第二次專家諮詢會議

附錄4: 第二次專家諮詢會議

「智慧化居住空間整合應用人工智慧科技發展推廣計畫協同研究計 畫」第 1 案「應用人工智慧科技提升建築物維運管理效益之研究」

專家會議記錄

開會時間:109年10月13日(星期二) 11點至13點整

開會地點：內政部建築研究所 性能實驗中心 一樓會議室 (台南市歸仁區六甲里中正南路1段2496號) 主持人：王所長榮進、沈教授揚庭

出席者：內政部建築研究所（敬請派員指導）陳教授怡兆、楊教授 詩弘、謝總經理博全、張總經理晉銓、汪主任孟欣、許總經理坤 榮、林教授威延、李主任明澔

列席者：李雨澤研究助理、廖士豪研究助理 討論事項:

1. 建築物維運管理的需求面向為何?如何分析其效益?

2. 人工智慧介入維運管理需求與面向優先次序。

（1） 陳教授怡兆

就幾個項目提供建議，在居住空間介入人工智慧應用，

子項目可提升維運管理效益提升研究，七大項目沒有問

題，不過裡面的深化程度低到高，就目前在推動 AI 應 用維運階段裡面，假設我們有分為幾個階段應用，從低 到高應用面向有幾個具體建議，可以分為期程來推動，

適用對象是那些類型建築物，那如果是廠房管線效益就 另當別論，所以我們所條列七大項對於居住空間得需求 面可以再做一些盤點，已經有研究成果，讓成果更凸顯 規模效益，所以說案例演示可以加一些說明，針對案例 應用階段從設計階段就導入了 AI 應用規劃呢?還是只有 從在建工程或是完工建築物導入這個模式，如果是前端 規劃階段就應用 AI 方式提供維運相關規劃的考量，我 想那個效益是最大的，如果是在設計階段做規劃，那 BIM 資料價購需求應該要被完整探討，不同階段 BIM 模型是否能滿足系統需要，如果本研究定義在完工階段 的建築居住空間，可以聚焦在人員監控、設備最佳化、

生活管理這幾點更符合居住空間應用需求，目前國外發 展情況以及有沒有對應防疫需求規劃可以在裡面做一些 探討或是研究重點。

（2） 許總經理坤榮

從我瀏覽資料裡面，從整理的清單整理還算周全，可是在

附錄4: 第二次專家諮詢會議

深化程度上的麻煩是技術上得深化，目前一些條件的可行 性馬上實施的深化，在國外談 AI 往下實踐時候會遇到從 業主端或是從 ai 介入產業的發展做法會不同，從業主端 目前設施管理操作方法邏輯程序資料取得決定 AI 工具，

不管是機器學習、深度學習基本上都會牽涉到舊有的維運 管理既有情境，資料是否足夠去訓練才能達到效益，資料 不足即使技術存在但能夠發揮的效益是有限的，幾使在國 外很多技術都很成熟，但台灣沒有就是沒有紀錄那些資料，

往下要發展 AI 的技術導入，但卻無法讓 AI 發揮效益，

國外在維運管理在探討最多的是在本計畫裡深化程度最 低的前兩項，這兩項國外資料最多不管是產業發展還是繫 屬發展是最成熟的，在台灣因為某些原因我們在能源資訊 上資料是不足的，往下要發展AI 的技術導入，但卻無法 讓AI 發揮效益，國外在維運管理在探討最多的是在本計 畫裡深化程度最低的前兩項，這兩項國外資料最多不管是 產業發展還是繫屬發展是最成熟的，在台灣因為某些原因 我們在能源資訊上資料是不足的，我們的資料是留不下來 的，台灣這方面的資料很少，會不會反映深化程度低，所 以從這個角度出發，深化程度是否要再細分問題的類型來

看台灣的條件，台灣在這個面向上面它適合的深化程度，

中間會有一些評估指標，舉個例子來說台灣人力維運作業 模式流程，要使用AI 還要導入軟硬體，資料目前收集的 情況是如何，國外光是從收集資料從 AI 出發就可以發揮 很大效果，從感測器回應 AI 判讀就可以省去人力就很可 觀，你是在哪方面深化程度條件在台灣已經很好，還要再 繼續開發的軟件，或是已經可以用的技術，軟硬體狀況是 如何?需不需要用到雲端運算等技術條件，可能都需要深 化來面對不同技術，混比較清楚現在來做會比較可行。還 有一個是說每一項，在維運管理都有不同介入的方式，技 術效益做大的是統計的機器學習，跟過往的經驗最能銜接，

最後在談經濟與統計分析，AI 的分析大部分用的方法是 用 LCCA 跟用續發展很類似，講簡單點可以替代傳統方 法成本所帶來的效益，看你是要應用在某個機構，還是工 具普遍用在台灣的產業，或是開發台灣FM 結合 AI 軟體 結合的產業，台灣這方面的技術很足夠，不同層次的 LCCA 效益面向也會不一樣。

