APP 改為更為貼近使用者習慣的 LINE 群組機器人

透過電信商、技術商、服務商擴散至場域的 Line 服務擴散系統圖

▲智慧廁間服務架構呈現

2017年首次完成松山車站約 60 坪的公廁佈建之時,是採用 MCU 搭配 WIFI 的通訊方式全天候監測並傳輸資料到伺服器上,在系統判斷異常之後,利用資策會寫的手機 App 通知清潔人員。

這個設計乍看之下似乎牢不可破,然而,由於現場清潔人員平均年齡 50 歲以上,安裝一個專門的 APP 反而沒人使用,第一線人員經常用沒幾天就把程式刪除。空有整套感知器在監控,卻沒有清潔人員真的使用。使用者習慣,往往是新科技導入面臨的最大障礙。

後來,做了一些使用者訪談後發現,每個公廁的清潔人員,都有一個 LINE 群組。

廁所設備 LINE 群組溝通使用圖

▲智慧廁間服務 Line 群組展示

資策會團隊提到:「既然知道他們(清潔人員)有 LINE 群組,那就好辦了!

我們一開始小心翼翼的詢問清潔人員,是不是可以邀請一個機器人”新同事”來幫忙巡察衛生紙以及判斷廁所的異常。

一開始的時候,清潔阿姨們還有點疑慮。後來發現這個機器人”新同事”很好用之後,反而很愛它。」

因為成本、環保、以及便利性問題,由 WIFI 升級成 NBIoT 通訊協定

WIFI的速度快,頻寬大。但是一個公廁裡有男廁和女廁,就要分開兩個系統來分別監控,而且每個系統都需要獨立的 4G 網路連上雲端系統。所以建置以及通訊成本較為高昂,而且耗電也比較大。

說到這裡,或許讀者會有疑問:公廁都是設置在公共空間當中,難道沒有公共 WIFI 網路可用?

資策會團隊給了我們很有深度的答案:「其實,確實幾乎每個公共空間都有 WIFI 網路可以使用,但是,與其他人共用 WIFI 容易受到干擾,而且 IoT 設備簡單,缺乏安全性控管的機制,若使用公開 WIFI ,有一定的安全風險。

因此,我們的解決方案中,還是設計封閉的WIFI通訊系統來解決通訊問題。

另外,由於一個 WIFI 基地台能夠支援的節點數量只有 20-30 個,一個有 18 個廁間的女廁就需要一組系統了。再加上隔了一個水泥牆,訊號會非常衰弱,甚至影響到訊號的穩定性。所以一個公廁設置兩套系統主要是穩定性考量而不是成本考量。」

人口密集的使用場域當中透過 WIFI 來傳輸資料到伺服器並不會太麻煩,然而,當智慧廁間系統開始被應用到更遙遠的廁間如梨山、谷關、獅頭山等國家公園遊客中心公廁,時時都要確保網路通暢,確實成為一道難題。

還好,5G 的新一代行動通訊網路當中有一個專門為了 IoT 物聯網設計的 NBIoT 窄頻物聯網通訊方式 (Narrow Band Internet of Things)。資策會領先全台,採用國內晶片大廠的 NBIoT 晶片組開發出台灣首套針對智慧廁間設計的 NBIoT MCU 控制系統 。

這套系統除了成本大幅下降、而且十分省電,只需要原本 WIFI 系統 ⅙ 的電量。最重要的是,比起傳統 WIFI 需要相對穩定的 4G 訊號橋接,這套系統的覆蓋範圍更廣,深山野嶺也都可以通訊。使得未來智慧廁間的覆蓋率,可以不受網路訊號的限制而更加廣泛。

四、「效應分析以及未來展望」

IoT 智慧廁間:一個乾淨、省電、便利的新智慧廁所革命!

