智慧建築雲端平台應用推廣計畫
內政部建築研究所業務委託報告
中華民國
109 年 12 月
10915A0013
智慧建築雲端平台應用推廣計畫
受 委 託 單 位 ：社團法人台灣智慧建築協會
計 畫 主 持 人 ：彭繼傳
協 同 主 持 人 ：李國維
研 究 人 員 ：黃立德
研 究 助 理 ：葉金玉
研 究 期 程 ：中華民國 109 年 3 月至 109 年 12 月
內政部建築研究所業務委託報告
中華民國
109 年 12 月
(本報告內容及建議，純屬研究小組意見，不代表本機關意見)ARCHITECTURE AND BUILDING RESEARCH
INSTITUTE
MINISTRY OF THE INTERIOR
RESEARCH PROJECT REPORT
The promotion project for cloud
platform of Intelligent Building
By
Chi-Chuan Peng, Kuo-wei Lee,
Li-Te Huang, Gim-Yu Yeh
目次
目次
目次 ... I
表次 ... V
圖次 ... VII
摘要 ... IX
Abstract ... XIII
第一章
計畫緒論 ... 1
第一節 計畫緣起... 1 第二節 計畫背景... 1 第三節 研究方法與進度說明... 3 壹、 研究方法... 3 貳、 研究流程... 4 參、 研究進度說明... 5第二章
預測維護應用服務案例 ... 7
第一節 國外雲端平台預測維護應用服務相關資料及案例... 9 壹、 國際商業機器股份有限公司(IBM) ... 10 貳、 思愛普軟體系統股份有限公司(SAP)... 13 參、 西門子 (Siemens) ... 15 肆、 微軟(Microsoft) ... 17 伍、 奇異(GE)... 19 第二節 國內雲端平台預測維護應用服務相關資料及案例... 20 壹、 工具機產業之先進製造雲... 20 貳、 遠東機械... 20 參、 高聖精密機電... 21 第三節 預測維護文獻探討... 23 壹、 IFC 資料格式 ... 23 貳、 COBie 資料交換 ... 24 參、 台灣資通訊產業標準... 25 肆、 建築資訊與設施管理... 27II
第三章
業界訪談調查 ... 29
第一節 專家訪談... 29 壹、 訪談目的... 29 貳、 訪談對象... 30 參、 訪談內容... 30 第二節 國內維護機構專家訪談... 31 壹、 中興電工機電物業管理專家訪談... 31 貳、 國霖機電管理專家訪談... 33 參、 美商 Trane Taiwan_詮宏空調系統股份有限公司專家訪談 ... 35 肆、 東磊工程股份有限公司專家訪談... 37 第三節 專家座談會... 39 壹、 座談會目的... 39 貳、 「智慧建築雲端平台應用推廣計畫」專家座談會... 39第四章
雲端平台預測維護應用服務之資料需求 ... 43
第一節 空調設備預測維護應用服務之資料需求... 43 壹、 空調設備預測維護應用相關資料... 43 貳、 空調設備預測維護資料分析... 45 參、 空調設備預測維護數據交換格式標準... 56 第二節 給排水設備預測維護應用服務之資料需求... 60 壹、 給排水設備預測維護應用相關資料... 60 貳、 給排水設備預測維護資料分析... 60 參、 給排水設備預設維護數據交換格式標準... 62 第三節 照明設備預測維護應用服務之資料需求... 64 壹、 照明設備預測維護應用相關資料... 64 貳、 照明設備預測維護資料分析... 65 參、 照明設備預測維護數據交換格式標準... 66第五章
預測維護服務應用情境、功能及資訊架構 ... 67
第一節 提出智慧建築之空調、照明、給排水設備預測維護服務應用情 境、功能及資訊架構... 67 壹、 預測維護模型運作流程... 68 貳、 預測維護服務應用情境、功能及資訊架構... 74 第二節 開發預測維護服務模組及模組規劃... 83 壹、 概論... 83 貳、 開發設備預測維護服務模組示意... 85 參、 各系統模組服務模式資訊應用建議... 86目次
第六章
雲端平台預測維護應用服務之具體效益 ... 91
第一節 開發智慧建築之空調、照明、給排水設備 預測維護嚴重度呈現 91 壹、 預測嚴重度... 91 第二節 預測維護應用服務案例模擬之效益分析... 94第七章
結論與建議 ... 97
第一節 結論... 97 第二節 建議... 97 壹、 研擬智慧建築導入智慧建材應用推廣計畫：立即可行建議... 97 貳、 將系統及其設備，進行標準格式定義和預測維護模型開發：中長 期建議... 98附錄一
期初審查意見與回覆 ... 101
附錄二
第一次工作會議會議紀錄 ... 103
附錄三
第二次工作會議會議紀錄 ... 107
附錄四
專家訪談紀錄一 ... 111
附錄五
專家訪談紀錄二 ... 117
附錄六
第三次工作會議會議紀錄 ... 125
附錄七
第四次工作會議會議紀錄 ... 131
附錄八
期中審查意見回應表 ... 135
附錄九
期中審查會議委員意見回覆 ... 143
附錄十
第五次工作會議會議紀錄 ... 151
附錄十一
專家訪談紀錄三 ... 155
附錄十二
專家訪談記錄四 ... 159
附錄十三
第六次工作會議會議紀錄 ... 165
IV
附錄十四
期末審查意見回應表 ... 169
附錄十五
期末審查會議委員意見回覆 ... 181
附錄十六
程式交付資料 ... 189
表次
表次
表 1:計畫預定進度甘特圖 ... 5 表 2:智慧建築能源管理系統資料格式標準 ... 25 表 3:受訪專家名單 ... 30 表 4:「智慧建築雲端平台應用推廣計畫」座談會出席名單 ... 40 表 5:智慧建築雲端平台應用推廣計畫」座談會討論與回應內容摘要 ... 40 表 6:空調系統資料格式項目 ... 47 表 7:中興電工-空調設備機電保養維護表 ... 55 表 8:空調設備物測維護數據交換格式 ... 56 表 9:給排水系統資料格式項目 ... 60 表 10:中興電工-給排水設備機電保養維護表 ... 61 表 11:國霖機電-給排水設備機電保養維護表 ... 62 表 12:給排水設備物測維護數據交換格式 ... 63 表 13:照明系統資料格式項目 ... 65 表 14:照明設備物測維護數據交換格式 ... 66 表 15:各迴歸方法簡易比較(資料來源:研究團隊自行繪製) ... 74 表 16:空調系統建立預測維護模型建議納入點位參考清單 ... 75 表 17:冰水主機資料概況 ... 75 表 18:各迴歸方法簡易比較(資料來源:研究團隊自行繪製) ... 79 表 19:預測維護投入成本試算表 ... 94 表 20:損失成本試算表 ... 95 表 21:空調系統設備屬性一覽表 ... 98 表 22:給排水系統設備屬性一覽表 ... 99圖次
圖次
圖 1:雲端系統規劃流程 ... 1 圖 2:研究流程圖 ... 4 圖 3:預測性維護 2019-2024 的市場報告 ... 8 圖 4:前 20 名實現預測性維護的公司 ... 10 圖 5:電梯上的傳感器收集數據並將其發送到 IBM ... 12圖 6:Kaeser SAP Leonardo 架構圖 ... 14
圖 7:西門子 MindSphere 平臺開架構... 15
圖 8:Willow Twin 平台架構 ... 18
圖 9:IfcBuilding 空間結構階層圖[19] ... 24
圖10:Building View Of COBie,using standard terms[20] ... 25
圖 11:BIM 和 FM 數據集成中基於知識的反饋迴路潛力的圖形表示... 27 圖 12:預測維護模型運作流程(資料來源:研究團隊製作) ... 68 圖 13:歷史數據收集釋義(資料來源:研究團隊製作) ... 69 圖 14:迴歸模型建立流程(資料來源:研究團隊製作) ... 70 圖 15:一維線性回歸示意圖 ... 71 圖 16:類神經網路之基本結構 ... 72 圖 17:經典機器學習演算法-決策樹 ... 73 圖 18:冰水回流溫度資料 ... 76 圖 19:冰水進流溫度資料 ... 76 圖 20:空調預警報點位架設示意圖 ... 77 圖 21:冰水流量為預測目標之結果比較 ... 78 圖 22:空調預警報點位架設示意圖 ... 79 圖 23:水池 1 水位高資料 ... 79 圖 24:水池 2 水位高資料 ... 79 圖 25:水池 1 報警點位(每日累積點數) ... 80 圖 26:水池 2 報警點位(每日累積點數) ... 80 圖 27:空調-冰水主機類設備預測維護交換格式標準(1/2) ... 83 圖 28:空調-冰水主機類設備預測維護交換格式標準(2/2) ... 84 圖 29:空調-泵浦類設備預測維護數據交換格式標準 ... 84 圖 30:空調-送排風類設備預測維護數據交換格式標準 ... 84 圖 31:照明設備預測維護數據交換格式標準 ... 85 圖 32:給排水設備預測維護數據交換格式標準 ... 85 圖 33:預測服務模式流程圖 ... 86 圖 34:預測服務模式流程圖 ... 86 圖 35:空調系統-冰水主機建議預測服務模式 ... 87
