應用人工智慧科技提升建築物維運管理效益之研究

計畫編號：10915B0008

內政部建築研究所

應用人工智慧科技提升建築物維運管理效益之研究

資料蒐集分析報告

計畫主持人：王榮進 協同主持人：沈揚庭 研究員：林峰正、李雨澤、林谷陶、張怡文 研究助理：廖士豪、李致遠 研究期程：中華民國 109 年 04 月至 109 年 12 月 研究經費：新臺幣 90 萬 2 仟 6 佰元整

內政部建築研究所協同研究計畫

中華民國 109 年 12 月

(本報告內容及建議，純屬小組意見，不代表本機關意見)

目錄

目錄

表次 ... III 圖次 ... V 摘要 ... IX 第一章 緒論 ... 1 第一節. 研究緣起與背景 ... 1 第二節. 研究動機 ... 1 第三節. 研究目標 ... 2 第四節. 本研究計畫之重要性 ... 2 第五節. 研究方法與流程 ... 4 第六節. 研究預期對相關施政之助益 ... 6 第二章 文獻探討-人工智慧 ... 9 第一節. 人工智慧發展與影響 ... 9 第二節. 人工智慧方法彙整 ... 16 第三節. 國內外人工智慧應用案例 ... 19 第三章 文獻探討-維運管理 ... 25 第一節. 建築維運管理現況 ... 25 第二節. 建築維運管理項目 ... 31 第三節. 三維資訊模型應用於維運管理案例 ... 35 第四章 人工智慧運用於建築生命週期 ... 41 第一節. 人工智慧在營建業之應用 ... 41 第二節. 人工智慧在建築維運管理之應用 ... 45 第三節. 人工智慧導入維運管理 ... 50 第四節. 小結 ... 60 第五章 影像辨識用於空間情境感知 ... 63 第一節. 影像辨識模型建立 ... 63 第二節. 幾何校正 ... 66 第三節. 基於網絡的服務系統 ... 70

第四節. 資訊傳遞與視覺化服務介面 ... 70 第五節. 成果效益預估 ... 71 第六章 結論與建議 ... 81 第一節. 結論 ... 81 第二節. 建議 ... 87 參考文獻 ... 91 附錄1: 第一次專家諮詢會議 ... 99 附錄2: 台灣建築物使用類別 ... 107 附錄3: 期中審查會議回應表 ... 113 附錄4: 第二次專家諮詢會議 ... 117 附錄5: 期末審查會議回應表 ... 131 附錄6: 文獻摘譯 ... 137 附錄7: 專有名詞中英對照表 ... 157

表次

表次

表 2-1 人工智慧應用面向 ... 22 表 4-1 AI 人工智慧在營建業之應用(資料來源:國家實驗研究院科技政策研究與 資訊中心,2018) ... 41 表 4- 2 維運效益深化程度 ... 53 表 4- 3 人工智慧應用於維運與建築的應用範疇... 54 表 5- 1 駐衛保全人員工作項目性質 ... 72 表 5- 2 保全人員時間成本權重效益 ... 77

圖次

圖次

圖 1-1 建築生命週期的資訊傳遞落差與 BIM 介入後的提升(資料來 源:EASTMAN,2008) ... 4 圖 1-2 研究步驟流程圖 ... 6 圖 2-1 人工智慧發展分類為三個階段 ... 10 圖 2-2 人工智慧技術方法 ... 18 圖 2-3 人工智慧應用領域 ... 19 圖 2-4 VOXEL51 影像判釋與數據分析 ... 20 圖 2-5 GORILLATECHNOLOGYGROUP 視頻分析維運管理介面 ... 21 圖 2-6 利用 AI 影像辨識技術導入施工現場管理 ... 22 圖 3- 1 建築物 30 年成本比例 ... 25 圖 3-2 建築生命週期的資訊傳遞落差與 BIM 介入後的提升(資料來 源:EASTMAN,2008) ... 26 圖 3-3 資訊遺失所造成價值損失（TEICHOLZ，2013 年） ... 28 圖 3- 4 建築三個階段因資訊互通性不足所造成而外成本增加百分比 ... 29

圖 3-5 BIM 與 FM 整合可獲取優勢(來源：設施管理者的 BIM 指南 IFMA、2015)30 圖 3-6 IFMA 可辨識設施管理功能(翻譯自 IFMA，2001) ... 35

圖 3-7 MATHWORKS 公司使用 BIM 結合 FM 行程最後的建築物營運管理系統。(資 料來源:MATHWORKS) ... 37

圖 3-8 威斯康辛能源研究所透過 BIM 與 FM 進行膽案的空間管理。(資料來 源:UW–MADISON) ... 37 圖 3-9 VIRTUALSINGAPORE 系統介面圖(資料來源:NRF.GOV.SG) ... 38 圖 3-10 將電梯樓層預定系統與通關系統集成在一起(TAKAMICHIHOSHINO2018) 39 圖 3-11 通過使用人員流分析技術來最佳化建築物運動的模擬 (TAKAMICHIHOSHINO) ... 39 圖 4-1 GENMEP 介面圖(來源:BUILDINGSP,INC) ... 42 圖 4-2 BIM360PROJECTIQ 介面圖(來源:BIM360) ... 43 圖 4-3 利用 AI 影像辨識技術導入施工現場管理(來源:SMARTVID.IO) ... 44 圖 4-4 DOXEL 施工現場資訊可視化(來源:DOXELAI) ... 44 圖 4- 5 七種人工智慧應用於維運管理方式 ... 45 圖 4- 6 NEURON 系統介面 ... 46 圖 4- 7 HKGMYFLIGHTAPP 規畫路線虛擬實境介面 ... 47 圖 4- 8 設備最佳化界面 ... 錯誤! 尚未定義書籤。 圖 4- 9 NEURON 預測性維護系統介面 ... 48 圖 4- 10 FM:SYSTEMS 空間規劃系統介面 ... 49 圖 4- 11 AXIS 電腦視覺安全管理 ... 49 圖 4- 12 OPEN BIM 收集日常數據情境模擬 ... 50 圖 4- 13 透過 WEBSERVICE 整合建築資訊與傳訊溝通 ... 52

圖次 圖 4- 14 建築智慧化分級 ... 56 圖 4- 15 智慧維運系統服務迴圈 ... 57 圖 4- 16 藉由網站傳遞與視覺化呈現空間情境資訊 ... 71 圖 5- 1 目標追蹤與影像校正流程圖 ... 63 圖 5- 2 目標追蹤與影像校正流程圖 ... 65 圖 5- 3 電腦視覺目標追蹤與三維空間點位關係... 66 圖 5- 4 影像處理透視校正流程圖 ... 66 圖 5- 5 透視校正後的坐標地圖 ... 69 圖 5- 6 藉由網站傳遞與視覺化呈現空間情境資訊 ... 71

摘要

摘要

關鍵詞：人工智慧、電腦視覺、智慧建築、維運管理系統、建築生命週期 一、 研究緣起 為配合行政院加速推動人工智慧應用產業發展，本所辦理「智慧化居住空 間整合應用人工智慧科技發展推廣計畫」，爰規劃推動智慧建築作為人工智慧 科技實驗場域。智慧建築維運管理，如積極的與人工智慧進行整合，提供主動 式服務，可因應高齡少子女化社會缺工趨勢所產生的相關建築維運管理人力 不足之問題。例如運用人工智慧科技判釋建築物設備、使用人數及室內外環境 狀態，便能連動調整空氣調節設備運轉，形成更省能、更貼心的客製化建築營 運服務，為建築物管理維護產業帶來新一波的服務昇級。本研究旨在探討如何 應用人工智慧科技，主動、精準投遞建築物維運管理服務，提高建築物維運管 理之成本效益。 二、 研究目標 1. 完成國內外應用人工智慧科技減少建築物維運管理成本之相關資料及案 例蒐集。 2. 完成以人工智慧科技為核心的情境判釋演算法之開發，說明可減少之建築 物維運管理人力訓練成本與職能門檻。 3. 完成案例模擬分析，說明可提升之建築物維運管理量化及質化效益，供本 所智慧建築評估手冊增修訂參考。 三、 研究方法及過程 1. 資料蒐集：(1)透由文獻回顧與案例研究調查國外實際運用中或國內開發 中的建築維護管理資訊系統(2)分析其維運系統功能、管理架構、資訊需 求及資金需求等，提出適合國內參考相關內容(3)提出本計畫推動建議事 項並與國內維護管理實務理想比對，了解 BIM 模型在維護管理作業階段中，

除了收集移交資訊外，其實際之角色功能。 2. 實作驗證:開發一套示範性 BIM 維運管理系統，透過系統開發與整合的實 際研發過程，驗證本研究所提出之應用人工智慧科技提升建築物維運管理 效益之可行性與效益。並能完成案例模擬分析，說明可提升之建築物維運 管理量化及質化效益。 3. 本案成功舉辦兩次專家會議、一次工作會議、一次期中審查、以及最終的 期末審查。最終並實際開發出維運管理系統，並以電腦視覺發展建築維運 系統進行實證。