隨著整套的各式感知器、雲端系統、NBIoT 以及 LINE 機器人陸續上線,帶來的好處十分顯著。

以松山車站公廁為例,從本來的應接不暇到後來大砍 70% 客訴量,巡察消耗品廁紙所需要的時間從原本的 15-20 分鐘縮短到只需要 10 秒。一旦有異常狀況發生,也從原本的不知不覺,到現今的立即通知。

有趣的是,意料之外的,這整套系統也順便也帶來了安全、以及徹底執行菸害防治法的附加好處。由於廁間只要有人佔用超過 40 分鐘,就會發出警告給清潔人員的群組。所以,一旦有使用者佔用太久,就會有清潔人員來敲門。安全性大幅提昇。

另外,臭味偵測器對於煙味也非常的敏感。由於國家公園全面禁煙,部份偏遠公廁常有旅客存著僥倖心態,溜進公廁偷抽煙。在國家公園的公廁中,臭味偵測器一旦偵測到煙味,就會播放一段菸害防治法的語音,讓旅客清楚知道公廁內抽煙可是要開罰新台幣二千至一萬元的。自從臭味偵測器安裝了之後,公廁使用者偷抽煙的情況很明顯的大幅減少。

後來,松山車站的「智慧公廁」因為克服了種種難題,而得到了交通部頒發的「金路獎」,因此而聲名大噪。從原本的客訴連連,變為各個公部門爭相參訪的模範公廁,讓承辦人多了許多帶團參訪的工作,也可以說是很奢侈的煩惱吧。

未來展望

這套系統因為 3 年的研發和場域實驗過程當中已經實證其穩定性和成本效應,目前已經成功技轉給國內的系統整合廠商。目前服創所也期待未來這套方案能夠擴展、甚至是技轉到歐美地區。

除此之外,在穩定可靠的數據流和通訊連線基礎之上,引入大數據來分析,或許可以讓人力的調配更加的精細,工作分配不均的問題可望得到根本的修正。

面對高齡化社會的來臨, NBIoT 通訊系統,搭配上各種 IoT 感知器,或許可以為我們帶來更健康、安全的生活環境。一些傳統上高度仰賴人力的重複性工作,也可以利用科技大幅提昇效率。

