關鍵效益：
以單月平均380萬度耗電量做基準，一年可節省約451萬電費（依113年工業平均電價每度電3.81元計算作計算）以及56公噸的碳排放量（依113年電力排碳係數每度電0.474公斤作計算）。
AI機器學習模型的擬合指標(R2)均達0.9以上，代表數位模型的精確度有足夠的代表性與信心度。
當AI系統運作當發生異常時會連結廠務SCADA[1]端進行通報並切換成手動控制模式，管理者可於AI模組的網頁系統頁面上點開對應頁面查看異常資訊與工作日誌，縮短問題來源的盤查時間，再恢復成由AI進行自動控制。
技術優點：
在不影響生產與維持製程穩定的前提下，實現顯著的節能效益，為高科技製造業的智慧廠務管理提供了一條可行的轉型路徑。
透過精準的數據分析與AI建模，將冰水系統各元件（冰機、泵浦、冷卻水塔）的能耗模型串聯，使其不僅能精確預測系統總能耗，更能深刻反映其物理行為。
藉由演算法自動搜尋出最低能耗的運轉參數組合，並將此洞見轉化為可執行的決策。
客戶公司簡介：
S公司為世界級封裝測試大廠，在臺灣有多個工廠，致力於滿足顧客對積體電路封裝及測試之需求。在工廠的運作上，為滿足製程需要的環境控制，每一廠均有建立冰水系統(Chilled Water System)提供全廠的空調應用。
導入前痛點：
半導體產業製程對環境控制極為嚴苛，需仰賴大型冰水系統來維持無塵室的溫濕度穩定與設備熱交換。然而，空調系統的高昂運轉能耗，往往備受挑戰。以本案導入的廠區為例，空調的用電量佔比達42%，其中又以冰水系統的佔比達62%，使其成為能源管理的首要目標。傳統的廠務運作模式主要依賴操作人員的經驗判斷，這種做法難以適應複雜且動態變化的負載需求與外部氣候條件，更無法確保整體系統處於最佳能效狀態。
如何解決痛點：
為了解決這一問題，紫式公司提出一個務實且有效的AI解決方案。本研究將冰水系統的複雜運作，透過多模型集成(Model Chaining)技術，在數位空間中構建一個高擬真度的數位雙生(Digital Twin)。此數位雙生能夠即時反映實體系統狀態，並作為一個虛擬實驗室，進行高效能的運轉優化。
客戶見證：
客戶已於113年完成第一個廠區的系統導入，114年開始平展導入至其他廠區，相關成果也發表於「2025科學園區廠務暨工安環保技術研討會」。