摘要 四、 預期目標 本計畫目標為應用人工智慧科技提升建築物維運管理效益之研究，以建築空 間作為資訊服務的載體，提出人工智慧介入建築物維運管理之方法與架構，並 提出其對應的效益與評估方法。 本案目標及其對應章節有三項:本案預期目標有三項: 1. 完成國內外應用人工智慧科技減少建築物維運管理成本之相關資料及案 例蒐集。本項詳參【第二章 文獻探討-人工智慧、第三章 文獻探討-維運 管理】 2. 完成以人工智慧科技為核心的情境判釋演算法之開發，說明可減少之建築 物維運管理人力訓練成本與職能門檻。本項詳參【第四章 人工智慧運用 於建築生命週期】 3. 完成案例模擬分析，說明可提升之建築物維運管理量化及質化效益，供本 所智慧建築評估手冊增修訂參考。本項詳參【第五章 影像辨識用於空間 情境感知】 本案具體貢獻包括 (1) 找出四項現階段建築維運管理的痛點、(2)分析歸納出 建築維運導入人工智慧後的七大項類別及其效益評估方法、(3)分析歸納出人工智 慧維運管理效益的深化程度、(4)完成人工智慧介入維運管理機制及其演算法、(5) 成功舉辦兩次專家會議、一次工作會議、一次期中審查、以及最終的期末審查。 本案經綜合多次會議與報告回饋後，綜合總整出下列結論:

1. 四項現階段建築維運管理的痛點

AI 未來的發展勢必從人工管理轉變成智慧化管理模式，並完成全生命週

期的循環管理。AI 應用於智慧建築維運管理應不止於被動的設施管理(FM)，

而應該以人本友善及環境友善的目標進行「情境感知動態調適管理」。在此前

提下，目前建築物的維運管理痛點包括:

(1) 無數據集成 (No Data Integration)

(2) 沒有文件連續性 (No Document Continuity)

(3) 無流程模擬 (No Process Simulation)

(4) 無涵構察覺 ( No Context Awareness) 2. 七項人工智慧導入建築維運管理可行項目 為了能夠具體落實人工智慧介入到建築維運管理的目標，本案歸納彙整 出智慧建築系統七大可行項目，並根據可行性與深化程度進行排序，以利作 為後續應用發展的優先順序參考。七項可行項目分別為: 【詳第二節人工智 慧在建築維運管理之應用】

(1) 能 源 監 測 、 測 量 和 驗 證 (Energy monitoring and measurement and

verification)、

(2) 安全保障 (Safety and security)、

摘要 (4) 預測性維護 (Predictive Maintenance)、 (5) 生活管理(Life management)、 (6) 空間規劃 (Demand Management)、 (7) 需求管理 (Demand Management) 人工智慧應用於維運與建築的應用範疇 項目 定義與目的 AI 介入之可行方式 深化程度 評估方法 能源監測、 測量和驗證 Energy monitoring and measurement and verification 監測、測量和驗證建 築 運 行 時 所 產 生 的 能 耗 數 據 。 例 如 電 力、瓦斯、給排水等。 目 的 在 於 提 供 數 據 模 型 作 為 最 佳 化 的 比對 採 用 人 工 智 慧 紀 錄 建築物的效能模型， 並 對 新 舊 的 數 據 比 對提供能耗估算、分 析 數 據 之 間 的 相 關 性等，用以作為調整 能 源 效 能 模 型 之 參 考。 低 能源消耗 成本追蹤 能源預測可 靠度 提升溫熱環 境品質 提升空氣環 境品 安全保障 Safety and security 安 全 管 理 包 含 門 禁 管制、防火避難、保 全 規劃、建築結構 維護等，確保建築沒 有危險發生。 運 用 人 工 智 慧 實 時 監測安全保障項目， 並 能 夠 主 動 發 出 預 警或進行趨勢預測。 低 空間可靠度 空間使用預 測準確率 使用排程 使用率分析 設備最佳化 Facility Optimization 建 築 設 備 如 照 明 設 備、空調設備、通風 設備等，根據環境、 使 用 者 的 數 據 分 析 比 對，使設備可以 更有效的作業。 藉 由 能 源 數 據 資 料 分析評估績效趨勢， 主 動 進 行 調 控 設 備 的運作模式，提升設 備使用效率。 中 運行效率 設備故障預 測分析 預測性維護 Predictive Maintenance 修 復 或 更 換 磨 損 零 件、調整精度、排除 故障，恢復設備原有 功 能 而 進 行 的 技 術 活 動，其主要作用 在於恢復設備精度、 性能、提高效率，延 長使用壽命，維持建 築正常運行。 透 過 AI 所 分 析 出 的趨勢模型，根據設 備 的 狀 況 以 及 有 關 其 使 用 方 式 的 合 理 預估消耗程度，呈現 短 期 內 很 有 可 能 發 生故障的設備，協助 管理人員進行維護， 減 少 設 備 中 斷 所 帶 來的成本。 中 設備故障預 測分析 系統可靠性 縮短通知大 眾所需的時間

生活管理 Life management 收 集 日 常 數 據 例 如 人 數 統 計 、 空 間 分 佈、移動路線、動作、 生活型態等，找出使 用者的特徵及行 為 模式並加以管理。 透 過 多 項 數 據 或 新 的感 測技術分析， 使 AI 可 以 判 釋 空 間 真 實 的 使 用 狀 態，了解當前空間情 境 來 達 到 使 用 者 主 動生活管理。 高 使用時間分 析 熱點分析 路徑分析 提升員工生 產力 通行時間 提升使用者 滿意度 空間規劃 Demand Management 對 於 空 間 使 用 型 態 和 使 用 率 進 行 排 程 規劃。目的是提升空 間的使用效率。 人 工 智 能 分 析 並 提 供 空 間 使 用 類 型 及 使用率估算值，用以 減 少 過 多 的 閒 置 空 間或增加使用率。 高 空間使用預 測準確率 使用排程 使用率分析 有效人力支 配 需求管理 Demand Management 對 於 特 殊 的 空 間 使 用 需 求 進 行 特 殊 化 的管理。目的是配合 特 殊 的 需 求 事 件 對 空 間 進 行 彈 性 或 動 態的使用。 人 工 智 能 根 據 特 殊 事 件 設 定 事 件 的 情 境，根據事件的實時 數 據 模 型 分 析 事 件 進行的狀態，並加以 對 於 該 情 境 進 行 有 效的動態維運管理。 高 回應特殊需 求 環境變化預 測可靠度 舒適度分析 降低維管人 力成本 節省營運及 維護成本 3. 人工智慧維運管理效益與評估的深化程度 從智慧建築資訊面向提出結合人工智慧技術可提升維運管理深化程度， 分別從數據集成、文件連續性、流程模擬、涵構察覺資訊問題提供可發展的 維運管理項目。【詳二、維運效益深化程度】

人工智慧維運管理效益的深化程度

深化 程度 人工智慧應用技術 維運管理項目 評估方法

摘要 數據集成 低 內容擷取 Content Extraction 文本分類 Text Classification 能源監測、測量和驗證 Energy monitoring and measurement and verification

⚫ 能源消耗 ⚫ 成本追蹤 ⚫ 能源預測可靠度 文件連續性 低 機器學習 Machine Learning (ML) 監督式學習 Supervised 安全保障

Safety and security

⚫ 警示通知效率 ⚫ 預防性 流程模擬 中 自動排程 Automated scheduling 自動化計劃 Automated Planning 深度學習 Deep learning 無監督式學習 Unsupervised 設備最佳化 Facility Optimization 預測性維護 Predictive Maintenance ⚫ 設備故障預測分析 ⚫ 運行效率 ⚫ 設備故障預測分析 涵構察覺 高 影像識別 Image Recognition 機器視覺 Machine Vision 生活管理 Life management 空間規劃 Demand Management 需求管理 Demand Management ⚫ 使用時間分析 ⚫ 熱點分析 ⚫ 路徑分析 ⚫ 空間使用預測準確 率 ⚫ 使用排程 ⚫ 使用率分析 回應特殊需求 ⚫ 環境變化預測可靠 度 ⚫ 舒適度分析 ⚫ 人事成本分析 4. 人工智慧介入維運管理機制及其演算法 本案發展並完成人工智慧介入維運管理機制及其演算法，以人工智慧的 機器視覺，對目標維運管理場域進行空間情境感知的判釋，達到場域的即時 情境狀態分析。具體的作法首先是透過目標場域的監控設備如 CCTV，擷取 即時影像後對影像內容進行機器視覺的演算法分析。演算法的分析項目主要 為場域中的使用者分布狀態，透過本案開發的影像辨識功能，能夠準確的找