VIII 圖 36:空調系統-冷卻水塔建議預測服務模式 ... 87 圖 37:空調系統-泵浦建議預測服務模式 ... 88 圖 38:空調系統-排風建議預測服務模式 ... 88 圖 39:給排水系統建議預測維護服務模式 ... 89 圖 40:照明系統建議預測維護服務模式 ... 89 圖 41:預測嚴重度呈現 ... 92 圖 42:預測嚴重度處理流程圖 ... 93
摘要
摘要
關鍵詞：智慧建築、資料格式、預測維護、雲端平台 一、研究緣起 根據108 年度的「智慧建築空間性能數據蒐集暨雲端平台應用推廣計畫 案」所提出的雲端平台標準通訊界面和架構結論。 建築物在竣工落成後的營運使用，由於時間長，人事更迭與空間功能需求 異動等，造成建築物相關設施資訊漏失而無法完整與有效掌握，這對現代建築 規模愈來愈大，功能多元複雜，尤其在永續發展智慧建築的趨勢要求下，愈加 凸顯建築物設施管理之重要性與挑戰性。 二、研究方法及流程 本計畫蒐集智慧建築在空調、給排水、照明等數據，彙整設施維運所需資料； 整理數據分析方法，並提出資料格式規範草案。推廣智慧建築雲端平台應用服務。 並舉辦座談會與進行專家訪談，與產官學研各界之專家進行意見交流。 研究方法及流程說明如下： 1.文獻調查分析法 蒐集國外雲端平台公司在預測維護應用服務，以及國際間有關 建築物的維運系統所涉及的標準如ISO-55000(2014)、英國國家 標準學會(BSI)發布的 BS-1192(2007) 和 ISO-19650、施工階段 營建資訊的交付標準Cobie 進行分析與整理。 2.比較分析法 比較目前實際案場使用維護數據，搭配目前數據交換格式標準 進行進行比較分析，做為建立標準格式訂定之參考。 3.專家諮詢法 邀請專家學者針對研究內容進行審議，提出應修正及增刪之意 見，做為基準擬定之參考。X 三、重要發現 本計畫工作全數完成，包含以下主要工作項目： 1. 提蒐集國內、外建築雲端平台預測維護應用服務相關資料及案例；透過 研究，相對於建築產業的預測維護較少著墨。因此，本專業服務案所針 對智慧建築預測維護的研究是具有前瞻性、推廣性和商業性。 2. 提出預測維護服務應用情境、功能及資訊架構，並開發智慧建築預測維 護服務模組及測試建築空間性能相關數據共通之資料交換格式規範草 案：根據前述成果，完成適用於雲端平台之空間性能數據共通之資料交 換格式規範草案。 3. 智慧建築雲端平台架構與回饋資訊效益評估：蒐集分析各種雲端服務應 用模式與智慧建築雲端平台案例，完成雲端平台架構規劃，並提出回饋 資訊效益評估。 4. 辦理智慧建築雲端平台推廣計畫產業訪談調查：於109 年 10 月 16 日辦 理「智慧建築雲端平台推廣計畫」專家座談會、並完成對智慧建築與雲 端平台相關產業中不同領域與角色的專家訪談。 四、 主要建議事項 建議一 研擬智慧建築導入智慧建材應用推廣計畫：立即可行建議 主辦機關：內政部建築研究所 本次計劃發現許多資料不易蒐集，建議可就智慧建材等導入IoT 之設 備，使其蒐集必要之設備數據，以拓展智慧建築雲端平台預測維護效 益。 建議二 將系統及其設備，進行標準格式定義和預測維護模型開發：中長期建議 主辦機關：內政部建築研究所
摘要
中長期發展，預測維護可應用於更多類型系統設備上。因此，建議未來將 其重要系統設備進行標準格式定義和預測維護模型開發，進行強化雲端平 台的資料收集性與服務應用性。
Abstract
Abstract
Keywords：Internet of Things、 Big Data、Cloud Computing、 Artificial Intelligence、 Predictive Maintenance
Because of the vigorous development of technologies such as Internet of Things，big data，cloud computing，artificial intelligence，etc.，the big data of daily operations of buildings through the cloud platform，and the development of related technologies and industries through the use of artificial intelligence technology to invest in capital，value-added application services，and opportunities .
It is recommended to collect data on the performance of the planned smart building space，and to collect inventory of cloud platform architecture and application projects. The main application projects can be divided into four major aspects：forecast maintenance，disaster prevention，health management，and building energy consumption，and the platform content can be gradually built. This year，we will study the steps of planning，design，implementation and verification of predictive maintenance application projects.
The operating cost of an existing building after its completion is the stage of the most accumulated maintenance cost in the entire building life cycle. In order to consolidate the daily operations of building air-conditioning，lighting，water supply and drainage and other equipment through the cloud platform，and provide capital value-added application services to save the daily operating costs，there is an urgent need to promote smart building cloud platform application services.
計畫緒論
第一章 計畫緒論
第一節 計畫緣起
根據108 年度的「智慧建築空間性能數據蒐集暨雲端平台應用推廣計畫 案」所提出的雲端平台標準通訊界面和架構(圖 1)結論，可用來達到資料蒐集的 標準。日後再服務推廣的誘因下，引導使用者根據此方式批次上傳建築物空間 資訊，雲端平台可進行資料分析和儲存，將朝打破數據孤島，達到數據自由流 通為主，確保智慧建築數據共通管理，能提供使用者需求，並具備良性的營運 機制。 圖1:雲端系統規劃流程第二節 計畫背景
