摘要

隨著數位轉型的趨勢，尖端技術如大數據、物聯網、雲端運算、無線感測、人工智慧和微服務等在企業中迅速崛起，這些技術用於創造更大的產業價值和效益。同時，由於全球氣候變遷的影響，極端天氣現象增加，碳權、碳排放成為了重要議題。為此，國際上提出以淨零碳排放為目標，降低溫室氣體排放量並推廣再生能源。企業為了適應政策變化，開始探索創新的方法來降低碳足跡，其中整合先進技術以提高能源使用效率和減少碳排放量為最重要的策略之一。 本研究旨在對製造相關產業，打造一遠端AI模型自動化佈署與動態修模雲端平台，解決傳統企業在導入、佈署、動態修正AI上之困境，並參閱國際通用的平台即服務之雲端平台架構及微軟所提出的機器學習營運架構，與國際碳盤查指標ISO 14064-1與碳足跡指標ISO 14067，減少企業溫室氣體的排放量。平台功能包含AI訓練、整合、佈署、監測、動態修正，企業可依其需求，彈性化編排這些功能，使AI能以軟體形式自動管線化。以虛擬容器化訓練，提高硬體運算資源使用率，並搭配Github Action及Jenkins持續整合/佈署工具，實現自動化的遠端整合及佈署任務，能夠對身處內網狀態的終端設備進行持續性的佈署，實現高效之人工智慧發佈服務，改善過往佈署耗時長久的問題，亦解決傳統自動化佈署需連外網之限制。同時，透過模型監測服務，確保其服務品質維持在基準上，且，當廠域整體設備效率降低至足以影響生產流程的程度但AI模型卻檢測不出異常狀況時，代表模型效能已下降，此時，平台會發送警示通知給廠域工程師，並要求其上傳標記異常資訊之最新資料，使平台可於遠端同步動態修正模型（過往訓練資料集、產線即時數據資料集、工程師標記異常資料集），讓各個終端預測設備，可在不停機的情況下，更換成最適用於當前端點之模型，節省以往人員實地修正模型所造成的成本損失與交通碳排放。另，本研究額外開發備援機制，在停電、斷電等特殊狀況下，仍能保持正常運作，強化平台的穩定性和可靠性。不僅如此，平台亦增設資安防護機制，並參閱國際資安標準IEC 62443、ISO 27017、ISO 27018，新增存取控制、身分管理、資料管理之防護機制的設計，保護使用者之權益，同時，通過資料加密演算法，確保傳輸與保存之資料的安全性、隱密性與完整性，並結合身分認證機制，保障OT廠域之資訊安全。 本研究搭建之遠端AI模型自動化佈署與動態修模雲端平台有（1）遠端動態模型修正（2）自動化持續整合（3）自動化持續佈署（4）管理者網頁狀態顯示介面（5）資料安全防護機制（6）全球性遠端佈署 （7）備援機制 （8）多方案運作（主從式佈署架構、模型動態修正機制、模型監測機制等......）等特性，期許未來藉此平台之服務，可改善現階段許多產線無法將人工智慧導入至實際應用廠域之困境，並降低企業在採納AI服務時等量帶來之額外的碳排放量，實現綠色永續。

系統概述

本系統是一套專為智慧製造產業設計的 AI 模型遠端自動化部署與動態修正平台，提供AI模型的自動化訓練、驗證、整合、佈署、監控、動態修正等服務，無需現場專業人員即可完成模型部署與更新，並具備超越現有雲端平台之服務水準。本系統能有效減少企業導入 AI 模型的時間和成本，適用於各類生產線自動化與智慧化升級需求。

技術亮點

• 自動化部署與修正：系統運用 Docker 和 Kubernetes 技術實現遠端模型部署，並透過 Watchtower 監控，無需停機即可自動完成模型修正與更新，成功率高達 90%。
• 全球性遠端管理：支持全球部署，無論設備分布在哪，系統皆可實現即時監控與管理，解決傳統廠區無法及時更新的痛點。
• 資料安全保障：採用混合雲架構，敏感數據存放於私有雲中，降低資料外洩風險，同時利用公共雲進行高效計算，兼顧安全與效能。
• 超越市面上現有的雲端服務平台(AWS)之服務水準。於AI服務建構方面，速度提升了56%；於AI服務整合與佈署方面，速度提升了74.1%；於穩定性方面，單位時間內可乘載之服務數與服務品質提升2倍以上；於網站使用者體驗方面，保持著一定的優勢，並提供使用者友善的簡易操作介面