到使用者的即時分布狀態。此外本案的演算法更進一步的對使用者分布狀態 進行幾何校正，使其能正確還原定位出使用者的絕對位置座標，目的是能順 利與未來的維運管理平台如 BIM 系統進行對接，如此一來便能夠進行場域的 精確使用者情境狀態空間管理。 五、 主要建議事項 1. 立即可行建議：建議增修「智慧建築手冊」 的智慧創新指標 主辦機關：內政部建築研究所 協辦機關：內政部營建署、財團法人台灣建築中心 目前國內智慧建築手冊共分成八大指標，包括(1) 綜合佈線指標、(2) 資 訊通信指標、(3) 系統整合指標、(4) 設施管理指標、(5) 安全防災指標、(6) 節能管理指標、(7) 健康舒適指標、(8) 智慧創新指標。期中前七項指標目前 手冊中皆有較為完整而詳細的規範，惟第八項智慧創新指標目前規範較為模 糊，建議可以參考本研究的成果進行智慧創新項目內容的增修，配合中央發 展人工智慧之大方向政策，以利國內 AI 整合介入建築全生命週期管理之發 展與落實。 2. 中長期可行建議: 鼓勵發展「人工智慧應用於維運管理」具體項目 主辦機關：內政部建築研究所

摘要 在建築智慧化的趨勢下，以人工智慧的觀念將情境感知資訊導入至維運 管理階段，有利於提升管理上的效益。本研究提出四大維運管理痛點與七項 人工智慧應用於維運管理發展項目，包括(1)能源監測、測量和驗證、(2)安全 保障、(3)設備最佳化、(4)預測性維護、(5)生活管理、(6)空間規劃、(7)需求管 理。上述項目依其應用人工智慧深化程度排序並初步建議其做法與效益，故 可作為政府推廣或民間導入優先順序的參考依據。 3. 中長期可行建議：建立「智慧維運管理平台」 研擬 AI 介入公私有建築物 維運管理 主辦機關：內政部建築研究所 協辦機關：內政部營建署、財團法人台灣建築中心 建築維運管理具有一定程度的公眾性與社區性，舉凡社會住宅屬於政府 層級的公眾型維運管理、一般公寓大廈屬於私有群眾社區型維運管理等。為 能夠有效的進行維運管理的同時亦保障其安全性，建議未來可研議建立官方 「智慧建築維運平台」。該平台得由政府機關統籌開發，並採用模組化的功能 管理機制，政府扮演平台維護與租令的角色，民間則根據需求租用平台的模 組。如此不但可以確保廣泛的住宅都能有高品質的維運管理平台可以使用， 另一方面亦可透過政府的管理而確保為運管理資料的公益性與私密性，避免 被有心人士或組織錯誤運用。

根據此前提，建議配套研擬「人工智慧介入公私有建築物維運管理辦法」 的可行性，將有利於國內應用 AI 加速智慧審查、應用 AI 實現智慧維運、應 用 AI 於全生命週期等產官學應用，並有機會促進國內整體物業管理產業的 轉型與提升，進而建構出新興智慧建築產業鏈的成形，為國內整體物業管理 塑造可持續性全生命週期循環管理的典範轉移。 4. 中長期可行建議：促進建築維運管理數位轉型與創造 AI 維運管理創新產 業鏈 主辦機關：內政部建築研究所 協辦機關：內政部營建署、財團法人台灣建築中心 我國運用人工智慧介入維運管理階段尚屬萌芽期，加上建築維運管理將 為台灣未來建築產業逐漸成熟後的長期需求，並有其廣大的市場利基，故未 來可將人工智慧介入建築全生命週期管理視為國家數位轉型的重要發展目標， 並創造「人工智慧維運管理」的創新產業鏈。

摘要

ABSTRACT

Keywords: Artificial intelligence, computer vision, smart building, Operation management,Life Cycle Management

I. Introduction

In order to cooperate with the Executive Yuan to promote the application and development of artificial intelligence in the industry, this research puts forward the "Development and promotion plan for the integrated application of intelligent living space and artificial intelligence technology", planning to use smart buildings as an experimental field for artificial intelligence technology.

In this case, the problem of a lack of manpower in building maintenance management caused by the trend of labor shortage in an aging society can be determined by actively integrated smart building maintenance management with artificial intelligence, and provide proactive services.

For instance, the use of artificial intelligence technology can judge and interpret the indoor and outdoor environmental conditions, and adjust the operation of air-conditioning equipment according to the parameters of building equipment status and the number of users, thereby providing more energy-saving and more intimate customized building operation services. At the same time, it brings a new wave of service upgrades to the building management and maintenance industry.

This research aims to explore the way of applying artificial intelligence technology in buildings in order to proactively and accurately deliver building maintenance and operation management services and improve the cost-effectiveness of building maintenance and operation management.

II. Research Objectives

1. Complete the collection of relevant information and cases from domestic and foreign on the application of artificial intelligence technology which is used to reduce the cost of building maintenance and management.

2. Complete the development of a situational interpretation algorithm based on artificial intelligence technology. Explain the reduction of human training costs and smart thresholds for building maintenance management.

3. Complete cases simulation analysis. Explain the quantitative and qualitative benefits of building maintenance and operation management that can be improved, which will be used as a reference for the addition and revision of our smart building evaluation manual.

III. Research Methods and Processes

Through some survey on the existing information and models , analyze it’s system functions, management structure, information requirements and capital requirements, etc., and propose relevant content suitable for reference.

This study develop a demo algorithm program base on artificial intelligence and computer vision for verification the usage of computer vison work on common management , we also successfully held two meetings with the relevant experts and summarizes corresponding reference and suggestion.

第一章 緒論

第一章 緒論

第一節.

研究緣起與背景

為配合行政院加速推動人工智慧應用產業發展，本所辦理「智慧化居住空 間整合應用人工智慧科技發展推廣計畫」，爰規劃推動智慧建築作為人工智慧 科技實驗場域。智慧建築維運管理，如積極的與人工智慧進行整合，提供主動 式服務，可因應高齡少子女化社會缺工趨勢所產生的相關建築維運管理人力 不足之問題。例如運用人工智慧科技判釋建築物設備、使用人數及室內外環境 狀態，便能連動調整空氣調節設備運轉，形成更省能、更貼心的客製化建築營 運服務，為建築物管理維護產業帶來新一波的服務昇級。本研究旨在探討如何 應用人工智慧科技，主動、精準投遞建築物維運管理服務，提高建築物維運管 理之成本效益。

第二節.

研究動機

建築資訊模型(buildinginformationmodelling,BIM)近年來除了為建築 工程營造(AEC)界帶來了革新，同時也讓目前建築維運看見了潛力與曙光，國 際 設 施 管 理 協 會 (internationalfacilitymanagementassociation,IFMA) 將 設施維護這一項需藉由整合人、環境、過程與科技等層面之應用領域，將 BIM 導入並利用它完整且著重全面性之建築資訊與規範的特性確保建築效能正常 (IFMA,2014)。而在英國政府的推動下所成立的 BIMTASKGROUP 除了遵照政府 政策執行策略，並致力推動建築生產建造供應鏈的各項職責。而在政府機關在 制定了各項協同作業規範後，從 2016 年四月起，要求具有高度協作功能之建 築資訊模型為未來建築的要求之一。 BIM 在建築生命週期各個階段所扮演的重要角色，讓其在未來成為一項基 礎設施成為趨勢之一。因為它不僅擔任營建階段的有利工具或資料庫，所提供 的各項彈性與整合功能同時能夠提供建築維運的各項需求，發揮其強大的應

用 整 合 能 力 。 然 而 現 今 建 築 維 運 的 相 關 應 用 中 ， 較 偏 重 於 設 施 管 理 (facilitymanagement,FM)與對於設施管理中建築效能提升與功能性是否正 常，即便此要求是對於設施維護最常見的目標之一，但其以被動的方式解決維 運過程中所衍生之問題，無法顯露出建築中使用者與環境現地即時情況，若使 用者與環境的涵構關係沒有納入考量，在此情境下所做的建築維運決策，可能 無法全面呼應建築使用者與環境真正的需求。這也點出建築維運管理所要面 對的問題，使用者與環境空間會受到時間等因素影響而變動，例如空氣品質、 溫度、使用者人數等，這些變動因素對於建築維運具有一定程度的重要影響， 為了回應這個影響，本研究認為建築使用狀況必須被積極顯示，並需將這種變 動關係反映在維運過程之中，將會是建築維運所需要完成的一項目標。

第三節.

研究目標

1. 完成國內外應用人工智慧科技減少建築物維運管理成本之相關資料及案 例蒐集。 2. 完成以人工智慧科技為核心的情境判釋演算法之開發，說明可減少之建築 物維運管理人力訓練成本與職能門檻。 3. 完成案例模擬分析，說明可提升之建築物維運管理量化及質化效益，供本 所智慧建築評估手冊增修訂參考。

第四節.