推薦案例

這是一張圖片。 This is a picture.
AI走入公益,食(實)物銀行也有時尚科技

社團法人台灣食物銀行聯合會以下簡稱本會以食物援助、貧困救濟、減少食物浪費、建構無飢網絡為組織宗旨,在台灣各地已有55個食物銀行據點,每日收集來自全台各地量販店、中盤商、零售商、製造商、甚至善心人士捐贈的愛心物資,也會搶救即將被丟棄的可食用物資,進行妥善調配並配送至需求的愛心戶手上,幫助在地弱勢邊緣戶。 但各據點皆需大量人力與志工以傳統聯繫方式處理食物銀行日常事務,聯絡非營利組織與捐贈機構,為據點收到物資捐贈後,再分配給有需要的家庭戶或個人。在物資管理上缺乏數位化與整合資訊,可能產生物資資源分配不均問題。 倉儲轉運中心與迷你食物銀行 分配弱勢物資 本次場域驗證單位社團法人高雄市慈善團體聯合總會食物銀行據點之一,以下簡稱高慈總 於109年6月24日正式啟用台灣首座「食物銀行-倉儲轉運中心」佔地200坪,提高食物物資再分配、運用之效益、妥善存放及食物物資管理,至今已搶救近二百噸蔬果續食,服務一百多個團體、逾5萬戶弱勢家庭受惠,持續服務19家迷你食物銀行,將於高雄多個行政區陸續落成,分配食物物資給超過10萬人次弱勢家庭。 高慈總「食物銀行-倉儲轉運中心」於高雄大社區 照片來源 社團法人高雄市慈善團體聯合總會 人力與食物物資管理的挑戰 面對大量經濟弱勢家庭的需求,「食物銀行-倉儲轉運中心」的管理顯得格外重要。進貨時需進行分類整理、汰廢、入帳等繁瑣的工作,出貨時則需參照社工員的食物物資需求做配置建議。這些工作都需要依靠人工判斷及經驗累積。而參與的志工多為高齡人士,體力有限,而倉儲工作需耗費大量體力,志工的招募困難重重。倘若有大批食物物資進庫,在調配上會耗費空間與人力整理、盤點,並同時擔憂食物物資是否能有效的被運用及周轉。也顯示出食物銀行服務逐漸擴大規模,但人力與物資管理系統無法隨之配合。 同時食物銀行物資來自各界之捐贈,故類別多樣且效期、規格、數量也均不相同。迷你食物銀行的志工夥伴,多數也為高齡人士,但卻需執行個案服務、食物物資管理配置、物資資源開發等多重職責,有時也需向物資領用者說明並接受即期、大量特殊性的物資,如成人接受嬰兒奶粉。 「食物銀行-倉儲轉運中心」物資盤點需要皆仰賴人力 迷你食物銀行志工具多重職責 照片來源社團法人台灣食物銀行聯合會 報廢物資減少60 物資轉遞速度增加80 為精進物資管理並達到物資有效利用,並解決人力短缺等問題,在本次場域實證案導入「食物銀行倉儲物資募集AI自動預警需求判讀系統」,第一部分為建構分類模型之前置作業,建置以及蒐集場域倉儲資訊,進行AI建模訓練,將過往場域倉儲資訊收集建置成資料庫,使AI可進行預處理、分類等工作。同時視其物資種類之相依狀況作為特徵值,導入演算法中進行運算建模,再依收集之資料進行重新訓練,最終進行場域驗證並針對經常性五大類物資進行數據整理,以建立數據資料所需之訓練及測試資料集,第二部分以演算法之RNN技術建構分類模型;進一步利用強化學習建構食物銀行倉儲管理機制,使分類完善之受贈物資如白米、沖泡飲品、麵條、泡麵、罐頭等可以根據儲位指派原則自動指派儲位。 AI服務系統服務流程與說明 資料來源社團法人台灣食物銀行聯合會 在AI預判下,可優化物資轉遞速度及物資調配,有效精準配對物資捐贈並降低捐贈歷程的損耗,增加物資分配正確性,提高媒合服務率即捐贈成功率,降低錯誤物資造成人力物力浪費,即時監控食物物資的庫存,確保操作者能夠迅速回應需求,有效提供物資援助。 以AI系統的導入,加上數據智慧化建置,協助倉儲轉運中心的運作,可爭取更多時間分配捐贈物資使用。導入加速社福團體數位化服務推展,完善照顧整體社會弱勢群組之需求。 使用系統進行物資分配調度 照片來源 社團法人高雄市慈善團體聯合總會 透過本次的場域驗證後,未來可推廣至食物銀行其他服務據點導入AI系統,也可與更多非營利組織、公益團體、慈善團體等夥伴合作,擴大「食物銀行倉儲物資募集AI自動預警需求判讀系統」應用範圍如醫療用品配送,幫助更多組織更智慧化地管理和分發,減少物資的浪費,以提高社會福祉。