建築物在竣工落成後的營運使用，是整個建築物生命週期中，時間最長， 累積維運成本最多的時期，由於時間長，人事更迭與空間功能需求異動等，造 成建築物相關設施資訊漏失而無法完整與有效掌握，徒增管理成本，並折損管 理效率，這對現代建築規模愈來愈大，功能多元複雜，尤其在永續發展智慧建 築的趨勢要求下，愈加凸顯建築物設施管理之重要性與挑戰性。 有鑑於此，本計劃案延續108 年度「智慧建築空間性能數據蒐集暨雲端平 台應用推廣計畫案」，再針對空調、照明和給排水三個弱電系統進行數據蒐集方2 式之調查、數據交換格式之規劃設計後，進而完成預測維護服務應用功能與模 組之建立。並將本案所規劃設計的預測維護服務應用功能進行驗證。 本計劃案將透過雲端平台匯聚建築物空調、照明、給排水等設備之日常營 運大數據，並提供資料加值應用服務，以節省日常營運費用，推廣智慧建築雲 端平台應用服務。如此一來，雲端平台將可累積大量的操作及運轉數據。不但 可延續108 年的計畫案，也是邁向資訊經濟的一個很重要的步驟。
計畫緒論
第三節 研究方法與進度說明
壹、研究方法
本研究主要進行智慧建築雲端平台預測維護應用研究，研擬智慧建築之空 調、照明、給排水設備預測維護應用服務之資料需求、內容及基準，參考國內 外維護服務應用情境、功能及資訊架構、內容及基準，採用文獻調查分析法、 比較分析法、專家諮詢法等，以達成計畫目標。一、文獻調查分析法
1. 國外雲端平台預測維護應用服務相關公司探討。 2. 國外雲端平台公司在預測維護應用服務案例分析。 3. 預設維護的資料架構。 4. 工具機產業之先進製造雲案例分析。 5. 遠東機械旗下發得科技智動化公司案例分析。 6. 高聖精密機電案例分析。 7. 針對國際間有關建築物的維運系統所涉及的標準如ISO-55000(2014)、 英國國家標準學會(BSI)發布的 BS-1192(2007) 和 ISO-19650、施工階 段營建資訊的交付標準Cobie 進行分析與整理。二、比較分析法
針對文獻探討空調、照明和給排水三個弱電系統數據蒐集方式，國內機電 維護廠商專家訪談，目前實際案場使用維護數據，搭配目前數據交換格式標準 進行比較分析，做為建立標準格式訂定之參考。三、專家諮詢法
研究結果經過初步整理後，邀請相關專家學者，進行意見之交流溝通，並 針對本研究內容進行審議，提出應修正及增刪之意見，作為本研究修訂智慧建 築之空調、照明、給排水設備預測維護應用服務合理性之參考依據。4
貳、研究流程
研究流程說明如下圖2：
計畫緒論
參、研究進度說明
本案共規劃11 個月的研究期程如表 1，第一階段(期中報告審查前)以文獻 蒐集及完成智慧建築之照明設備預測維護服務應用情境、功能及資訊架構為 主。第二階段(期中報告審查後)進入預測維護服務功能開發和驗證。 表1:計畫預定進度甘特圖 月份 項目 二 月 三月 四月 五月 月六 七月 八月 九月 十月 十 一 月 十 二 月 備註 交付工作進度報告書 1.蒐集國內、外建築雲端平台預測 維護應用服務相關資料及案例。 1.1 完成國內、外建築雲端平台預 測維護應用服務相關資料及案例 之蒐集。 2. 調查分析透過雲端平台匯聚智 慧建築之空調、照明、給排水設備 預測維護應用服務之資料需求 2.1 完成智慧建築雲端平台之空 調、照明、給排水設備預測維護應 用服務之資料需求分析 3. 提出智慧建築之空調、照明、給 排 水 設 備 預 測 維 護 服 務 應 用 情 境、功能及資訊架構，並開發智慧 建築之空調、照明、給排水設備預 測維護服務模組及測試 3.1 完成智慧建築之照明設備預 測維護服務應用情境、功能及資 訊架構，並開發智慧建築之照明 設備預測維護服務模組及測試 期中審查會議(7/29) 3.2 完成智慧建築之空調設備預 測維護服務應用情境、功能及資 訊架構，並開發智慧建築之空調 設備預測維護服務模組及測試6 月份 項目 二 月 三月 四月 五月 月六 七月 八月 九月 十月 十 一 月 十 二 月 備註 3.3 完成智慧建築之給排水設備 預測維護服務應用情境、功能及 資訊架構，並開發智慧建築之給 排水設備預測維護服務模組及測 試 4 透過建築物預測維護應用服務 案例模擬試算，呈現智慧建築雲 端平台預測維護應用服務之具體 效益 4.1 召開 1 場「智慧建築雲端平台 預測維護應用服務之具體效益」 座談會 期末審查會議 交付機關認可同意之成果報告
預測維護應用服務案例
第二章 預測維護應用服務案例
有關建築雲端平台相關預測維護應用服務資料與案例文獻蒐集工作，本計 畫從國內外文獻整理預測維護發展考量的面向，包含建築資訊模型的分類與應 用、設施管理(Facilities Management，簡稱 FM)整合與資料回饋機制、建築物維 護資料建立等環節。 根據聯邦能源管理計劃（FEMP）的研究估計[1]，運行正常的預測性維護 計劃可以比無功維護節省30％到 40％。2019 年 6 月 20 日 IoT Analytics 發布了 「Predictive Maintenance(預測性維護/PdM) Report 2019-2024」的市場報告[2]。 在此份報告中指出(如圖 3)，透過物聯網技術的應用，在 PdM 方面有六個主要 發現，其依序是： 1. 成本節省：依據用戶與使用者調查回饋，導入PdM 的投資回報率很 高，通常能使維護成本降低 10-50％。IoT Analytics 估計由於新的預 測性維護的導入，2018 年全球各生產組織節省了 170 億美元的支 出，預計到 2024 年可進一步達 1,880 億美元。 2. 大量的供應商出現：PdM 解決方案供應商的數量在 2 年內倍增，時 至統計調查的時間點已有182 家知名供應商。 3. 市場成熟：儘管大多數項目仍處於試驗和概念驗證階段，但許多項 目正在持續擴展，已有些公司正在針對百萬美元級資產與設備進行 預測性維護。 4. 數據分析的角色增強：由於人工智慧領域的快速進步和數據蒐集與 累積的速度增加，複雜的分析變得越來越重要，占整個PdM 預算很 大的份額。 5. 市場持續成長：2018 年 PdM 解決方案市場規模達到 33 億美元， 預計到 2024 年將增長 39 ％至 23.5 億美元。據 IoT Analytics 估 計，到 2024 年透過 PdM 的採用，除了可進一步節省成本至 1，8 880 億美元外，在法規遵從性和安全性增強方面的表現也將有長足 的進步。 6. 迎接下一個挑戰：從過去少數採用PdM，到使用者眾；挑戰已從執 行與採用解決方以利數據蒐集，轉向數據質量和分析人員的產業知 識深度與分析能力。 圖3:預測性維護 2019-2024 的市場報告1 1資料來源:IoT Analytics(https://iot-analytics.com/numbers-of-predictive-maintenance-vendors-surges/)
預測維護應用服務案例
第一節
國外雲端平台預測維護應用服務相關資料及案例
IoT Analytics 研究[3]表明，物聯網的發展和先進的分析推動了整個市場採 取預測性維護策略，2016-2022 年期間預測性維護的複合年均增長率（CAGR） 為39％；另外，到 2022 年技術支出將達到 10.96 億美元。報告數據基於 110 家 從事預測維護實施的技術公司相關業務的收入所得出，這些公司跨越13 個行業 和7 個技術領域。這 110 多家企業中不乏一些初創企業，它們大部分是為預測 性維護提供軟體解決方案的公司。 Iot Analytics 根據報告，發表了”啟用預測性維護的前 20 家公司”[4]文 章，該文章提到預測性維護策略是基於傳統狀態監測與分析算法的增強相結合 的，因此能夠在機器故障發生之前進行預測。研究表明，物聯網和分析技術的 進步正在推動市場採用，該技術的用戶報告其效率提高了25％-30％。作為研究 的一部分，我們從過去的五個不同領域中選出了110 家過去從事過預測性維護 實施的技術公司： ⚫ 狀態監控硬體 ⚫ 工業自動化硬體 ⚫ 連接性 ⚫ 儲存與平台 ⚫ 分析工具 為了更好地了解各個公司在預測性維護領域的活躍度，我們基於與流行的 IoT 公司排名相同的方法，並基於 2016 年的數據，計算了預測性維護公司的公 司排名，如圖4 所示。本計畫將針對其中五大預測性維護公司的相關案例進行 研究和探討。10
圖4:前 20 名實現預測性維護的公司2
壹、國際商業機器股份有限公司
(IBM)
一、相關資料
IBM 的 PMQ(Predictive Maintenance and Quality)是源自於 IBM Waston 所提 供的“認知智慧引擎”，該解決方案基於對設備性能和使用狀況的實時分析， 通過監測、分析和記錄設備的數據，從而輸出主要設備的健康管理數據，減少
非計劃成本，延長設備壽命，提高產品質量和收益等。根據IBM 知識中心的預
