AVEVA台湾技术峰会 整合工程与营运数据加速工业AI落地应用
工业AI应用扩大,企业如何整合分散的设备、制程与工程数据,并将分析结果用于日常决策,成为推动智能制造的实际考验。工业软件大厂AVEVA于10月29日在台北美福大饭店举行「2026 AVEVA台湾技术峰会」,以「加速工业智能,共创产业新未来」为主题,聚焦工业AI、数码孪生与工程协作,探讨设计、施工与维运信息的串接方式。台化、李长荣化工及台北荣总等业界专家代表亲临现场分享制程节能、设备预警与透析风险预测经验,呈现实时数据与模型分析的应用成果,以及人才培育、跨部门合作与现场执行的挑战。
AVEVA台湾销售总经理黄瑞珩指出,台湾在半导体、石化、能源及先进制造领域拥有深厚的产业基础,但面对全球供应链重组、能源转型与人才短缺等挑战,企业必须进一步思考如何运用既有的工程与营运数据,提升长期竞争力。他认为,工业AI的价值不只是导入新技术,而是能否真正解决现场问题,将数据分析转化为更好的营运决策,并把成功经验复制到不同产线与厂区。
整合数据与领域经验 扩大工业AI应用效益
能源成本、人才短缺与减碳要求,促使制造业扩大工业AI应用,数据整合也成为落实成效的重要课题。AVEVA合作夥伴与业务发展副总裁Naveen Kumar表示,台湾半导体、石化与能源产业已累积实务成果,后续须建立可信、互通且保留制程脉络的数据基础,支持工程与维运决策。
AVEVA透过PI System管理营运数据,结合CONNECT平台与AI分析,协助企业提前识别异常。在台湾合作案例中,系统监控逾2,000台泵浦与洗涤塔,首年发出70次早期预警。他也强调,应让第一线工程师取得适当的数据与工具,将分析结果用于日常操作及维护。
供应链区域化与海外设厂需求增加,制造业必须兼顾成本、供货韧性与跨厂管理。勤业众信能源、资源与工业产业负责人暨资深执行副总经理温绍群表示,台湾工程经验需透过数据与技术转为可复制的能力,才能支撑跨国营运。他以全球灯塔工厂为例,强调AI应用须展现良率、产能或供应链协作的具体改善,并具备规模化条件。企业应整合IT与OT数据,以共通平台支持不同应用,避免专案各自形成数据孤岛。低程序码工具普及后,人才培育也须重视领域知识与业务理解,配合跨部门资源协调,让概念验证成果扩展至日常营运。
工业AI深入制程与设备管理,分析准确度及系统安全成为导入考量。AVEVA高级副总裁暨PI System业务全球负责人Harpreet Gulati表示,工业应用须结合领域知识、数据驱动与物理模型,让分析结果符合现场条件。AVEVA正将AI嵌入PI System,规划透过MCP界面连结企业选用的大型语言模型,让工程师以自然语言查询系统状态、追查异常原因。
现场示范中,AI助理依据厂区与设备脉络,协助追查碳排放数值异常的数据对应问题。数码孪生则串联工程图资、实时数据与维护纪录,让人员查阅设备时,也能掌握相关文件与操作条件,减少跨系统查找。
高密度GPU机柜与液冷系统普及,数据中心面临更高用电需求与剧烈负载变化,供电、散热与算力须同步评估。AVEVA台湾区资深售前顾问蔡朝凯表示,既有监控系统各自运作,容易造成数据断层与告警过多,增加异常排查难度。
AVEVA透过PI System整合实时与历史数据,结合ETAP电力数码孪生、制程模拟及预测分析,协助企业在扩建前验证供电与冷却余裕,营运期间则提前识别设备异常。再透过统一营运中心与CONNECT平台,依管理者、工程师及操作员需求呈现信息,支持跨站点能源管理与维护安排。
化工设备的故障徵万亿,可能出现在上游制程,仅监控设备本体未必能及早发现问题。李长荣化学工业经理黄振峯分享,公司整合工程模型、实时数据与AI分析,将监控范围延伸至故障前置因素,例如透过过滤器流量与压差变化,在马达受损前通知现场处理。
目前相关应用可提前4至8小时识别异常,非预期停机风险降低约30%,用电及蒸气单耗改善3%至5%。公司也推动全员AI培训,1,776名员工全数通过初级认证,并要求进阶学员以实务专案解决工作问题。涉及制程操作时,则由工程师授权与把关,兼顾应用效率与现场安全。
串联工程交付与现场维运 落实跨领域智能应用