本研究計畫之重要性

建築資訊模型(BuildingInformationModel)近年來儼然成為一門應用顯 學，各種相關的研究與應用在產官學界已形成一股不可小覷的影響力與實質 成效。然而從整個建築生命週期的 1.規劃設計、2.施工營造、3.維運使用三 大階段來說，現階段的運用多注重在設計到製造(DesigntoBuild)，卻較少延 伸到「維運使用端」。事實上就整個建築生命週期來看，真正佔有較長比例的

第一章 緒論 出，西歐的建築平均壽命大約可達 80 年，而台灣建築平均壽命雖然較短但也 可長達 40 年左右，相較於建築從設計到施工的平均期程約莫 1-5 年，維運使 用階段所佔的時間比例甚至可以達到整體建築生命週期的 90%以上。除此之 外，根據相關的建築生命周期研究(林憲德，2007)，建築物在使用的過程會隨 時間自然的老化，若沒有對建築物進行定期的更新修繕，建築物的效能很可能 在 30 年內便會達到極限。但若能透過定期的維修保養，並納入適當的維運管 理機制，則可以有效的延展建築物的使用年限與效能。綜合上述的觀點，下階 段的 BIM 被投入到維運使用階段的產業應用，將是整個 BIM 發展歷程上不可 避免的典範轉移。 BIM 介入到整個建築生命週期的預期成效可以從下圖中觀察出來，在左邊 的設計與施工階段，固然資訊傳遞有落差，但因為各分項的營建技術日趨成 熟，因此 BIM 介入後(綠線)可以提升的效能有限。然而進入到建築落成後的 維運階段(右邊虛線紅框)，因為生活的面向非常廣泛，需用設備也相對的多 元，導致各項資訊的不協調而造成資訊傳遞落差非常的大，因此若能透過 BIM 來進行資訊整合，則可以對於整體的建築效能產生極大的提升。

圖 1-1建築生命週期的資訊傳遞落差與 BIM 介入後的提升 (資料來源:Eastman,2008)

第五節.

研究方法與流程

一、研究採用之方法 1. 資料蒐集：(1)透由文獻回顧與案例研究調查國外實際運用中或國內 開發中的建築維護管理資訊系統(2)分析其維運系統功能、管理架構、 資訊需求及資金需求等，提出適合國內參考相關內容(3)提出本計畫 推動建議事項並與國內維護管理實務理想比對，了解 BIM 模型在維護 管理作業階段中，除了收集移交資訊外，其實際之角色功能。 2. 實作驗證:開發一套示範性 BIM 維運管理系統，透過系統開發與整合 的實際研發過程，驗證本研究所提出之應用人工智慧科技提升建築物 維運管理效益之可行性與效益。並能完成案例模擬分析，說明可提升

第一章 緒論 之建築物維運管理量化及質化效益。 二、方法之原因 1. 資料蒐集的手法包括訪談、文獻、或案例研究。採用這些手法的原因 在於汲取 BIM 過往的務實研究與經驗，從成功的案例中分析與歸納出 未來可行的 BIM 全生命週期資訊傳遞模式，尤其是在維運管理階段 BIM 的資訊交付及可持續應用所會遭遇的困難與可行的應用方法。 2. 實作驗證主要是透過系統開發與整合的實際研發過程，對所提出之系 統規劃與架構進行驗證，並提供用以評估的案例模擬分析，產出可提 升之建築物維運管理量化及質化效益報告。 三、預計可能遭遇之困難及解決途徑 1. 遭遇問題:BIM 模型建置需求 解決途徑:本研究團隊成員具備 BIM 建模能力，可建置 BIM 模型以利 模擬建築生命週期建築資訊傳遞與轉移之情境，有助於本研究在建築 維護管理結合建築資訊建模(BIM)之資訊系統開發。 2. 遭遇問題:系統開發需整合建築與資訊方面等跨域的專業 解決途徑:本研究除協同主持人同時具備建築 BIM 與資工方面的跨域 知識與整合能力外，研究團隊成員亦具備電腦視覺、雲端系統、演算 法編程等資工方面的專業，故應可為本研究所需要開發的 BIM 系統作 出重要貢獻。 四、重要儀器之配合使用情形 本案所預計開發之系統原型預計會採用網路搭配雲端伺服器的模式 進行運轉，故本案所需重要儀器為雲端伺服器主機等相關設備，例如

需要作出雲端空間的租用與支付使用管理權限費用等。 五、研究步驟(請以流程圖表示) 圖 1-2研究步驟流程圖(資料來源:本研究)

第六節.

研究預期對相關施政之助益

本研究所預計完成之相關預計成果與效益如以下三點： 1. 對建築發展短中長期方面預期貢獻

第一章 緒論 統，預期可以起到系統方面的示範作用。 中期貢獻:探究建築維管的機制與效益評估，預期可做為建研所智慧建 築評估手冊增修訂參考。 長期貢獻:探究 BIM 維運管理在產業應用的創新潛力，促進 BIM 產業與 相關產業如物業管理的結合。 2. 對於經濟建設或社會發展方面預期效益 配合行政院加速推動人工智慧應用產業發展，本所辦理「智慧化居住 空間整合應用人工智慧科技發展推廣計畫」，爰規劃推動智慧建築作為 人工智慧科技實驗場域。智慧建築維運管理，如積極的與人工智慧進 行整合，提供主動式服務，可因應高齡少子女化社會缺工趨勢所產生 的相關建築維運管理人力不足之問題。 長期來看將以 BIM 作為維運管理應用的核心，藉此促進 BIM 產業與相 關產業如物業管理、人工智慧應用、或是智慧建築產業等的結合，實 現從智慧生活到智慧建築的整合性產業鏈。 3. 推廣應用計畫(如人才培育) 在相關人員的訓練上，本研究預計培養出同時具備建築專業能力與程 式開發能力的跨領域整合型專業人才，該人才將對應到未來智慧建築 營運管理上的需求，可以進行智慧建築設計，並有能力能夠將其設計 與自動化控制進行結合，產生營運管理端的 BIM 與智慧建築實際整合。 本計畫預計培育博士生 1 名，碩士生 1 名。

第二章 文獻探討-人工智慧

第二章 文獻探討-人工智慧

第一節.

人工智慧發展與影響

現代人類對於人工智慧(AI)科技之使用已是悄悄的融入我們的日常生活 中。人工智慧一詞常於各新聞媒體報導中出現與使用，如 AlphaGo 打敗世界 圍棋棋王，然對於一般非 AI 相關領域之人，往往只是偏於虛擬想像，無從得 知究竟人工智慧是如何計算與運作，甚至連具體的人工智慧範疇也無法作說 明，只能以片面資訊踹測人工智慧可能之面貌，所以欲了解人工智慧需從技術 面之著手。 人工智慧一詞最早出現於 1956 年美國達特茅斯學院(DartmouthCollege) 中的一場研討會中，由 JohnMcCarthy 教授為首的數人提出，並認為人工智慧 是「製造智慧機械的科學與工程，尤其是指具有智慧的電腦程式」，而人工智 慧具體運算程度或呈現類型於該定義中仍屬不明，雖然連人類須以何種表現 或舉止可稱得上智慧，可能都無有令多數人滿意的答案，JohnMcCarthy 教授 提出之定義觀之，可得出一結論為人工智慧其核心技術強調電腦程式運算之 能力，而其運算能力來自於演算法。而演算法是計算機科學中非常重要的基礎 科目，是一個有限長度的具體計算步驟，以清晰定義指令來使輸入資料經過連 續的計算過程後產生一個輸出結果，即演算法可被定義為電腦科學家為了解 決問題，而設計出的一連串數學公式，以得到其想要的解答。 從人工智慧一詞出現的 1956 年到往後的 1974 年為 AI 的萌芽期，演算法 著重於邏輯符號推導，以此來解代數題與數學證明題為主，當時急於嘗試將機 器模擬轉成人工智慧，雖曾推出通用解難器(generalproblemslover)，目的在 作為解決通用問題的機器，但畢竟當時軟硬體科技尚未發展到位，對於欲模擬 人類思考之推理、學習與判斷能力，尚屬遙不可及。

自 80 年代起人工智慧技術蓬勃發展，各式演算法於不同領域中大放異彩， 人工智慧之技術發展雖難以區分發展階段，但仍可由一些劃時代的人工智慧 核心技術出現作為分界，本文根據 2016 年美國白宮科技政策辦公室(The White House Officeof Scienceand Technology Policy,OSTP)發布的國家人 工智慧研發政策計劃(National Artificial Intelligence Research And Development Strategic Plan)，將人工智慧發展分類為三個階段。1.手工知 識（Handcrafted Knowledge）階段 2.統計學習（Statistical Learning）階 段 3.語境順應（Contextual Adaptation）階段。

圖 2-1 人工智慧發展分類為三個階段 (資料來源: Three Waves of AI,2018)