測性維護和質量解決方案指南2.5.2[5]。IBM Predictive Maintenance and Quality 能提供操作情報數據，使得能夠執行以下任務： ⚫ 了解，監視，預測和控制產品和過程的可變性。 ⚫ 執行深入的根本原因故障分析。 ⚫ 確定錯誤的操作方法。 ⚫ 增強設備和過程診斷功能。 ⚫ 它還為您提供資產績效管理功能，可幫助您實現以下目標： ⚫ 預先了解設備和過程性能。 ⚫ 增加資產正常運行時間。 ⚫ 確定安全問題。 2資料出處: https://iot-analytics.com/top-20-companies-enabling-predictive-maintenance/
預測維護應用服務案例
⚫ 確定不正確的維護程序。 ⚫ 優化維護間隔和程序。
二、相關案例
(一) 通力電梯公司 KONE
通力[6]使用 IBM Watson IoT Platform 和 Predictive Maintenance Insights 向電 梯和自動扶梯提供智慧服務。通過將其電梯連接到雲端並分析每台電梯產生的 數據，通力可以為每台電梯量身定製完美的維護服務。這意味著更少的故障， 更快的維修，更高的可用性以及讓客戶更放心。 基於AI 的系統不僅可以合成輸入數據，還可以對其進行分析以使其接收到 的信號有意義。例如，溫度讀數略高於正常值可能表明發動機有故障，但是 Watson IoT 也可以指出天氣是否炎熱，這也可能是一個因素。 另一個例子是，當電梯共享時，它比平時高出幾毫米降落，或者在啟動後 出現輕微振動-所有潛在問題的指標。作為響應，Watson IoT 可以安排維護或記 錄異常數據點以供將來參考。 通力在全球擁有幾百萬台電梯和自動扶梯。維護基地中與電梯和自動扶梯 相連的傳感器(如圖 5)和系統共享數據。可以將分析的數據提供給維修技術人 員，維修人員可以確定問題並可以在開車前往現場之前提前保留正確的備件。 通過實時分析，可以就如何解決任何潛在的問題，在問題成問題之前做出明 智，主動的決策。 除了收集和存儲設備數據之外，通力還使用IBM Cloud 收集和存儲設備數 據，構建應用程序並開發新的解決方案。這些新服務將尖端技術與人們的需求 理解相結合，以改善家庭，社區和城市中的人口流動。
12
圖5:電梯上的傳感器收集數據並將其發送到IBM3
(二) 普惠飛機發動機公司(Pratt & Whitney)
普惠公司[7]將在 IBM 的幫助下，極大地擴展其當前的性能監控功能，該功 能可用於4,000 多個可運行的商用引擎。IBM 將協助普惠公司利用其軍事診 斷，預後和健康管理功能，為迅速增長的商業機隊提供主動和自動化的後勤服 務。 這將為普惠公司的客戶提供更長的飛行時間，補充當前的資產維護警報， 並提供對飛行運營數據的更好洞察。普惠公司通過整合我們從軍用發動機計劃 中獲得的經驗，在監控能力方面不斷提高，並與IBM 合作以集成組件和系統健 康信息，我們將為客戶增強我們的商業發動機健康分析服務，這將使我們能夠 準確主動地監控客戶發動機的運行狀況，並為我們提供進一步的可視性，以便 在減少客戶成本的同時，為優化運營進行提前計劃。 3資料出處:https://www.altoros.com/blog/kone-monitors-1-1m-elevators-and-escalators-with-ibm- bluemix-and-watson-iot
預測維護應用服務案例
貳、思愛普軟體系統股份有限公司
(SAP)
一、相關資料
SAP 的物聯網產品組合被命名為 SAP Leonardo[8]。SAP Leoned IoT 解決方 案（包括SAP Connected Goods，SAP Vehicle Insights，SAP Predictive
Maintenance 和服務和 SAP 資產智慧網絡）。SAP Leonardo 提供了智慧 IoT 應用 程序，用於開發的業務服務，用於處理高速數據的技術服務以及在設備級別處 理信息的智慧邊緣。SAP Leonardo 在針對以下領域的端到端產品中結合了 SAP
的獨特優勢，包括在25 個行業中擁有 45 年的業務流程知識以及在大數據管理 方面的領導地位。 ⚫ 物聯產品，以提供有關生命週期管理、採購、回應和供應以及數字供 應網路的新見解；以及跨所有行業的智慧物聯產品的設計，製造和交 付。 ⚫ 連接資產可跟踪，監視和分析固定資產，包括製造和維護業務流程， 以降低成本並增加設備正常運行時間。 ⚫ 物聯車隊，使擁有移動資產（例如車輛，機器人，叉車和自動駕駛汽 車）的企業和公共服務組織能夠改善服務和安全性，物流和服務質量 的可見性。 ⚫ 用於物理基礎設施系統、建築和能源電網的新型數位運營情報的基礎 架構，可改善服務，提高運營效率，合規性並降低風險。 ⚫ 連通市場，以實現與當地相關的新生產和商業模式，並在適當時機獲 得客戶和營銷見解，數位農業綜合企業，智慧港口和智慧城市。 ⚫ 將人們聯繫起來，以提供更具洞察力的協作型工作角色，健康管理和 智慧家居環境，從而將人們和社區聯繫起來，並提供更好，更個性化 的生活方式。
14
二、相關案例
(一) 凱薩空壓機公司(KaeserKompressoren) 全球最大的壓縮空氣系統和壓縮空氣諮詢服務提供商之一 KaeserKompressoren[9]在全球 100 多個國家/地區提供服務。為了滿足這些客戶 的需求有效地滿足需求，它必須為遍布全球的數千名現場員工提供出色的支持 地球，並幫助他們以智慧的方式處理所捕獲的數據。Kaeser 轉向 SAP®Digital 商業服務，以創新方式為解決這一挑戰提供指導。Kaeser 的 Sigma Smart Air Service 以 SAP Leonardo 物聯網功能為基礎現在 提供了最好的現場服務，由單一來源的產品、組件、備料、和服務訊息，其架 構請參考圖6。新系統通過 SAP Asset Intelligence Network 與供應商聯繫並使用 SAP Predictive Maintenance 進行預測分析，以深入了解資產維運狀況和服務解 決方案。這不僅提高了機器的可用性，而且還進行了維護和維護。
其他服務產品更具成本效益，該公司現在看到使用機器改進其工藝學習能 力是下一個邏輯步驟。Kaeser 的轉型使其能夠改變業務從銷售壓縮機到銷售壓 縮空氣的模型，並使其與眾不同壓縮空氣供應商。
圖6:Kaeser SAP Leonardo 架構圖4
預測維護應用服務案例
參、西門子
(Siemens)
一、相關資料
作為工業自動化的專家，西門子與SAP 和 IBM 做預測性維護的角度不 同，通常是將預測維護應用於工廠設置和工業設備的自動化系統中。因此，在 坐擁巨量數據的基礎上，西門子已經有了建立機器學習演演算法的前提。西門 子於 2016 年推出 MindSphere [10]平臺。該平臺採用基於雲的開放物聯網架構 (如圖 7)，可以將感測器、控制器以及各種資訊系統收集的工業現場設備資料， 通過秘密頻道即時傳輸到雲端，並在雲端為企業提供大資料分析挖掘、工業 APP 開發以及智慧應用增值等服務。 圖7:西門子 MindSphere 平臺開架構5 5資料來源：https://iot5.net/iot-platforms/siemens-mindsphere-iot-platform/16
二、相關案例
(一) NASA 飛行研究中心(NASA Armstorng)
NASA Armstorng[11]是美國航太中心進行大氣飛行研究和運行的主要重 地，西門子工業服務團隊提供了一項託管的診斷服務計劃，以監控設備的運行 狀況，並深入了解系統性能和需要改進的領域。主要目標為冷藏室和冷卻系統 的可靠性對於防止過熱以及計算機和飛行系統的潛在故障至關重要。NASA 希 望升級i其監視功能，以使維護管理人員可以更好地了解風扇、泵、空氣處理機 和冷卻塔等資產的性能。除了升級中心的監視設備外，NASA 還尋求提高系統 性能數據的透明度，並獲得對服務、維護管理的潛在改進和降低的運營成本的 見解。
西門子開發了託管診斷服務程序。他們的Drive Train Analytics 服務為 NASA 提供了最新的數位監控技術，有關選擇要收集的“正確”數據的決策建 議，以及該領域領先專家提供的數據分析和可行的方案，以進行改進。西門子 與NASA Armstorng 的工程和維護團隊合作，確定了 25 種關鍵任務資產將包含 在服務中。這些資產包括空氣處理機組、壓縮機、冷卻塔、風扇以及為冷藏室 和冷卻系統提供服務的冷熱水泵。西門子工程師安裝了數據採集系統，包括傳 感器和軟體，將數據從設備傳輸到異地西門子專家中心。測得的數據通過安全 的物聯網連接傳輸，該物聯網連接僅允許單向通信以增強安全性。該系統具有 最大的靈活性和可擴展性，允許NASA 在系統或需求發生變化時添加設備。 透過可管理的診斷服務，NASA Armstorng 的團隊可以對其系統的性能和可 靠性更有信心。NASA 從此數據驅動的服務中獲得的收益包括： ⚫ 通過連續的監視和預測分析提高了關鍵資產運行狀況的透明度。 ⚫ 專家見解，可潛在改善服務、維護管理。 ⚫ 通過應用預測性維護增加了資產的正常運行時間。 ⚫ 減少了由於進行了詳細分析，可以在早期排除故障，從而進行故障排 除，從而可以在早期階段發現故障。
