從醫療到重工：洞視科技如何用生成式AI實現跨界突破

洞視科技榮獲數位發展部數位產業署2024 AI+新銳選拔賽得獎團隊，象徵AI創新應用領域的重要突破。洞視科技

台灣本土新創-洞視科技基於NVIDIA NeMo架構以及NVIDIA的技術協助，運用生成式AI和預知保養技術發展的AI Agent榮獲數位發展部數位產業署2024 AI+新銳選拔賽得獎團隊，是少數能橫跨醫療場域與重工業的人工智慧新創公司。

執行長塗明達指出，公司剛成立時同時朝工業與醫療兩個領域尋找數據分析應用場域，進而發展出數據分析與預測平台，在高危險妊娠早期預測的應用是從定期產檢的生理數據中找出異常，讓高危險群孕婦在黃金期獲得適當的預防性投藥，避免對胎兒和母體造成不良影響。　
「相關技術運用在造船公司的空壓機預知保養上，則是透過即時偵測設備運行狀態並自動生成優化保養計劃，讓系統有效降低突發停機的風險與適當的進行參數調節，進而節省能源，並將碳排放量透明化，使企業在實現生產效率的同時達成永續發展目標，」塗明達說。

從 Open Loop 到 Closed Loop 的突破

塗明達認為，此次獲獎的關鍵在於技術模式的進化。過去使用 Open Loop 模式，模型僅能針對既有數據進行預測，若換新機器或遇到模型未見過的行為，則需重新測試和調整系統參數，因為模型已不再適用於原參數設定。
如今，透過引入語言模型代理技術 (LLM Agent) 的概念，自我監控與學習實現了更自動化的輔助系統。融和大型語言模型技術，使系統能在無需更改程式的情況下，自行適應並更新最適合的參數，從而實現 Closed Loop。這種閉環方式不僅更高效，當系統發現學習結果不準確時，能自動進行再訓練，進一步提升預測精度與操作靈活性。

傳統船廠的人力與技術斷層問題

目前船廠面臨嚴重的人力斷層問題。老一輩技師逐漸離開，而新人缺乏完整的技能訓練，導致技術斷層以致技術經驗無法延續。舉例在空壓機調節等需要高度技術傳承的領域，經驗豐富的師傅通常是依靠實務經驗來指導調整機器及處理問題，但這些知識未能有效傳承，透過大型語言模型技術可以建立相關的知識庫來補不足處。

空壓機的傳統痛點

以造船公司為例，船廠中的空壓機是一項關鍵設備，常用於船隻的氣動操作，如噴砂處理銹蝕或貝類。空壓機因具備較低的經濟成本和耗電量，被廣泛應用。然而，這些大型設備在耗電上還是有高昂的能源消耗問題。

傳統 vs. AI 驅動的維護模式

傳統設備維護依賴有經驗的師傅透過設備數值進行預判並進行相對應的處置與機台調整，聚焦於設備狀態，如馬達震動等表面問題。然而，AI與深度學習的進步使預測準確性大幅提升。例如，通過深度學習，洞視科技發現濾網壓差對故障的影響遠超震動問題，這一結果經師傅驗證後得到確認。基於新型演算法，能更準確地預測設備何時可能出現故障，從而安排檢修或停修。

能源效率的提升

透過數據分析，AI還能優化設備運行。例如，空壓機的負載調整透過調整氣體供應或關閉部分機器，避免能源浪費。這種智能調節不僅提高了能源利用效率，也減少了不必要的成本。透過AI驅動的預測維護不僅克服了人力斷層與技術傳承的挑戰，還能顯著提升能源效率與運行可靠性，為傳統船廠帶來了全新的解決方案。