一、 第一階段人工智慧發展

由 1980 年代開始發展，主要是把大量專家的知識輸入電腦中，電腦

依照使用者的問題判斷答案，專家系統應用在疾病診斷，連續的問題有一

第二章 文獻探討-人工智慧 知識都輸入電腦，還把所有知識的前後順序都找出來，因此最後變得不實 用，到了 1990 年代又冷卻了下來。 此時為手工知識(handcrafted knowledge)階段，以人類專家所整理 收集好的知識庫，轉成以若則規則(ifthenrules)表示，依靠的人工智慧 為規則式專家系統(rule-basedexpert systems)，於硬體上實行。此系統 之運行方法是通過知識庫中的知識來模擬專家的思維方式的，因此，知識 庫是專家系統質量是否優越的關鍵所在，即知識庫中知識的質量和數量 決定著專家系統的質量水平。一般來說，專家系統中的知識庫與專家系統 程式是相互獨立的，用戶可以通過改變、完善知識庫中的知識內容來提高 專家系統的效能。 目前專家系統仍大量用於現今 AI 應用產品上，日常生活中依然隨處 可見。例如產品商輸入產品名稱、購買日期、使用年限等等，以系統算出 故障率的風險評估，即是將風險因子資料化的的風險評估；部分金融科技 針對資產運用諮詢，客戶輸入相關資產狀況等資料，系統可以提供其資料 庫中合適的最佳方案；而可以算出最佳化路徑的系統只要輸入的目的地 與出發地即可算出資料庫中的最佳運輸行程。然而專家系統其最大的限 制在於其資料庫須以手動來輸入資料，不但資料更新不易，也使系統資料 量因此受限。 二、

第二階段人工智慧發展

第二階段人工智慧開始發展於 2000 年代為統計學習（Statistical Learning ） 階 段 ， 主 要 的 人 工 智 慧 核 心 在 於 機 器 學 習 (machinelearning,ML)演算法研究與大數據分析，是以透過更大量的資 料利用、較不昂貴的大規模平行計算能力與更進步的學習技術使 AI 有的 更進一步的突破，能處理更多的事物，例如圖文辨識、語音辨識和人類語 言轉譯等等。 機器學習演算法之定義雖為公認之技術但各界以文字呈現之說明不 一，而以 Google 公司為例，其定義為:「一個利用所輸入的資料去建置或 訓練而來的程式或系統，系統會利用學習出來的模組，以訓練資料模組所 得來的新數據（或從未見過的數據）做出有用的預測。」由此可知，機器 學習演算法不同於傳統演算法需按照事先設計的程式模式規則以按部就 班之方式進行編碼，而是脫離此種限制，不需經過人類設計程式化模組， 可以從資料中去學習系統建置加上隨著大數據發展，以資料探勘的技術 所收集的關聯性資料，是助於人工智慧機器學習的有價值資料，使機器學 習演算法在資料訓練上更有效率更豐富，進而提升演算法學習效果。 第二階段人工智慧發展階段中演算法以機器學習演算法為核心，為 了解決不同應用面上的需求，衍生出不同類型之機器學習演算法，其中包 含應用廣泛的有監督式學習(supervised learning)演算法、非監督式學

第二章 文獻探討-人工智慧 learning)、深度學習(deep learning)演算法等等。非監督式與監督式的 學習演算法之差異，主要在於對於所欲訓練 AI 的訓練資料集之標示與其 所形成之模組，形成不同功能之應用。非監督式學習演算法使用非標示的 訓練資料集，表示其資料皆未標示對或錯的的答案標示或其他等等之標 示，並利用此種資料自行特徵與規則後建立模組，例如在一堆相片中計算 出有多少不同的人，即需要有自動分類人臉之演算能力；監督式學習演算 法則使用已標示好的訓練資料集來訓練模組，可以用來分類或整理新的 或未曾遇過的資料集，例如學習如何在一堆照片中找出一位特定之人，即 為此演算法之應用。 強化學習演算法如同人類藉由嘗試錯誤方法，經歷多次成功與失敗 後而學習，使 AI 系統自行做決策，再將其所作出之決策以回饋信號告訴 系統其決策是好或壞，最終系統依照不同的回饋與評價基準來獲得各式 各樣的對應模式，對於沒有明確答案的問題是很有效果的解決方式，方法 與概念較接近非監督式學習演算法。有些機器學習演算法利用如同人類 神經網路(neura lnetworks)之概念的演算法技術，其模組架構如同人類 神經系統有輸入層、輸出層、與中間密密麻麻的隱藏層或稱中間層，其網 絡是由許多如微小神經元般的運算單元相互連接而成。深度學習演算法 為現今應用最廣泛的類神經網路演算法，由監督式學習技術結合類神經 網路的多層次模組，以預先訓練(pretraining)設定各層特徵量以自動辨

識資料集的特徵，再開始正式學習，使深度學習演算法能產生相關判斷、 決策或建議，與運算模組的持續自我修正或改善 23。從深度學習演算法 中，不同領域之應用也發展出不同類型的深度學習演算法，最具代表性的 應用技術即為卷積神經網路（ConvolutionalNeuralNetworks；CNN）演算 法受到生物行為模式的啟發，特別是大腦如何理解從眼睛接收到的信號， 以目前來說，現有的影像識別系統便是採用 CNN 演算法來執行影像分類、 定位與對象檢測等工作。近年來，科學界對於卷積神經網絡的興趣不斷提 高，因為它正被大量運用於智慧監控、社交網絡照片標記和影像分類、機 器人、醫學影像辨識，無人機和自動駕駛汽車等用途上，包括 Google、 Amazon、Facebook 等數據工程師則使用它來進行各種圖像過濾和分類。 而循環神經網路(RecurrentNeuralNetwork,RNN)演算法同樣也是深度學 習中應用廣泛的演算法技術，不同於 CNN 演算法如同眼睛的功能，其相 當於耳朵和嘴巴的角色，而其在語音辨識方面的表現十分出色，RNN 演算 法的出現加快了語音方面運算革命的發展腳步。RNN 演算法使用的長期短 期記憶網路，可以用於一系列資料以猜測接下來會發生的內容，某些層的 輸出內容透過 RNN 演算法送回到前一層當成輸入項，如此一來便建立起 回饋迴路，RNN 演算法不只能用於處理自然語言和語音辨識，還能用於語 言翻譯、股票預測和演算法交易。然而有專家表示在深度學習中以語音辨 識和視覺辨識的進展最快，但此種類神經網路演算法已從原先 152 層神

第二章 文獻探討-人工智慧 經網路訓練出來的模組，因 AI 工程師欲增加演算準度，發展層數遽增， 導致最終 AI 工程師無法對 AI 所預測或判斷的結果解釋其來由，相較於 第一波人工智慧的專家系統，產生許多演算法解釋性上問題，稱為 AI 黑 盒子。 發展至深度學習演算法，機器人學(Robotics)所仰賴之軟體系統之 核心，也深受其影響，機器人學的軟體系統面雖與 AI 演算法或系統關係 密不可分，但其硬體面仍以機械學、電子學等傳統電機科學為主體，非屬 純 AI 的科學學門，但因為媒體與影音娛樂之過度渲染，時常被誤認機器 人學等同於人工智慧學。機器人學可被定義為「AI 在物質世界的表現」 (AIinactioninthephysicalworld)，以具備有高動態與型態變化複雜性 的機械所構成的機器人，搭配具有感知外界、邏輯推演、行為動作、學習 能力與互動能力效能的系統，來達成整體機器人系統的控制架構。因此， 有了機器人學物質面的支持，第二波人工智慧所發展的 AI 演算法等技術 與應用得以發揮與實現，為使機器人達成如人類一般的行為與思考，甚至 展現人類全面的智慧表現，人工智慧學與機器人學的發展也開始邁向技 術多元整合，開啟了位於現今的的三波人工智慧發展。 三、

第三階段人工智慧發展

第三階段語境順應（Contextual Adaptation）階段，從機器學習演 算法、深度學習演算法、機器人學等等 AI 科技出現，AI 開始有了多元性

應用的可能。我們日常所使用的 AI 系統大多只能於該應用領域處理單一 特定事務，稱為弱 AI(NarrowAI)，然而隨者軟硬體的提升科學家所追求 的為更全能的 AI 系統，稱為強 AI(StrongeAI)，其定義為除了能夠達到 自我學習外，還要能處理各種不同事務之問題，並有學習解決新問題之能 力，甚至包含能否擁有人類意識的概念。然而目前尚未開發出效能如同強 AI 一般之系統，但某些產業已漸漸開發出接近全自動的應用與系統，例 如汽車產業，而真正的全自動仍為眾人所追求的未來目標。而第三波人工 智慧即將從現階段開始。在多元 AI 系統與機械硬體之整合的同時，將聚 焦於強 AI 的研究，使 AI 應用在各方面能達到全自動之效能，超越原來 弱 AI 之效能，欲達成擁有近乎人類智慧表現的階段；而為解決與改善於 第二波人工智慧發展中由機器學習演算法所衍生之深度學習演算法產生 的黑盒子問題，針對 AI 的可解釋性上做技術的提升，以透過加強學習型 模組的可解釋性與可校正性，來釐清訊息輸出依靠的基礎，並增加 AI 可 信度與系統操作之透明性，在欲達到更多功能之運行之外更能解決更多 AI 演算法上之產生的技術面問題。

第二節.