預測維護應用服務案例
(二) 德意志鐵路公司（Deutsche Bahn）
德國鐵路（DB）[12]和西門子（Siemens）正在為高速 Velaro D（407 ICE 3 系列）列車的預測性維修和保養啟動試點應用程序。即將發生的故障和故障以 及這些問題的根源將通過數位化數據分析在早期得到識別，然後從該數據中得 出車輛維護的建議。因此，可以避免停機時間，並提高車隊的整體可用性，從 而使車輛操作更具成本效益。 列車在進行中，從Velaro D 車隊接收的數據，將基於並補充車載診斷信 息，並進行系統分析。為此，西門子是鐵路行業中第一家運營特殊數據分析中 心的公司，即慕尼黑的移動數據服務中心。來自車輛的數據，將在中央診斷系 統中接收和分析，以計算故障預測。這些預測將由專家用作經過驗證的行動建 議的基礎，並直接傳達給DB 車間的技術人員以進行緊急或計劃的維護活動。 數據分析基於算法和模型，可以對車輛和零部件的未來行為進行高度可靠的預 測。 在操作過程中，所有診斷數據都可供操作員和維護人員使用，並以易於理 解的用戶友好型顯示方式顯示。因此，可以快速監控車輛的當前狀態並採取適 當的措施。
肆、微軟
(Microsoft)
一、相關資料
微軟Azure 正致力於將自己發展成為工業 IoT 解決方案和預測性維護的首 選公共雲平台。根據該市場報告，越來越多的預測性維護的應用程序正在從內 部部署轉移到雲端。到2022 年，大約有 70％的預測性維護設置將被雲託管。 除了雲基礎架構，微軟Azure 目前還有兩個「預先配置的解決方案」，旨在幫助 任何人輕鬆上手，例如：提供必要的分析引擎「預測維護」和「遠程監控」。18
二、相關案例
(一) 蒂森克虜伯(ThyssenKrupp )股份公司 蒂森克虜伯電梯公司[13]位於德國埃森，是電梯技術的全球領導者，在其 合作夥伴Willow 的幫助下，該公司正在將其對城市機動性的了解提升到一個新 水平。蒂森克虜伯電梯公司在其位於德國羅特韋爾的創新測試塔中，使用 Willow Twin（物理建築物的數字化虛擬模型）來徹底改變建築物的維護方式並 增強租戶和訪客的體驗。Willow Twin 是基於 Microsoft Azure 構建的，使用了廣 泛的Azure 服務，包括最近發布的 Azure Digital Twins。創新測試塔是一個超過 800 英尺高的測試實驗室，公司可以在其中嘗試新技術並向潛在客戶和公眾展 示它們。它既是測試實驗室，也是一座活躍的商業建築，擁有近200,000 平方 英尺的辦公空間和物聯網（IoT）感測器，可每天 24 小時傳輸各種數據。 該系統(其架構如圖 8 所示)將來自多個來源的數據匯總在一起，包括電梯 和垂直運輸，照明，安全，佔用和能源系統。利用歷史和實時數據，該生態系 統創建了可付諸實踐的見解的融合，從而改變了建築資產和體驗的運營。 圖8:Willow Twin 平台架構6 6資料出處: https://customers.microsoft.com/en-us/story/thyssenkrupp-manufacturing-azure-iot預測維護應用服務案例
伍、奇異
(GE)
一、相關資料
GE 的預測性維護包含了兩個角度：一是建立在硬體狀態監控領域之上的 GE Measurements，二是涵蓋了預測性維護的軟體和分析部分的 GE Digital。GE 的Predix 平台以資產績效管理（APM）的基礎，GE 稱其是物聯網領域第一個 「殺手級應用」。此外，GE Digital 正在推進數字雙胞胎的概念，這是預測維護 分析的重要基礎。二、相關案例
(一) 英國石油(British Petroleum，BP) GE Transportation 再製造工廠[14]是通用集團旗下的柴油機回收、維修及再 製造工廠，這個工廠是由舊工廠改造而來，主要是利用GE Predix 平台監測和 分析來自1,000 萬個感測器的 5000 萬條數據，然後將這些數據反饋到 Predix 平 台進行分析，來跟蹤設備狀態，產線狀態和訊息，進而提高設備及過程的可控 性，降低生產成本和風險，並提升企業的盈利能力。針對每一台內燃機中柴油 機的使用工況進行有針對性的再製造，儘可能利用還可以使用的零部件。 GE Predix 工業物聯網大數據分析，雲端平台可以幫助客戶將海量數據轉化 為準確的決策，及時、主動地確保資產安全、幫助設備更好地運行、消耗更少 的燃料、更高效地部署服務，並且最大限度地減少意外停機時間。20
第二節
國內雲端平台預測維護應用服務相關資料及案例
近年來，國內應用於預測保養與品質檢測主要依賴機器視覺。機器視覺的 應用範圍越來越多，例如從2D 圖像處理到 3D 系統的發展。在汽車製造業中， 3D 檢測系統掃描鑄件等複雜的幾何形狀。光學檢測系統不僅可檢測最小的缺 陷，還能提供可用於優化流程的寶貴數據。壹、工具機產業之先進製造雲
雲製造[15]所指的是將分散式的製造資源封裝成雲端服務，使其可支援製 造相關的活動。與直接使用雲端運算資源相比，雲製造是一種較進階的雲端運 算應用。本論文[15]開發完成一個雲製造平台：先進製造雲(Advanced Manufacturing Cloud，AMC)。先進製造雲提供許多製造相關的雲端服務，可幫 助使用者執行一些工具機的智慧化活動，例如，收集工具機加工資料到雲端、 在雲端建立預測模型、從雲端將預測模型下載到工廠端以執行預測應用、透過 雲端服務推薦合適的加工工具機或刀具、透過雲端服務提供虛擬工具機功能 等。本論文[15]首先描述 AMC 的架構設計，然後說明 AMC 核心功能之設計與 實作。為了建置完成一個AMC 的雛型，本研究將雲端服務部署於 Windows Azure 公有雲平台上。最後，本研究將 AMC 應用於合作廠商的工具機以進行整 合測試與效能評估。測試結果驗證了AMC 對促進工具機智慧化的有效性。貳、遠東機械
遠東機械[16]旗下發得科技智動化行銷服務團隊，開發出第一條具備雲端 線上即時量測（AVM）、雲端機台智慧預測保養（IPM）及雲端虛擬與擴大實境 維修（AVR）的鋁輪圈自動化生產線。當中比較重要的功能如即時狀態呈現、 製造流程可視化、機台狀況異常可視化提醒、品質數據資料收集與擷取、品質 數據回饋控制與管理、維修與保養可視化、產品追蹤以及歷史紀錄查詢、效能預測維護應用服務案例 分析即時呈現等。遠東機械期待以簡單直觀的操作介面來貼近市場用戶的心， 並將其應用於管理、維修與保養等各領域，讓各個領域管理人員可以透過，即 時且具體化影像資訊來進行判斷與溝通，作出精準決策，落實工廠資訊即時 化、數位化與透明化的目標，真正做到生產資訊不漏接的即時行動管理。
參、高聖精密機電
成立於 1976 年的高聖精密機電[17]，該公司營運總部位於臺灣新竹，主 要以生產帶鋸床為主的各種金屬加工設備為主。由於帶鋸機在切割材料過程 中，刀具壽命通常隨著使用時間日常的逐漸損耗，若未在適當時間更換，勢必 會造成材料加工效率和品質下滑，因此必須在磨損到一定程度時進行更換。 高聖精密機電在科技部協助下，透過聯合資通產業與大數據、工業4.0 專 家的合作與開發，成功的研發出『工業4.0 智慧切削服務產品(MechLogix)』。 MechaLogix 邁克邏輯主要利用高聖 40 年鋸床經驗，綜合現場、管理面以及整 廠營運的多角度思考，並且導入工業4.0、大數據、透過感測器整合 PLC、工業 電腦、雲端存儲以及後台資料蒐集分析，打造一雲端科技服務，替客戶設計一 套實用的鋸床整合資訊系統，輔導提升使用者進入一個Worry free 的工作情 境。先前因人工不足、現場人員經驗斷層而影響您的總體生產率，現在透過邁 克邏輯，就可以達到24 小時全天無休的人力服務，透過預知保養、健康診斷等 即時及累積監控統計數據，服務客戶機具設備達到最大產值，獲得最大化利潤 收入，提供客戶以下優勢： ⚫ 機台監控全年無休。 ⚫ 改善維修排程，了解機台總體組件狀況以達到機台保養最佳化維護。 ⚫ 節省鋸切材料成本，不因機器故障/停滯/零組件失效等風險而提高生產 成本。 ⚫ 節省時間成本，不再需要機台警報後才花費大量的工時去確認問題以 及維修，現時系統可立即回報零組件異常狀態。 ⚫ 機器稼動優化，即時顯示該切削工作的進度、並提供各材料以及鋸片 之鋸刀速度、進料速度、切削速度鋸切參數追蹤資料，以提供使用者 決策最佳使用參數。 ⚫ 機台預知保養，依照當下累計的切削衰退模式，計算依當下的切削不22
