AVEVA台灣技術峰會 整合工程與營運資料加速工業AI落地應用
工業AI應用擴大,企業如何整合分散的設備、製程與工程資料,並將分析結果用於日常決策,成為推動智慧製造的實際考驗。工業軟體大廠AVEVA於10月29日在台北美福大飯店舉行「2026 AVEVA台灣技術峰會」,以「加速工業智慧,共創產業新未來」為主題,聚焦工業AI、數位孿生與工程協作,探討設計、施工與維運資訊的串接方式。台化、李長榮化工及台北榮總等業界專家代表親臨現場分享製程節能、設備預警與透析風險預測經驗,呈現即時資料與模型分析的應用成果,以及人才培育、跨部門合作與現場執行的挑戰。
AVEVA台灣銷售總經理黃瑞珩指出,台灣在半導體、石化、能源及先進製造領域擁有深厚的產業基礎,但面對全球供應鏈重組、能源轉型與人才短缺等挑戰,企業必須進一步思考如何運用既有的工程與營運資料,提升長期競爭力。他認為,工業AI的價值不只是導入新技術,而是能否真正解決現場問題,將數據分析轉化為更好的營運決策,並把成功經驗複製到不同產線與廠區。
整合資料與領域經驗 擴大工業AI應用效益
能源成本、人才短缺與減碳要求,促使製造業擴大工業AI應用,資料整合也成為落實成效的重要課題。AVEVA合作夥伴與業務發展副總裁Naveen Kumar表示,台灣半導體、石化與能源產業已累積實務成果,後續須建立可信、互通且保留製程脈絡的資料基礎,支援工程與維運決策。
AVEVA透過PI System管理營運資料,結合CONNECT平台與AI分析,協助企業提前辨識異常。在台灣合作案例中,系統監控逾2,000台泵浦與洗滌塔,首年發出70次早期預警。他也強調,應讓第一線工程師取得適當的資料與工具,將分析結果用於日常操作及維護。
供應鏈區域化與海外設廠需求增加,製造業必須兼顧成本、供貨韌性與跨廠管理。勤業眾信能源、資源與工業產業負責人暨資深執行副總經理溫紹群表示,台灣工程經驗需透過資料與技術轉為可複製的能力,才能支撐跨國營運。他以全球燈塔工廠為例,強調AI應用須展現良率、產能或供應鏈協作的具體改善,並具備規模化條件。企業應整合IT與OT資料,以共通平台支援不同應用,避免專案各自形成資料孤島。低程式碼工具普及後,人才培育也須重視領域知識與業務理解,配合跨部門資源協調,讓概念驗證成果擴展至日常營運。
工業AI深入製程與設備管理,分析準確度及系統安全成為導入考量。AVEVA高級副總裁暨PI System業務全球負責人Harpreet Gulati表示,工業應用須結合領域知識、資料驅動與物理模型,讓分析結果符合現場條件。AVEVA正將AI嵌入PI System,規劃透過MCP介面連結企業選用的大型語言模型,讓工程師以自然語言查詢系統狀態、追查異常原因。
現場示範中,AI助理依據廠區與設備脈絡,協助追查碳排放數值異常的資料對應問題。數位孿生則串聯工程圖資、即時數據與維護紀錄,讓人員查閱設備時,也能掌握相關文件與操作條件,減少跨系統查找。
高密度GPU機櫃與液冷系統普及,資料中心面臨更高用電需求與劇烈負載變化,供電、散熱與算力須同步評估。AVEVA台灣區資深售前顧問蔡朝凱表示,既有監控系統各自運作,容易造成資料斷層與告警過多,增加異常排查難度。
AVEVA透過PI System整合即時與歷史資料,結合ETAP電力數位孿生、製程模擬及預測分析,協助企業在擴建前驗證供電與冷卻餘裕,營運期間則提前辨識設備異常。再透過統一營運中心與CONNECT平台,依管理者、工程師及操作員需求呈現資訊,支援跨站點能源管理與維護安排。
化工設備的故障徵兆,可能出現在上游製程,僅監控設備本體未必能及早發現問題。李長榮化學工業經理黃振峯分享,公司整合工程模型、即時資料與AI分析,將監控範圍延伸至故障前置因素,例如透過過濾器流量與壓差變化,在馬達受損前通知現場處理。
目前相關應用可提前4至8小時辨識異常,非預期停機風險降低約30%,用電及蒸氣單耗改善3%至5%。公司也推動全員AI培訓,1,776名員工全數通過初級認證,並要求進階學員以實務專案解決工作問題。涉及製程操作時,則由工程師授權與把關,兼顧應用效率與現場安全。
串聯工程交付與現場維運 落實跨領域智慧應用