（3） 謝總經理博全

即時數據整合，整合不好就無法達到效益，我們是否可以

附錄4: 第二次專家諮詢會議

做一個平台同時去容納數據，針對 BIM 平台的開放度，

太依賴國際性軟體是風險，台灣高鐵要貢獻 2000 多萬維 護費給 IBM 做運維，如果太依賴國際軟體就會被綁架，

是否可以發展國內的平台，我們設計端開發屬於自己得平 台，BIM 的承載能力國內常用 UNITL 引擎做開發，但他 不是真正的BIM 系統，經過幾次 BIM 審查，都會提模型 輕量化的事情，我認為 BIM 不應該做輕量化的事情，所 以我們談 BIM 承載能力你的平台是否可以承受 LOD 400 直接轉到雲端使用，也是我們要發展的，再來就是說我們 本身頂層架構，到底是管一個柱子還是建築以外的公共建 設，再往上拉就是GIS 這一塊，如果太著重於 BIM 格局 就只有建築本體，反而把GIS 給否局掉了，所以從平台上 如果把架構往上拉GIS 整合，屬於城市級的規模，就需要 資訊溝通技術，如果科技部要發展，整個平台用戶端友善 要夠，例如 WEB 是否可以直接看到 BIM 或是手機是否 可以瀏覽，需要把空間界接手段打通，否則就會被受限，

再來就應用面輕量化個概念，不可能住宅花上百萬的金費 在做維運，在大陸有操作過智慧工地，我們對所有工地發 展基樁開挖傾斜監測與環境監測，只需要一個月花四萬工

地結束不需付費，如果整個包含 AI 設施管理運維可以輕 量化到所有的社區應用，讓他平民化應用，會得到能量很 強，所以可以往這幾個面向發展，但資訊能力整合是一個 重點。

（4） 汪主任孟欣

SGS 在全球有 10 個大產業鏈，比如在建築、工業、產品、

消費品等，我們長年來一直在研究送樣品如何去減少人工，

近年來實驗室開始實施機械化手臂，另外會透過視覺影像 去做判釋，那所以我想回饋的是如果把人工智慧用到智慧 建築的產業裡面，我們碰到第一個問題是如何 AI 或是判 別邏輯式的判斷，很多廠商在程式寫入大量人工邏輯，那 只是去判斷訊號異常何差別，然後編輯至邏輯資料庫去告 訴異常情況如何處理，近年來碰到真正在做 AI 的主要以 能源居多，我們在與香港公司合作，他以舊建築為主整理 5-10 年的監控數據後，然後放到演算法去偵測異常狀態，

再經由後續使用加入異常的使用狀態資訊不斷去訓練，其 實他想說的是建築管理是需要客製化的，每個建築物所用 的空調系統架構是不一樣的，可能是全空氣、氣冷、水冷、

分離式，所以監控點位所造成的異常樣態式不一樣的，如

附錄4: 第二次專家諮詢會議

過未來是用在建築獎勵的話，可以先把應用先給展開，有 了基礎架構表後再根據不同情景開展，隨著應用去拓展，

未來在審查要納入創新時候，要先去判斷是以邏輯判別式 還是 AI，那進入到應用細節會去發掘整個系統架構，感 測器如何校正資訊是否正確，會影像到後面的成果判斷的 效益，在AI 部分基本的邏輯判斷還是會有演算法，會有 一個訓練的程序，來從機器學習到深度學習得進程，所以 在架構上或獎勵上能否明確的判斷這個事情。我們之前碰 到過的廠商碰到邏輯判斷報告警式設備異常，跟我們現場 管理或式使用者介面都不是很親切，所以工程師還要從傳 統數據辨別他使用者介面所代表得訊息，對於管理造成困 擾，所以在使用者介面式非常重要的，再來我們在驗收的 時候碰到的事情，在相關的系統測試驗收與可靠度，有沒 有一個邏輯規則可以做為交付予驗收的。另外我在回覆林 老師未來智慧建築不會獎勵 BIM，但中國在 BIM 獎勵分 數拉的很高，他們想把設計工作轉變成資訊工具，帶台灣 營建資訊化跑得很慢如果讓 BIM 變成資訊工具，那還是 擺脫不了由第三方來把它過度成資訊工具，未來兩三年期 間過度當中如果不把它變成獎勵機制的話，那我們把BIM

變成資訊化工具會越來越遠。

（5） 林教授威延

首先我想說七大主題應用面向是否符合營運維護需求面 向，我大概把它分成營運維護兩者，營運好就減少維護，

這七大項除了一三四項目跟維護有關，其他都是跟營運有 關，所以需求面蠻完整的，涵蓋營運跟維護面向，到時候 要如何做分析，與人工智慧結合，我大膽假設 BIM 應用 在營運那種資料是會用到，屬於靜態資料，如果只是要做 資訊整合一般性應用，這些資料是足夠的，但談到 AI 這 些靜態資料是不夠的，AI 需要後面動態資料，是營運維

這七大項除了一三四項目跟維護有關，其他都是跟營運有 關，所以需求面蠻完整的，涵蓋營運跟維護面向，到時候 要如何做分析，與人工智慧結合，我大膽假設 BIM 應用 在營運那種資料是會用到，屬於靜態資料，如果只是要做 資訊整合一般性應用，這些資料是足夠的，但談到 AI 這 些靜態資料是不夠的，AI 需要後面動態資料，是營運維