預測維護應用服務案例
第三節 預測維護文獻探討
在探討預測維護應用前，必須先從設施維運管理的角度去探討。從本節的 文獻探討過程中發現，目前國內外許多研究都已經討論BIM 模型加上設施管理 的課題，本計畫將借助文獻探討的內容，以BIM 模型共通資料的分享，找出必 要性的屬性做為之後預測維護的靜態資料來源；另一方面，將探討空調、照 明、給排水系統中的設備屬性做為之後預測維護的動態資料來源。透過靜態資 料和動態資料的整合，來達到空調、照明、給排水預測維護應用情境、功能及 資訊架構規劃和開發。壹、
IFC 資料格式
根據BuildingSMART 對於 Industry Foundation Classes (以下簡稱 IFC)的定 義[18]，它是對建築資產行業的標準化數字描述。它是一個開放的國際標準 （ISO 16739-1：2018），可在眾多硬體設備，軟體平台和串接口中，提升與供 應商無關或不可知的可用功能。更具體地說，IFC 模式是一種標準化的數據模 型，模式規範可以描述設施或安裝的使用方式，構造方式以及操作方式。IFC 可以定義建築物，製成品，機械/電氣系統的物理組件，以及更抽象的結構分析 模型、能源分析模型、成本明細、工作進度表等等。 從建築物為出發點進一步去探討IFC 的層級架構時，它的層級架構包含四 個實體模型:IfcBuilding，IfcBuildingStory，IfcSpace，IfcProduct 和兩個聚合關 係IfcRelAggregates，IfcRelContained 所組成(如圖 9 所示)[19]。其中 IfcBuilding 是用來描述一棟建築物的相關資訊。IfcBuildingStory 是用來描述一個樓層的相 關資訊。IfcSpace 是用來描述一個空間單元的相關資訊。IfcProduct 是用來描述 項目結構中包含形狀表示形式和局部放置。
24
圖9:IfcBuilding 空間結構階層圖[19]
貳、
COBie 資料交換
Construction Operations Building Information Exchange (以下簡稱 COBie)， 中文名稱為建築運營建築信息交換，是目前一種國際通訊的訊息交換格式，包 含建築物和基礎設施的訊息。它與用於建築資產的設計，建造和管理的建築信 息模型（BIM）方法緊密相關，目前已被整合到用於計劃，設計，施工，調 試，運營，維護和資產管理中。COBie 是由美國陸軍工程兵團於 2007 年 6 月制 定了試驗標準。2014 年 9 月 BS 1192-4 定義了英國使用的 COBie 標準架構與操 作流程。總而言之，COBie 是要將傳統建築項目中，包含在圖紙，工程量清單 和規格中有關建築物的關鍵訊息全部提取為一種格式，並在項目的定義階段在 施工團隊之間共享。 COBie 的資料交換是將每一個元件當作操作單元，這些元件根據 BS 1192-4:2014[20] 對於建築物，資產包括設施整體及其組成的空間和組成部分定義(如 下圖10 所示)，可通過分組到區域、樓層、類型和系統進行管理。
預測維護應用服務案例
圖10:Building View Of COBie,using standard terms[20]
參、台灣資通訊產業標準
台灣資通訊產業標準協會(TAICS)針對未來資通技術的發展，選定台灣適合 領域，制定產業標準，推進至國際標準，提升國內產業競爭力。其中TC7 智慧 建築資通訊委員會，於2018 年和 2019 年分別發佈了「智慧建築能源管理系統 資料格式標準」和「智慧建築安全監控系統資料格式標準」兩份標準規範文 件。該標準文件中已經有規定好各系統設備的參考屬性，如表2 所示意。 本研究案將根據該標準文件中有關照明系統、空調系統和給排水系統的定 義，作為設備預測維護應用服務之資料需求參考。 表2:智慧建築能源管理系統資料格式標準 中文名稱 長名稱 短名稱 資料類 別 監控 標示 資料型 態 預設單位/列舉值 集 通用基本監控項目 運轉狀態 operatingStatus sts 狀態碼 R 列舉型 ON，OFF， TRIP*，… 手自動模式 controlMode ctrlMd 狀態/控 制碼 R/W 列舉型 AUTO，MANUAL 遙控模式 remoteMode rmtMd 狀態/控 制碼 R/W 列舉型 LOCAL， REMOTE26 中文名稱 長名稱 短名稱 資料類 別 監控 標示 資料型 態 預設單位/列舉值 集 警報狀態 alarmStatus alm 狀態碼 R 列舉型 NORMAL，
ALARM，… 故障狀態 faultStatus flt 狀態碼 R 列舉型 NORMAL， FAULT，… 錯誤代碼 errorCode err 狀態碼 R 列舉型/ 字串 NORMAL， ERROR1，… 運轉時數 operatingHour opHr 數據記 錄 R 類比數 值 hour 啟停控制 onOffControl onOff 控制碼 R/W 列舉型 RUN，STOP，…
給排水盤資料項目 水泵 1 運轉 狀態 pump1OperatingSt atus pmp1Sts 狀態碼 R 列舉型 ON，OFF，TRIP 水泵 2 運轉 狀態 pump2OperatingSt atus pmp2Sts 狀態碼 R 列舉型 ON，OFF，TRIP 水泵 1 運轉 時數 pump1OperatingH our pmp1Op Hr 數據記 錄 R 類比數 值 hour 水泵 2 運轉 時數 pump2OperatingH our pmp2Op Hr 數據記 錄 R 類比數 值 hour 水槽液位值 tankWaterLevel tankWLv l 感測值 R 類比數 值 cm 水槽高高限 tankHighHighAlar m tankHH 狀態碼 R 列舉型 NORMAL，HH 水槽低低限 tankLowLowAlarm tankLL 狀態碼 R 列舉型 NORMAL，LL 水泵強制開關 emergencySwitch EMS 控制碼 W 列舉型 ON，OFF
揚水泵資料項目 泵浦頻率監視 frequency freq 感測值 R 類比數 值 Hz 泵浦變頻控制 frequencyControl freqCtrl 控制值 R/W 類比數 值 Hz 給水管路壓力 數值 inletPipePressure pipePres 感測值 R 類比數 值 Pa 一次側受水槽 水位監視 primaryLoopTank WaterLevel L1WLvl 感測值 R 類比數 值 cm 二次側高架水 塔水位監視 secondaryLoopTan kWaterLevel L2WLvl 感測值 R 類比數 值 cm 一次側異常水 位警示通知 primaryLoopTankL evelAlarm L1WLvl Alm 狀態碼 R 列舉型 NORMAL， ALARM 二次側異常水 位警示通知 secondaryLoopTan kLevelAlarm L2WLvl Alm 狀態碼 R 列舉型 NORMAL， ALARM 瞬間水質數據 immediateQualityS tats qlty 感測值 R 複合物 件 - 歷史水質數據 統計 historicalQualitySt ats histQlty 數據記 錄 R 複合物 件 - 異常水質警示 通知 qualityAlarm qltyAlm 狀態碼 R 列舉型 NORMAL， ALARM
預測維護應用服務案例 中文名稱 長名稱 短名稱 資料類 別 監控 標示 資料型 態 預設單位/列舉值 集 用電負載超出 警示 overloadAlarm overload 狀態碼 R/W 列舉型 NORMAL， ALARM 加卸載模式設 定 loadUnloadModeC onfig ldCfg 設定值 R/W 複合物 件 - 自動排程設定 scheduleConfig schedule 設定值 R/W 複合物 件 -
肆、建築資訊與設施管理
Pärn，Erika A 於 2017 年所提出的論文[21]中提到，為了促進可能提高未來 建築開發性能，在設計和施工階段將這些知識反饋給參與的利益相關者時，這 些知識最有價值。要優化所產生知識的有效性，將需要對現有和未來的人員進 行全面的培訓，並具備計算機軟體系統，應用程式和開發方面的能力。下圖11 展示了，來自BIM 和設施管理數據集成的基於知識的反饋迴路的潛力。這種發 展可以改善幾個關鍵領域的互操作性。首先，有關營運維護階段中建築物運營 績效的數據可讓客戶制定最佳的戰略維護計劃。其次，比較實際和預期的建築 性能，將使設計人員和承包商都可以改善未來建築開發的性能。 圖11:BIM 和 FM 數據集成中基於知識的反饋迴路潛力的圖形表示 (本研究團隊整理繪製)業界訪談調查