人工智慧方法彙整

隨著人工智慧科技的進步與大數據資料庫的快速發展，各領域逐漸導入 人工智慧增加其產業之競爭力，以達到人為失誤減少或人力成本之負擔，以解 決產業發展之瓶頸及困境。根據人工智慧實踐方法（圖 2-2）可以分為 1.機器

第二章 文獻探討-人工智慧

(NLP)、3.專家系統 ExpertSystems、4.視覺 Vision、5.語言 Speech、6.規劃 Planning、7.機器人 Robotics(M.Noguer,2018)，並以其中四個項目為當前人 工智慧發展趨勢： (1) 機器學習 MachineLearning(ML)： 機器學習是對計算機算法的研究，該算法允許計算機程序根據 經驗自動修正，機器學習透過檢查和比較數據以找到常規的模式並 探索細微差別來處理小型或大型數據集。 (2) 自然語言處理 NaturalLanguageProcessing(NLP)： 以有價值的方式閱讀、解讀、理解和理解人類語言。大多數 NLP 技術都依靠機器學習來從人類語言中獲取含義。在生活中常見 的應用例如人與機器對話、垃圾電子郵件檢測皆為自然語言處理的 應用。 (3) 視覺 Vision： 機器視覺系統是指用電腦來實現人的視覺功能，試圖從圖像或 者多維資料中取得資訊的人工智慧系統，也就是用電腦來對三維實 現的客觀識別，透過攝影機將影像轉換數位訊號來進行分析當中資 訊。 (4) 機器人 Robotics：

涵蓋了機器人的設計、建造、運作、以及應用的跨領域科技。 機器人通常用於執行人類難以執行或持續重複執行的任務，取代人 力的自動化機器。 圖 2-2 人工智慧技術方法 (資料來源:本研究修改自 M.Noguer,2018) (圖 2-2)機器學習作為人工智慧的一部分，主要功能是當電腦獲得大量資訊時， 通過自主學習和分析資訊內容並且自我進化，最終得出答案或回饋。實現機器 學習需要提供機器大量的資訊並設定目標，機器透過分類，統計，分析和預

第二章 文獻探討-人工智慧 來指示機器分析資訊的方向。機器學習對資訊的處理方式可以運用在人工智慧 的各個領域當中，例如視覺，自然語言，規劃，機器人等，進而節省大量的人 力與時間，最終機器能夠更貼近人的思考模式。 圖 2-3 人工智慧應用領域 (資料來源:本研究)

第三節.

國內外人工智慧應用案例

近年來機器學習已經廣泛被運用在生活當中，（圖 2-4）Voxel51 位於美 國密西根州安娜堡市，主要服務從視頻影像中建構對於影像判釋與數據管理， 在 2020 年全球 COVID-19 衝擊下借助計算機視覺模型和實時公共路況視頻， 監測公共區域社交疏離的分析，基於個人的保護隱私原則下，只提供社交區域

人與人的相對位置關係，並且分析人群聚集對於死亡率的關係，從數據說明冠 狀病毒和全球必要的預防措施已對日常生活產生了深遠的影響在 3 月份，上 述所有城市的公共社交活動均急劇下降。依據數據分析影響決策的方向，未來 也依據物理距離指數提供下次爆發的疾病一種預測性的模型評估。 圖 2-4Voxel51 影像判釋與數據分析 （資料來源：Voxel51） CCTV 攝影機影像可應用於許多的環境監測，同時 CCTV 遍布於各種室內與 室外空間當中，除了紀錄影像功能，以影像識別方式可以提高感測器效益與人 員 管 理 成 本 ， 影 像 識 別 的 應 用 非 常 廣 泛 包 含 圖 像 分 類 （ Image Classification）、對象偵測（Object Detection）、實例分類（Instance Segmentation ）、語意分類 （Semantic Segmentation）、姿勢評估（Pose Estimation）、動作識別（Action Recognition）、對象跟蹤（Object Tracking）、 空間定位等（Space Positioning），影像辨識技術為建築管理於施工端與維 運端解決大量重複性人工的工作，（圖 2-5）Gorilla Technology Group_大猩

第二章 文獻探討-人工智慧 猩科技股份有限公司位於台灣台北市，藉由 CCTV 智能和物聯網技術，分析和 提取數位內容中的資訊，以推動智能解決方案和自動化，隨著時間的推移分析 使用者採取的行為，從視頻中判釋是否發生事件或行為，扮演 24 小時的監督 者，為管理員提供了一種更好地大規模監控，管理和決策的方法，邊緣計算技 術連接到未來的智慧城市，正在影響建築或城市管理模式。 圖 2-5GorillaTechnologyGroup 視頻分析維運管理介面 (資料來源: GorillaTechnologyGroup) Smartvid.io(圖 2-6)是一個施工現場照片和視頻管理平台，其中包括一 個'SmartTag'引擎，可以利用機器學習、語音和圖像辨識將施工現場的照片和 視頻進行自動標記，以便整理數據及搜索。Smartvid.io 的這款機械學習技術 叫 VINNIE(VeryIntel ligent Neural Networkfor Insight& Evaluation)， 並聲稱其採用深度學習模式分析影像和語音，以自動標記施工數據資料並主 動向客戶提供安全措施建議。根據 Smartvid.io 和 Engineering News Record 的案例研究，VINNIE 曾進行人工智慧用於提升施工安全的示範，能在 10 分鐘 內辨識 1,080 張施工照片，並正確辨識 446 張含有人像的照片、未著安全帽 者、未著安全反光衣工人之照片。相較於人工需要 4.5 小時才能完成相同的 任務。這種自動化工地監測可以為工地現場增加一對“眼睛”，動態辨識潛在

風險因素，是有助於提升施工安全的。 圖 2-6 利用 AI 影像辨識技術導入施工現場管理 (資料來源:Smartvid.io) 根據文獻探討整理目前人工智慧發展趨勢應用面向如下 表 2-1 人工智慧應用面向 應 用 面 向 技術方法 說 明 機器學習 MachineLear ning(ML) 深度學習 Deeplearning 機器學習理論主要是設計和分析一些讓電 腦可以自動「學習」的演算法。機器學習演算法 是一類從資料中自動分析獲得規律，並利用規 律 對 未 知 資 料 進 行 預 測 的 演 算 法 。 監督式學習 Supervised 無監督式學習 Unsupervised 自然語言處 理 NaturalLang uageProcess ing(NLP) 內容擷取 ContentExtraction 自然語言認知和理解是讓電腦把輸入的語 言變成有意思的符號和關係，然後根據目的再 處理。自然語言生成系統則是把計算機資料轉 化為自然語言。 文本分類 TextClassification 機器翻譯 MachineTranslation 問答系統 QuestionAnswering 自然語言生成 Naturallanguagegen eration 專家系統 ExpertSyste ms 專家系統適合於完成那些沒有公認的理論 和方法、數據不精確或資訊不完整、人類專家短 缺或專門知識十分昂貴的診斷、解釋、監控、預

第二章 文獻探討-人工智慧 測、規劃和設計等任務。 視覺 Vision 影像識別 ImageRecognition 是配備有感測視覺儀器（如自動對焦相機 或感測器）的檢測機器，其中光學檢測儀器占有 比重非常高，可用於檢測出各種產品的缺陷，或 者用與判斷並選擇出物體，或者用來測量尺 寸...等，應用在自動化生產線上對物料進行校 準與定位。 機器視覺 MachineVision 語言 Speech 語音轉換文字 SpeechtoText 電腦自動將人類的語音內容轉換為相應的 文字。與說話人辨識及說話人確認不同，後者嘗 試辨識或確認發出語音的說話人而非其中所包 含的詞彙內容。 文字轉換語言 TexttoSpeech 規劃 Planning 自動化計劃 AutomatedPlanning 在具有可用模型的已知環境中，可以離線 進行計劃。解決方案可以在執行之前找到並評 估。在動態未知的環境中，通常需要在線修改該 策略。模式和政策必須調整。解決方案通常採用 人工智能中常見的迭代試驗和錯誤過程。 自動排程 Automatedschedulin g 機器人 Robotics 機械手臂 roboticarm 是一項涵蓋了機器人的設計、建造、運作、 以及應用的跨領域科技，就如同電腦系統之控 制、感測回授、以及資訊處理。 (資料來源:本研究)

第三章 文獻探討-維運管理

第三章 文獻探討-維運管理

第一節.