工程專案跨越設計、採購與施工,材料延遲及變更資訊傳遞不及,都可能增加成本與工期。AVEVA副總裁暨亞太區售前負責人Shenoy Janardhan表示,數位交付須將工程資料延伸至工地,讓不同團隊共用一致資訊。透過進階工作包管理,可將工程內容拆分為施工與安裝任務,並在派工前確認材料、機具、作業空間與安全許可,減少現場等待。施工時程也能結合3D模型,檢視不同階段的預定進度;現場工班則以平板查閱圖面並回報狀況。再結合物料追蹤與企業系統串接,團隊可依到貨情形調整排程,將設計變更反映至採購與作業指示。
建廠工程分工細密,設備變更往往牽動配管、電氣與結構設計,資料版本不一致容易增加施工修改。鼎創科技產品經理潘俊欽表示,AVEVA Unified Engineering整合1D屬性資料、2D圖面與3D模型,讓各專業接續使用設計成果。以製氫工廠為例,製程調整後,設備資料可供電氣負載計算與3D配管使用,電纜敷設長度也能回傳材料清單;雙向一致性檢查則協助找出圖面與模型的遺漏。他強調,企業仍須建立標準元件庫、材料代碼與變更流程,並培育種子工程師,才能讓協同設計持續運作,降低重複輸入與重工風險。
老廠歷經擴建與維修,竣工圖往往與現況產生落差,增加改造施工的不確定性。銓崴國際副總曹志成表示,透過雷射掃描取得點雲,再以AVEVA E3D重建具工程屬性的模型,可在施工前確認管線干涉、設備界面與吊裝空間,並支援管段預製,縮短現場作業時間。團隊曾在4個月內完成約57,000平方公尺石化基地的掃描與建模。他建議企業配合局部改造、設備汰換或歲修,分階段累積數位資產,再串接圖面、規格與維修紀錄,供日常維運查閱;後續工程也須持續回填變更,讓資料維持參考價值。
設備維護由門檻式告警延伸至預測分析,需要同時掌握運轉模式與製程條件。AVEVA亞太區客戶成功經理閻健說明,PI System負責整理現場資料與資產脈絡,製程模擬平台APS提供物理推算,預測分析工具APA則學習正常運轉時的多變量關係,辨識尚未超過告警門檻的早期偏差。
工程師確認故障原因與處置方式後,可將結果回饋案例庫,供後續相似事件參考;再透過AF資產範本,將模型擴展至同類設備,減少重複建置。分析結果可於PI Vision中與實測數據對照,協助維運人員縮小排查範圍,安排檢查與處理順序。
石化製程設備相互牽動,單機節能未必能降低整體能耗,企業須納入全流程評估。台灣化學纖維製程改善高級工程師林宗裕分享,台化透過AVEVA Process Simulation建立苯酚純化段六座蒸餾塔模型,整合循環物流與塔間熱交換,發現適度提高部分塔的能源投入,可讓其他塔減少蒸氣用量,改善整體效率。目前系統每日自動運算三次,依現場資料提供操作建議,並透過軟儀表推估塔內組成與熱交換量,協助比對儀表讀值及設備表現。後續將持續改善儀表板介面,並評估將經驗複製至其他純化裝置與化工製程。
醫療AI應用延伸至即時照護,設備資料整合成為臨床預警的基礎。台北榮民總醫院資訊室研發組組長朱原嘉分享,院方透過AVEVA PI System,每分鐘擷取洗腎機的血流速、管路壓力與脫水參數,結合病歷、檢驗及胸部X光資訊,建立透析中低血壓風險模型。
系統可在療程開始後5至15分鐘內提供預測,透過床邊燈號提醒醫護人員評估。模型於院內訓練,再部署至床邊進行推論,治療參數仍由醫護確認後調整。設備連線也減少人工抄錄,團隊則持續透過醫師、護理師與工程師合作,校正模型並銜接照護流程。
峰會最後,AVEVA台灣銷售總經理黃瑞珩以「把台灣製造優勢,轉化為持續競爭力」總結全天交流,提出四項重點。「掌握趨勢」著重讀懂產業變化,釐清企業面臨的挑戰與機會,鞏固台灣競爭力;「找到方法」強調連結資料、現場經驗與經營決策,讓技術應用回應實際需求;「看見改變」則透過客戶實踐檢視營運成果,作為企業推動改善的參考;「採取行動」鼓勵結合全球技術能力與在地需求,將交流所得落實於具體專案,持續擴展轉型成果。
展望未來,黃瑞珩表示,台灣製造業已累積相當成熟的自動化與數位化基礎,下一階段的關鍵,在於進一步串聯工程設計、建廠、營運與維護資料,讓工業AI真正進入企業日常決策。AVEVA將持續結合全球技術資源與在地合作夥伴,深化半導體、石化、能源及先進製造等產業布局,協助企業從單點應用走向跨系統、跨廠區的整合,將台灣既有的製造優勢轉化為更長遠的競爭力。


