第三章 業界訪談調查
以目前既有之智慧建築設施管理系統紛雜，資料格式界面分歧，產生系統 隔閡。然而建築物在竣工落成後的營運使用，是整個建築物生命週期中，時間 最長，累積維運成本占最多的時期，由於時間長，人事更迭與空間功能需求異 動等，造成建築物相關設施資訊漏失而無法完整與有效掌握，徒增管理成本， 並折損管理效率，這對現代建築規模愈來愈大，功能多元複雜，尤其在永續發 展智慧建築的趨勢要求下，更加凸顯建物有效設施管理之重要性與挑戰性。 本章節除了空調、照明和給排水三個弱電系統進行數據蒐集方式之調查 外，也將進行數據交換格式之規劃設計，團隊特別拜訪機電維護廠商：中興電 工機械股份有限公司與國霖機電管理服務股份有限公司，以及冷凍空調廠商： 詮宏(美商 Trane)與東磊工程股份有限公司。將透過業界專家訪談搭配目前數據 交換格式標準進行整理，以求本研究案所定義的資料格式能夠符合業界需求。第一節 專家訪談
壹、訪談目的
為了與產業現況達成有效聯結，本計畫團隊針對智慧建築與雲端平台相關 產業中不同領域與角色的專家進行深入訪談。除使受訪專家經了解本計畫工作 內容與規劃情形，達成推廣智慧建築雲端平台預測維護構想的目的外，訪談目 的在希望能由各專家的專業意見與實務經驗回饋，了解產業上目前的維運方式 以及痛點藉此將此計畫案更能夠貼近實務經驗，未來智慧建築雲端平台的服務 應用規劃更加完善。期能凝聚產業界共識，提高未來智慧建築雲端平台建置後 的使用意願與利基，降低推動上可能遭遇的障礙，提升智慧建築雲端平台的效 益。30
貳、訪談對象
本計畫團隊針對智慧建築維運以及相關產業的設備商，透過不同領域與角 色的專家進行訪談，包括物業管理業者，冷凍空調業者。受訪專家名單見表 3。 表3:受訪專家名單 單位 姓名 職稱 中興電工機電物業管理公司 吳嘉文 督導 朱貴珩 主任 國霖機電股份有限公司 徐春福 總經理 詮宏空調系統股份有限公司 林世偉 總經理 謝銘鴻 協理 東磊工程股份有限公司 林坤煒 總經理 林義貴 冷凍技師參、訪談內容
於每次訪談一開始，本計畫團隊先就本計畫目標以及目前研究成果對受訪 專家做一個簡短的介紹。於簡報過程中，團隊與專家對於計畫內容以及各種數 據蒐集、雲端平台與智慧建築的相關議題做意見交流。在簡報與意見交流告一 段落後，本計畫團隊對受訪專家提出幾個設定好的題目，請專家發表看法。以 下將題目逐條列出，並將專家之看法摘要於後。詳細之訪談紀錄請見附錄四、 五以及附錄十一、十二。業界訪談調查
第二節 國內維護機構專家訪談
壹、中興電工機電物業管理專家訪談
一、訪談對象介紹
中興電工機電物業管理服務範圍為高低壓電力系統、不斷電設備、發電 機、各式空調系統、給排水系統、進排風設備、消防系統、監控系統、節能管 理服務等各類機電設備維護及專業物業管理。其實績遍及：商辦大樓、商場/市 場、購物中心、航空站、小巨蛋、捷運線、醫療院所等各類型管理案場，為台 灣數一數二的機電物業管理公司。特別訪談吳嘉文督導和朱貴珩主任。二、訪談內容
中興電工根據不同工程，提供不同服務。台北市市場處提供機電設備包含 代管如清潔、保全、機電、行政、行銷，偏向後期物業管理，向業者通報故障 修繕項目，協助營運移轉。目前物管最大的挑戰在工程面的移交，新進建築不 論土木、機電等都需要全盤性測試性能、外觀檢查並委託專技廠商協助。 題目一：請問在目前大樓的冷凍空調、給排水、照明等設施的維運方式? 看法摘要 1. 冷凍空調： 空調主機、空調箱、冷卻水塔等，並且每年都有空調系統維護保養，針對 原廠的操作手冊，進行維護保養。 依照使用頻率、機房環境判斷是否更換設備。目前是以預估方式評估是否 進行維修。 2. 給排水： 水塔→泵浦→沿線管路，排水系統，例如汙廢水設備、環評設備等整套流 程設備較為複雜。台灣環評設備少，做環評的廠商也少，僅四百多家，環 評設備目前還是機械式，也無法數據回傳，給排水相關設備較少，所以多 偏向客製化。定時維護給排水系統的項目:水泵浦、水池、傳呼水裝置(自 來水使用電擊棒)、水位計，定期去擦拭、測試這些項目。 3. 照明： 照明種類很多，尤其LED 開始平價化，廣度就很窄，例如 10 年前士林市 場剛落成，原本使用T5，6、7 年都沒有壞，一換成 LED 之後，2、3 年就32 需要更換，因為 LED 發光二極體特別怕熱，美食街散熱沒有做好，所以 容易損壞。如果一開始連同燈具一起更換，依照經驗比較不容易損壞。 題目二：請問在維運上最常遇到那些損壞項目?及其保養方式? 看法摘要 1. 冷凍空調： 容易損壞的項目如皮帶、馬達、濾網、聯軸器(馬達轉動設備)。 聯軸器發生異音時，使用分貝計測試，判斷是否進行維修。空調箱馬達也 是容易損壞的項目，二、三個月就需要保養。 濾網有拋棄式與一般清洗式，清洗式以肉眼方式辨別即可，更換頻率跟環 境與外氣溫度相關，大約2 個月更換一次。 2. 給排水： 大型建築下水池有定水位閥，屬於機械式，測試釋氣口是否正常，利用氣 壓原理達到自動開閉的效果。 定水位閥也跟水質有直接的關係，該區域水質不佳，定水位閥容易故障， 造成無法止水，這也屬於維管巡檢機房的部分，檢視溢流口是否有自來水 溢流。 3. 照明： 照明系統維護部分採取被動式檢修方式，照明設備損壞後更換，或是因為 更換燈具都會記載更換日期，可以預期更換頻率、數量，燈具品牌眾多， 其品質直接影響更換頻率。
業界訪談調查
貳、國霖機電管理專家訪談
一、訪談對象介紹
國霖機電自1989 年創業至今，全省員工約 400 人，服務固定簽約大樓約 4000 棟，資本額 1032 萬，經營大樓水電、消防、發電機、弱電、智慧化社區 解決方案等機電檢測(保養)管理服務，跨足了工程與機電維護工種，自 84 年由 經營者參加經管顧問師的培訓工作起，不斷的導入各式經營手法，從行銷、財 務、工業工程工法、JIT、豐田式管理、ISO 管理系統等，為全國第一家通過 ISO 9001 且持續每年續評的機電管理服務公司，創造出全國規模第一，同時也 是傳統產業導入經營管理手法的成功企業。感謝國霖機電徐春福總經理協助提 供寶貴意見。二、訪談內容
國霖機電管理公司結合機電設備、數位監控錄影系統及保全系統，精心研 發出一套智慧型社區無人化管理系統，透過此一系統，若社區公共設施給排 水、消防、發電機、電梯、門禁及安全等，任何突發狀況，均由24 小時之管制 中心派人為您服務，全天候24 小時為社區安全把關。 題目一：請問貴公司在維護管理上的模式有哪些? 看法摘要 1. 國霖電機採取巡檢機電管理，定時巡視檢查設備的運行狀況，定期抄表模 式，維護全廠設備整體的安全管理。 2. 設備巡檢員主要負責設備巡檢，是利用人體五官或簡單工具，對設備進行日 常巡檢。 3. 為了方便處理社區突發狀況，在門廳出入口和電梯內安裝緊急按鈕，如遇狀 況緊急按鈕啟動，管制中心開始發報，管制中心數位監控系統立即察覺並在第 一時間依狀況派員處理。 題目二：請問貴公司在冷凍空調、給排水、照明的維運方式?34 看法摘要 1. 冷凍空調： 目前以複合壓力表測量高壓，高壓至一定程度保護開關會跳脫。因此，需 放置兩個sensor，1 個是回報裝置，1 個是保護開關裝置。目前保護裝置有 接點可以連結通訊系統，可於住戶得知前通知機電維護廠商。 2. 給排水： 在高架水槽有加裝低水位警報裝置情況下，而水位過低時，顯示揚水馬達 故障導致未能補水，低水位警報裝置會啟動通報，在住戶察覺前維護完成。 3. 照明： 國霖機電無特殊預測維護方式，唯一保養方式就是擦拭。照明器具使用後，照 度會有不同成程度衰減，故需清潔維護。
業界訪談調查
參、美商
Trane Taiwan_詮宏空調系統股份有限公司專家訪談
一、訪談對象介紹：
TRANE 是全球中央空調系統的領導者，隸屬 Ingersoll Rand 集團(成立於 1871 年)的成員及品牌（包括 TRANE®、Club Car® 和 Thermo King®）； Ingersoll Rand 集團身為年銷售額逾 130 億美元的全球性公司，營運業務在實踐 創新、可持續發展和企業公民領域的長期承諾，並致力於創造一個更美好的世 界。(Ingersoll Rand，紐約證券交易所代碼：IR；並為標準普爾 500 指數成分股 之一)。感謝林世偉董事長以及公司團隊的協助。
二、訪談內容
題目一：進口離心式冰水主機操作及維護保養前須注意哪些項目? 看法摘要 1. 確認進口離心式冰水主機之型式規格、電壓、冷媒種類，及冰水主機上沿之 銘牌性能內容，及詳閱原廠之按裝操作、維護手冊指南。2.