【導入案例】海量數位工程AOI機器智能手臂檢測系統 大幅提高瑕疵檢測精準度
海量數位工程AOI機器智能手臂檢測系統 大幅提高瑕疵檢測精準度

臺灣堪稱製造業大國,然而,在產線上,品質瑕疵檢測一直是製造業長期痛點,雖然有AOI設備可輔助,但大多採用固定式機器,受限於角度,診斷不夠精準,誤判率也高。海量數位工程公司導入AOI機器智能手臂檢測系統,可有效降低誤判率,提高瑕疵檢測精準度。 一般來說,產品的良率攸關企業的成本與客戶的退貨率,而製造產業品質瑕疵的檢測流程,往往需要編制大量的品質檢測人力。目前製造業檢測工具雖然有AOI設備來輔助進行,但這些設備多半採用固定式的檢測機器,固定式相機容易受限於角度,導致診斷不夠精準,誤判率太高等缺點,因此,人員在後端需要再次篩選檢驗,也就是複檢,通常人工目測檢視的瑕疵漏檢率平均在5上,甚至可高達20。 製造業品質檢測三大痛點 機器手臂AOI之動態多角度品檢協助解決 根據海量數位工程實際了解製造業在檢測產品品質有三大痛點: 痛點一、人力檢測產品品質出錯率高 目前製造業多以人力來檢測產品外觀,但人工判斷多半有誤差,例如:表面刮傷、色差、焊道外觀hellip等,瑕疵判斷出錯率高,且須待成品階段才能一次性檢驗,時常出貨前全檢後依然遭整批退件,導致重製及人力成本大增。 痛點二、品質檢測之數據無法量化與記錄 傳統人力檢測無法保留檢測數據,嗣後發生品質糾紛時,責任難以釐清。而海外品牌高階代工單往往要求溯源與相對應的缺點紀錄,傳統產業原有之人力檢測難以符合更高階代工單之要求。 痛點三、傳統AOI視覺檢測的限制 現有製造業常用的AOI視覺檢測系統,因為視覺軟體技術的限制,都是以固定相機、固定光源及單一角度的方式來進行,這種方式對於平面或形狀由直線組成之產品例如:長方體或正方體的單一檢測點尚可處理,但對於複雜形狀的產品例如:汽車零件多為不規則狀多點、多幅度的檢測,就較難實現。 海量數位工程研發AOI機器智能手臂檢測系統,有效提高瑕疵檢測精準度。 為解決製造業在品質檢測的痛點,海量數位工程決定從研發多角度、可移動式的檢測儀器開始發想,從結合工廠自動化領域中的兩大代表性技術-機器手臂與機器視覺著手。海量數位工程以機器手臂結合AOI之動態多角度AI視覺即時品質檢測方式,改善固定式檢測受限多角度的問題,視覺檢測技術的提升與結合人工智慧,進一步相機取得的影像資訊可由平面取樣提升至多角度、多維度取樣。 選定汽車產業做為實證場域 可快速回應顧客需求 AOI機器智能手臂檢測系統,所運用的AI技術包括無監督學習(unsupervised)、監督式學習Supervised learning、半監督式學習Semi-supervised Learing,使業者在初期樣本不齊全,或是沒有不良樣本的情況下也能使用無監督深度學習技術學習良品,並應用在汽車三角架自動焊接的視覺檢測上。可解決導入前受限於固定式機器的角度、診斷不夠精準、誤判率高的問題。 汽車零組件單價較高,會要求更嚴格的瑕疵檢測正確率。 在導入AI服務的產業中,選定汽車製造業作為實證場域。海量數位工程表示,汽車製造業主要為相關零組件製造商,而且通常元件單價較高,需更多品質檢測品質及良率,會要求更嚴格的正確率,因此選定汽車業做為導入的場域。 機器手臂結合AI之動態多角度AOI視覺即時品質檢測系統,除了可以改善汽車零組件檢測瑕疵品質失誤率外,因為以多角度的機器手臂AOI服務來提升定點式AOI光學檢測,可以符合多數產業之量測需求;最後是建立第三方系統平台,建置共同工作整合平台監測系統,以便在問題發生時,第一時間接收訊息並著手處理。 本系統可針對出廠產品之重要數據進行記錄儲存,為實現未來數位生產線與虛擬生產之基礎。同時於瑕疵發生時,可即時串接海量MES監控系統,迅速反應至相關製造決策部門,嗣後並利用ERP系統進行專案管理與檢討,有效精進其生產效率,降低生產成本。 有助降低溝通成本 期許成為行業標配 就產業上下游整合而言,可以為上下游之數據連貫提供一基礎之標準,降低供應鏈之溝通成本,經由指標代工廠與品牌商的認證,有機會成為該產業之行業標準配置。 透過此一計畫的產出數據資料庫建置,業者進一步透過大數據分析Data Analysis,優化供應鏈管理的解決方案「供應鏈規畫Supply Chain Planning, SCP」,依據數據,建立預測計畫,並運用科技串連供應鏈上下游的數據,精準控制產品品質。未來對接歐美、日,需要品質精細訂單,業者能更快速回應及整合產業供應鏈Supply Chain 。 最後期望透過標竿示範產業之場域驗證,例如:以汽車零組件製造產業標竿示範場域,透過機器手臂結合AI之動態多角度AOI視覺即時品質檢測系統計畫進行驗證,讓汽車代工廠與汽車原廠之間有更優化的供應鏈聯繫,並成為該行業標準。更進一步尋求更多的AI團隊,加入場域協作平台跨產業之開發,帶動整體AI新創與場域結合的生態系。 海量數位工程研發的自走車

【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