建築維運管理現況

美國國家標準與技術研究院(NIST)於 2004 年 12 月發表的「美國資本設 施工業可互通性不佳之成本分析」研究中，闡述設計、施工、維運時所需資訊， 因 數 據 儲 存 不 佳 與 缺 乏 可 互 通 性 所 造 成 的 效 率 不 佳 。 建 築 資 訊 模 型 (BuildingInformationModel)近年來儼然成為一門應用顯學，各種相關的研 究與應用在產官學界已形成一股不可小覷的影響力與實質成效。然而從整個 建築生命週期的 1.規劃設計、2.施工營造、3.維運使用三大階段來說，現階 段的運用多注重在設計到製造(DesigntoBuild)，卻較少延伸到「維運使用端」。 事實上就整個建築生命週期來看，建築初始成本僅約佔總成本的 2％，而運營 和維護成本則為 6％，人員成本則為 92％。 圖3- 1 建築物 30 年成本比例

(資料來源: Sustainable Building Technical Manual, 1994)

根據國內綠建築學者林憲德教授的研究報告中指出，西歐的建築平均壽 命大約可達 80 年，而台灣建築平均壽命雖然較短但也可長達 40 年左右，相

較於建築從設計到施工的平均期程約莫 1-5 年，維運使用階段所佔的時間比 例甚至可以達到整體建築生命週期的 90%以上。除此之外，根據相關的建築生 命周期研究(林憲德，2007)，建築物在使用的過程會隨時間自然的老化，若沒 有對建築物進行定期的更新修繕，建築物的效能很可能在 30 年內便會達到極 限。但若能透過定期的維修保養，並納入適當的維運管理機制，則可以有效的 延展建築物的使用年限與效能。綜合上述的觀點，下階段的 BIM 被投入到維 運使用階段的產業應用，將是整個 BIM 發展歷程上不可避免的典範轉移。 BIM 介入到整個建築生命週期的預期成效可以從（圖 3-2）中觀察出來， 在左邊的設計與施工階段，固然資訊傳遞有落差，但因為各分項的營建技術日 趨成熟，因此 BIM 介入後(綠線)可以提升的效能有限。然而進入到建築落成 後的維運階段(右邊虛線紅框)，因為生活的面向非常廣泛，需用設備也相對的 多元，導致各項資訊的不協調而造成資訊傳遞落差非常的大，因此若能透過 BIM 來進行資訊整合，則可以對於整體的建築效能產生極大的提升。 圖 3-2建築生命週期的資訊傳遞落差與 BIM 介入後的提升 (資料來源:Eastman,2008) 「BIM 是設施管理必須參與的，並且必須盡快開始參與」（BIFM，2012 年）。

第三章 文獻探討-維運管理 訊（GCCG，2011 年）。BIM 的核心是三維模型，其中包含有關資產設計，構造 和操作的圖形和非圖形資訊。建築物運營和維護（O＆M）的持續成本遠遠超過 了設計和建造的初始資本支出（Cotts，2010），無效的設施移交和基本資訊的 丟失會大大增加這些成本（Sabol，2013）建議透過 BIMforFM 做為這些問題的 解決方案，BIM 可以提供數據匯集存儲功能，在建築物的整個生命週期中將其 移交給使用者和設施管理員（Sabol，2013 年），從而改善運維效能，培訓， 並延長設備壽命（Foster，2012 年）。 儘管 FM 社區越來越意識到 BIM，但人們普遍認為 FM 的發展步伐緩慢，設 施管理人員不確定如何有效地將 BIM 用於 FM（BIFM，2012 年）。設計，施工 和維運團隊之間的合作是 BIMforFM 成功的基礎（NBS，2013），但是 FM 給建 築環境帶來的價值存在明顯的差距，施工對 FM 並不了解，為了使 BIM 有價值， 必須與 FM 軟件（Teicholz，2013）結合，例如計算機輔助設施管理（CAFM）。 資訊是設施管理（FM）重要核心（Atkin，2009），因為它需要大量資訊才 能高效有效地操作設施（Teicholz，2013;Wang 等，2013;Janus，2012）。傳 統上，大多數建築物資訊都以紙本文檔存儲，在建築物運營後，有時在幾個月 後才提供給設施管理員（Teicholz，2013 年）。「設計，建造和運營相關的許 多有價值的數據在其使用壽命期間都會丟失」（NRC，1983 年），圖 3-3 因為資 訊的遺失所成的成本的增加。

圖 3-3 資訊遺失所造成價值損失 （資料來源:Teicholz，2013 年） 2004 年國家標準與技術研究院(NIST)在「美國資本設施工業可互通性不 佳之成本分析」中敘述在整個建築生命週期當中，設計、施工、維運三個階段 因為資訊傳遞不足所造成的成本影響，（表 3-1）可以了解到建築維運時因資 訊不足造成成本佔 57.5%，因此資訊傳遞與儲存對於維運管理相當重要，根據 2009 年國際設施管理協會(IFMA)的維護調查，在營運與維護(O&M)上，因資訊 傳遞不佳所增加的成本為每平方英尺 0.24 美金，佔據全年平均 O&M 成本 12.4%。 表 3-1 2004 年因資訊互通性不足所造成而外成本增加 NIST04-867ES-2 利益相關者 規劃、設 計、策畫階 段 施工階段 營運與維護 階段 總計 總計百分比 建築師與工程師 1007.2 147.0 15.7 1169.8 7.4% 每平方英尺 0.89 0.13 1.02 總承包商 485.9 1265.3 50.4 1801.6 11.4%

第三章 文獻探討-維運管理 製造商與供應商 442.4 1762.2 2204.6 13.9% 每平方英尺 0.39 1.55 業主與經營者 722.8 898.0 9072.2 10648.0 67.3% 每平方英尺 0.64 0.79 0.23 1.66 總計 2658.3 4072.4 9093.3 15824.0 100% 每平方英尺 2.34 3.58 0.24 6.16 總百分比 16.8% 25.7% 57.5% 100% (資料來源: NIST04-867ES-2) 根據美國資本設施工業可互通性不佳之成本分析，建築生命週期三個階 段資訊傳遞落差所帶來的成本分別為(圖 3- 4)，規劃、設計、策畫階段占 17%、 施工階段占 26%，而因資訊互通性不足造成成本上升最多的為營運與維護階段 58%。 圖3- 4 建築三個階段因資訊互通性不足所造成而外成本增加百分比 (資料來源:本研究)

2005 年 Howell 和 Batcheler 在 TheLaiserinLetter （ http://www.laiserin.com/ ） 中 所 提 出 之 建 築 資 訊 模 型 （BuildingInformationModeling,BIM）概念，就是期望將建築工程中圖形與 17% 26% 58%

資訊互通性不足所造成而外成本增加

規劃、設計、策畫階段 施工階段 營運與維護階段

非圖形資訊整合於資料模型中，而這些資訊不只是可以應用於設計施工階段， 亦可以應用於建築物的整個生命週期（BuildingLifeCycle）。生命週期各階段 的維運人員可持續更新與維護 BIM 模型，最後在建築物興建完成後將此 BIM 模型應用於設施維運管理上，便可節省傳統設施管理系統中資料查閱的人力 成本與時間，並減低人為所造成的錯誤。因為不同生命週期階段對模型的需求 並不相同，建築生命週期中逐漸整合建立一個以設施維護管理為應用目標的 BIM 資訊模型。（圖 3-5）BIM 在介入縮短了 AEC 與業主之間的資訊溝通落差， 以 BIM 為基礎建構可不斷更新的動態資料庫，並透過精確完整的降低資訊調 閱與 O&M 的成本，更有效的存取 FM 數據，以利於後續管理上的分析使用。

圖 3-5 BIM 與 FM 整合可獲取優勢 (資料來源：設施管理者的 BIM 指南 IFMA、2015)

第三章 文獻探討-維運管理

第二節.