工程专案跨越设计、采购与施工,材料延迟及变更信息传递不及,都可能增加成本与工期。AVEVA副总裁暨亚太区售前负责人Shenoy Janardhan表示,数码交付须将工程数据延伸至工地,让不同团队共享一致信息。透过进阶工作包管理,可将工程内容拆分为施工与安装任务,并在派工前确认材料、机具、作业空间与安全许可,减少现场等待。施工时程也能结合3D模型,检视不同阶段的预定进度;现场工班则以平板查阅图面并回报状况。再结合物料追踪与企业系统串接,团队可依到货情形调整排程,将设计变更反映至采购与作业指示。
建厂工程分工细密,设备变更往往牵动配管、电气与结构设计,数据版本不一致容易增加施工修改。鼎创科技产品经理潘俊钦表示,AVEVA Unified Engineering整合1D属性数据、2D图面与3D模型,让各专业接续使用设计成果。以制氢工厂为例,制程调整后,设备数据可供电气负载计算与3D配管使用,电缆敷设长度也能回传材料清单;双向一致性检查则协助找出图面与模型的遗漏。他强调,企业仍须建立标准元件库、材料代码与变更流程,并培育种子工程师,才能让协同设计持续运作,降低重复输入与重工风险。
老厂历经扩建与维修,竣工图往往与现况产生落差,增加改造施工的不确定性。铨崴国际副总曹志成表示,透过雷射扫描取得点云,再以AVEVA E3D重建具工程属性的模型,可在施工前确认管线干涉、设备界面与吊装空间,并支持管段预制,缩短现场作业时间。团队曾在4个月内完成约57,000平方米石化基地的扫描与建模。他建议企业配合局部改造、设备汰换或岁修,分阶段累积数码资产,再串接图面、规格与维修纪录,供日常维运查阅;后续工程也须持续回填变更,让数据维持参考价值。
设备维护由门槛式告警延伸至预测分析,需要同时掌握运转模式与制程条件。AVEVA亚太区客户成功经理阎健说明,PI System负责整理现场数据与资产脉络,制程模拟平台APS提供物理推算,预测分析工具APA则学习正常运转时的多变量关系,识别尚未超过告警门槛的早期偏差。
工程师确认故障原因与处置方式后,可将结果回馈案例库,供后续相似事件参考;再透过AF资产范本,将模型扩展至同类设备,减少重复建置。分析结果可于PI Vision中与实测数据对照,协助维运人员缩小排查范围,安排检查与处理顺序。
石化制程设备相互牵动,单机节能未必能降低整体能耗,企业须纳入全流程评估。台湾化学纤维制程改善高级工程师林宗裕分享,台化透过AVEVA Process Simulation建立苯酚纯化段六座蒸馏塔模型,整合循环物流与塔间热交换,发现适度提高部分塔的能源投入,可让其他塔减少蒸气用量,改善整体效率。目前系统每日自动运算三次,依现场数据提供操作建议,并透过软仪表推估塔内组成与热交换量,协助比对仪表读值及设备表现。后续将持续改善仪表板界面,并评估将经验复制至其他纯化装置与化工制程。
医疗AI应用延伸至实时照护,设备数据整合成为临床预警的基础。台北荣民总医院信息室研发组组长朱原嘉分享,院方透过AVEVA PI System,每分钟撷取洗肾机的血流速、管路压力与脱水参数,结合病历、检验及胸部X光信息,建立透析中低血压风险模型。
系统可在疗程开始后5至15分钟内提供预测,透过床边灯号提醒医护人员评估。模型于院内训练,再部署至床边进行推论,治疗参数仍由医护确认后调整。设备连线也减少人工抄录,团队则持续透过医师、护理师与工程师合作,校正模型并衔接照护流程。
峰会最后,AVEVA台湾销售总经理黄瑞珩以「把台湾制造优势,转化为持续竞争力」总结全天交流,提出四项重点。「掌握趋势」着重读懂产业变化,厘清企业面临的挑战与机会,巩固台湾竞争力;「找到方法」强调连结数据、现场经验与经营决策,让技术应用回应实际需求;「看见改变」则透过客户实践检视营运成果,作为企业推动改善的参考;「采取移动」鼓励结合全球技术能力与在地需求,将交流所得落实于具体专案,持续扩展转型成果。
展望未来,黄瑞珩表示,台湾制造业已累积相当成熟的自动化与数码化基础,下一阶段的关键,在于进一步串联工程设计、建厂、营运与维护数据,让工业AI真正进入企业日常决策。AVEVA将持续结合全球技术资源与在地合作夥伴,深化半导体、石化、能源及先进制造等产业布局,协助企业从单点应用走向跨系统、跨厂区的整合,将台湾既有的制造优势转化为更长远的竞争力。



