比較歷年各月份，此機組(離心式冰水主機)之「運轉紀錄」及停(當)機之「歷 史紀錄」，予以判讀主機運轉時發生之狀況，並作適當之維護保養項目。 題目二：請問貴公司是否方便提供在中央空調離心式冰水主機系統必要之 維護項目? 看法摘要 1. 確認進口離心式冰水主機之型式規格、電壓、冷媒種類，及冰水主機上沿之 銘牌性能內容，及詳閱原廠之按裝操作、維護手冊指南。2.
比較歷年各月份，此機組(離心式冰水主機)之「運轉紀錄」及停(當)機之「歷 史紀錄」，予以判讀主機運轉時發生之狀況，並作適當之維護保養項目。 題目三：請問貴公司在中央空調系統維護過程中會影響到離心式冰水主機 停(當) 機，哪些項目是最常見的故障項目? 看法摘要 1. 聲音異常、電流電壓。 2. 馬達葉扇磨損程度、軸承油是否乾涸，或依據中央系統觀察數計提交可能有 問題的元件，提交至維修部門查驗。36 題目四：請問貴公司在離心式冰水主機運轉時，如何加強主機停(當)機前 預測故障方式及施作預防性之維護作業項目? 看法摘要 目前並無預測維護方式，主要依據例行性查修，或依據過去查修的內容 做主要的維運方式。
業界訪談調查
肆、東磊工程股份有限公司專家訪談
一、訪談對象：
東磊工程股份有限公司創立於1984 至今，擁有累積經驗豐富之甲級技術士 團隊，具備相關甲級專業合格證照，從事冷凍空調和機電有關之工程及售後服 務工作，總經理林坤煒曾擔任過第十三屆台灣區冷凍空調工公業同業公會理事 長。感謝林坤煒總經理及林義貴技師的指教與協助。二、訪談內容
題目一：進口離心式冰水主機操作及維護保養前須注意哪些項目? 看法摘要 1. 冷却水塔、Y 型過濾器定時清洗(每月) 。 2. 冷凝器、冰水器(滿液式)清洗及疏通管路(每年) 。 3. 壓縮機冷凍油及油濾網更新(每年) 。 4. 冷媒乾燥過濾器濾網清潔或更換(每年) 。 5. 冷媒管路洩漏檢查(每年) 。 6. 主電路電磁開關接點檢查及控制電路及保護開關設定檢查(每年) 。 7. 壓縮機線圈相關及對地阻抗絕緣值之量測。 題目二：請問貴公司是否方便提供在中央空調離心式冰水主機系統必要之 維護項目? 看法摘要 1. 冷却水塔及 Y 型過濾器未按時清洗導致水量不足、高壓異常跳機或流量開 關動作停機。 2. 冷卻水塔風扇馬達故障或皮帶斷裂導致水溫過高、主機高壓保護開關動作 停機。 3. 夏季期間，須注意颱風風壓損壞冷却水塔導致主機停機。 4. 瞬間停電(斷電)，致使主機停機38 題目三：請問貴公司在中央空調系統維護過程中會影響到離心式冰水主機 停(當) 機，哪些項目是最常見的故障項目? 看法摘要 1. 熱交換器未清洗導致水垢藏於熱交換器內影響熱交換效果，導致主機耗電 增加且高壓壓力升高最終跳機。 2. 冷凍油未更換導致油質劣化或油濾網堵塞，致油壓不足跳機或油泵故障。 題目四：請問貴公司在離心式冰水主機運轉時，如何加強主機停(當)機前 預測故障方式及施作預防性之維護作業項目? 看法摘要 1. 冷却水塔、Y 型過濾器定時清洗(每月) 。 2. 冷凝器、冰水器(滿液式)清洗及疏通管路(每年) 。 3. 壓縮機冷凍油及油濾網更新(每年) 。 4. 冷媒乾燥過濾器濾網清潔或更換(每年)
業界訪談調查
第三節 專家座談會
壹、座談會目的
根據108 年度的「智慧建築空間性能數據蒐集暨雲端平台應用推廣計畫 案」所提出的雲端平台標準通訊界面和架構的延伸應用研究。 在服務推廣的誘因下，引導使用者根據此方式批次上傳建築物空間資訊， 雲端平台可進行資料分析和儲存，將朝打破數據孤島，達到數據自由流通為 主，確保智慧建築數據共通管理，能提供使用者需求，並具備良性的營運機 制。計畫團隊提供了數據交換格式標準以及設施數據模組化的概念，應用在日 後維運上能夠提前作出異常判斷。基於此構想，開發了三個不同設施的預測模 組，用於資料交換並且提供給未來的使用者一個維護的方向。貳、「智慧建築雲端平台應用推廣計畫」專家座談會
一、座談會主題
本次座談會之主題在於提出本計畫對於雲端平台應用的推廣，並收集空 調、給排水、照明等系統數據調查彙整成果；同時亦提出「預測模組數據交換 資料格式標準」透過實驗數據的呈現方式，請與會之專家討論、提供建議。二、座談會辦理情形
「智慧建築雲端平台應用推廣計畫」專家座談會於109 年 10 月 16 日上 午，內政部建築研究所15 樓第二教學室舉行完畢，會議進行時間約兩小時，邀 集之與會專家名單見表4。因本計畫團隊彭繼傳計畫主持人因有要事處理，故 由李國維協同主持人代為說明計畫目標與目前執行內容，以及此次座談會討論 議題。本次座談作為應用推廣為目的邀集產、官各界專業人士共同給予指導， 就本案之研究內容： 1. 國內外對於預測維護的案例調查報告，40 2. 空調、給排水、照明等系統數據調查。 3. 開發預測模組，說明數據收集的架構。 4. 實際數據的收集以及驗證模組。 四個主題討論實驗數據及資料項目彙整內容是否合宜，此外也從需求面探 討本計畫構想與未來發展方向是否符合業界發展潮流與使用者需求。 表4:「智慧建築雲端平台應用推廣計畫」座談會出席名單 單位 姓名 職稱 內政部建築研究所 林谷陶 副研究員 內政部建築研究所 林怡文 助理研究員 內政部建築研究所 游伯堅 助理研究員 群光電能科技股份有限公司 李國維 計畫協同主持人 探識空間科技有限公司 黃立德 研究人員 東磊工程股份有限公司 林坤煒 總經理 中興電工機械股份有限公司 吳嘉文 督導 中興電工機械股份有限公司 李承庭 工程師 永錄自動化股份有限公司 陳勇誠 總經理 物聯王雲端暨電信企援顧問室 黃新王 顧問長 撼智物聯科技股份有限公司 鄭士芳 專案經理 財團法人工業技術研究院 許榮光 副理 立固自動化系統股份有限公司 杜欣叡 總經理
![圖 9:IfcBuilding 空間結構階層圖[19]](https://thumb-ap.123doks.com/thumbv2/9libinfo/8764125.209011/48.892.179.739.102.585/圖9IfcBuilding空間結構階層圖19.webp)
![圖 10:Building View Of COBie,using standard terms[20]](https://thumb-ap.123doks.com/thumbv2/9libinfo/8764125.209011/49.892.135.753.122.476/圖-building-view-of-cobie-using-standard-terms.webp)