建築維運管理項目

一、 設施管理定義 設施管理(FacilityManagement,FM)，針對各國 FM 的定義(表 3-2)， 國際設施管理協會(IFMA)及美國國會圖書館(AmericanLibraryCongress) 對於設施管理的定義：「保持業務空間高品質的生活和提高投資效益為目 的，以最新的技術對人類有效的生活環境進行規劃、整備和維護管理的工 作」，且「整合了商業行政、建築學、行為學及工程科學的基本原理，達 到確保建築物與環境的功能運作正常。使工作人員、組織與實質的工作場 域互相協調」。以台灣目前對於設施管理大致可區分為兩大項(1)營運管 理及(2)維護管理。營運管理主要是使該動作的有所動作以提供建築設施 基本運作之目的；維護管理主要是協助設施維持其機能所做的處置，除基 本運作之要求外更透過定期檢修、老舊零件更換等方式要求機能應保持 在一定水準之上(李兆平，2001)。 表 3-2 各國設施管理的定義 國家/年份 設施管理之定義 美 國 國 際 設 施 管 理 協 會 ， IFMA，2010 設施管理是一門涵蓋多門學科之專業，充分整合人 物、地點、流程及科技。目標在確保整個建築環境內 之設施能充分發揮其應有功能。

英 國 建 築 特 許 機 構 ， CIOB ， 2010 鑑於建築物的設計、施工、使用及維護等階段彼此有 密切關連，所以特別強調建築設施管理除了空間的規 劃及設計之外，更包括了建築物本身及周圍環境的有 效維護、營運及使用 日 本 建 築 協 會 專 門 委 員 會 ， JIA，2012 FM 乃對企業所持有的資產（人、物、空間等)進行企 劃、實施、管理檢核的連續過程之活動。以企業經營 的目的而言，FM 乃為達成工作品質的提昇、資料庫的 累積、設施的適切管理與計劃等效果。 香 港 設 施 管 理 學 會 ， HKIFM ， 2010 香港設施管理學會為設施管理不單只是一個過程，更 同時是一門專業；它更確認機構可透過這整合的門 徑，應用於全球的設施管理及促進有效的人力和樓宇 資產管理上，定能提昇企業的競爭力。 台 灣 綠 建 築 發 展協會，2011 設施管理即運用高科技把有限資源及建築空間進行 綜合開發利用，以提供舒適、安全、便捷之使用環境， 並有效地節省建築營運費用、保護環境及降低資源消 耗。 (資料來源:本研究彙整) 二、

IFMA 維運管理項目

第三章 文獻探討-維運管理 國際設施管理協 會 (IFMA) 將建築設施管理所涵蓋可 辨識的功能 (IdentifiableFMFunctions)分為 1.維護/營運管理、2.物業管理、3.服 務三大類(圖 3-6)。 1. 維護/營運管理(Maintenance/OperationManagement) (1) 監控/追蹤：功能效能為整個設施或設施的任何部分，能夠 滿足所在組織的需求以及組織活動對住宿的影響。 (2) 維護/變更/修理：包含建築物外部管理維護(屋頂、外觀、 窗戶等系統)、預防性的管理維護、能源管理、管理維護方 案、災害救援、服務購置(運作、管理維護、修繕)。 (3) 空間管理：空間使用管理、移動管理。其中空間使用管理： 面積測量/計算、空間分配、空間任務、空間適應性評估、 空間規劃、空間預測、用後評估、標誌放置。 2. 物業管理(PropertyManagement) 物業管理是物業的一種增值服務，除了提供建築物內勞務與服 務，以延續建築物壽命與使用的基本需求外，亦可藉由營運管 理而增加收入，以提升不動產與土地的價值。 3. 服務(Services) 倉庫管理、保管工作規劃、複印/打印服務、回收、應急計畫、 火災防護措施、安全服務。

BIMforFacilityManagers 一書中指出 BIM 的應用主要於設計與施工 階段中佔據大多數，於建築物維運階段中並沒有達到使用最佳實踐。則包 含不僅資料庫統一，使物件模型及設備、裝置提供數據，有效資源各種分 析特別是針對能源與永續經營，更能夠支援緊急應變以及情節規劃，可被 用來提升建築生命週期的需求(Teicholz,2013)。因此本研究認為建築物 要能達到永續性運用，則需要以 BIM 導入於維運階段中全面性的思考與 環境之間的互動關係，具備能察覺動態環境資訊的能力，才能使其機制導 入後端的運作系統並且回饋至生命週期的應用。

第三章 文獻探討-維運管理 圖 3-6 IFMA 可辨識設施管理功能 (資料來源:翻譯自 IFMA，2001)

第三節.

三維資訊模型應用於維運管理案例

在建築業、工程業與營造產業，目前 BIM 的技術在各國政府機關的推行 下，已見到了一定程度的成果。而同樣隨著資通訊技術的演進，更多的應用技 術例如電腦影像辨識(ComputerVision)、人工智慧(ArtificialIntelligence) 以及各種感測器及環境感測設備如光達(LiDAR)則補足了真實環境中及時數 據與現場資料蒐集的可能性，讓 BIM 模型能夠預測及規劃資源與運輸的分配， 監督工地現場環境的安全性，藉由更早的階段導入數位孿生，能更進一步提升

BIM 應用於建築全生命週期優勢。 近年來 BIM 各項應用隨著技術與科技的發展，成為各國建築營建工程業 不可忽視、甚至成為基本要求的一環，因其能夠將營建專案之三維模型與數位 化資料儲存與管理整合的優點，能夠應用的範圍相當廣泛，而在台灣政府推動 之下，國內建築業也逐漸跟上各國的腳步，將 BIM 納入建築生命週期各個階 段之中(陳鴻銘,2011)。綜觀目前 BIM 介入到維運使用階段較為主流的應用在 於設施管理（FacilityManagement，簡稱 FM）領域。按照國際設施管理協會 （InternationalFacilityManagementAssociation，簡稱 IFMA）對於設施管 理的定義是以保持業務空間高品質的生活和提高投資效益為目的，以最新的 技術對人類有效的生活環境進行規劃、整備和維護管理的工作。 BIM 應用於設施管理的實例如美國的 MathWorks 公司 2005 年在麻薩諸塞 州(麻州)的園區擴建計畫。BIM 在此計畫中在前期的設計與施工階段便被導 入，以 BIM 結合 FM 的觀念在營運階段協調設施及維護需求。在其所使用的 BIM 維運管理系統中，空間管理、規劃策略和資產管理為其三個主要模組，其他可 用的模組包含房地產投資組合管理、搬遷管理、專案管理、設施管理及永續經 營。而與本研究最直接相關的是其永續經營的 BIM 模組，永續經營模組可平 衡環境和經濟的衝擊並協助管理與節能效能、建築認證、能源改造等重要資 訊，使得 MathWorks 在建築物的維運使用上獲得極好的效益。

第三章 文獻探討-維運管理 圖 3-7 MathWorks 公司使用 BIM 結合 FM 行程最後的建築物營運管理系統。 (資料來源:MathWorks) 另一個例子是美國的威斯康辛能源研究所，主要是以 AssetWorks 電腦維 護管理系統來做設施管理。此專案的 BIM 應用從施工到設施管理，相關資料 包括 2D 和 3D 的模型及 PDF 檔最後存於 SQLServer 資庫中匯出給電腦維護管 理系統使用。而使用方式也是透過 BIM 與 FM 結合的視覺化概念，將檔案存取 的位置與虛擬的 BIM 模型設施位置疊合，如此便能夠透過空間進行設施歷程 的管理。 圖 3-8 威斯康辛能源研究所透過 BIM 與 FM 進行膽案的空間管理。 (資料來源:UW–Madison) 法 國 軟 體 公 司 達 梭 系 統 耗 時 五 年 開 發 完 成 的 「 虛 擬 新 加 坡 」 (VirtualSingapore)，在這個虛擬的三維平台上，可以自由瀏覽城市中的各個 角落，無論是建築，道路，公共基礎設施與自然環境的各項數據，但其更重要 的是提供了四項主要功能，分別為虛擬試驗(VirtualExperimentation)、虛擬

實 驗 台 (VirtualTest-Bedding) 、 都 市 規 劃 與 決 策 (PlanningandDecision-Making)以及研究與開發(ResearchandDevelopment)，讓都市的經營決策者能 夠預測不同的決定與政策方向對都市帶來的衝擊與影響程度，因此在都市防 災與各個領域例如物流、環境保育等有相當多的廣泛應用。圖中可以見到此虛 擬新加坡平台的系統介面圖，透過來自公領域與社群領域等部門所提供即時 資訊與巨量數據，虛擬新加坡在解決資源受到限制的區的宜居問題方面的潛 力是無限的，例如導入全年日照區域與溫溼度等數據後，便能提供空間決策者 做出更舒適與人性化的環境。 圖 3-9 VirtualSingapore 系統介面圖 (資料來源:nrf.gov.sg) 日本日立製作所的電梯基於人本友善日立提供有助於創建安全，有保障 和舒適的城市空間的解決方案，以實現考慮到地理分佈的無障礙移動服務。提 出預定電梯系統將人員目的地與空間位置資訊集成，依據人流分析解析場域 的使用狀態，進而對電梯系統投遞有效疏導的服務，（圖 3-10）透過人員的晶 片獲取該人員前往的樓層，並將分析最佳化的電梯分流方式，將數據依照時間

第三章 文獻探討-維運管理 的紀錄，可判別電梯運作的高峰時段，以回饋到服務投遞最佳化的決策當中， （圖 3-11）通過分析和評估人員遵循的複雜路徑以及建築物的日益多樣化的 使用習慣，助於在建築維運時加速人員更暢通無阻地穿越建築物。 圖 3-10將電梯樓層預定系統與通關系統集成在一起 (資料來源:TakamichiHoshino2018) 圖 3-11通過使用人員流分析技術來最佳化建築物運動的模擬 (資料來源:TakamichiHoshino)