麗臺開辦NVIDIA DLI「預測性維護」實作課程，讓製造業懂得用AI扭轉停機厄運

進入數位化時代，顧客對速度的敏感度急遽上升，使企業面臨沈重競爭壓力，生死存亡的邊際日益縮小，哪怕產線的整體設備效率（OEE）僅見小幅下滑，都可能換來訂單流失、商譽全毀的悲劇。正因如此，許多企業急欲跳脫以定期排程為基礎的預防維護慣性，改採以AI/ML為基礎的預測性維護模式，將設備資產無預警失效的風險降到最低。

麗臺科技（Leadtek）高級工程師暨NVIDIA DLI認證講師羅世軒

有感於預測性維護的重要性不斷攀高，麗臺決定增闢「適用於預測性維護的人工智慧應用」新的NVIDIA DLI實作課程，預定於2024年1月18日重磅登場。

羅世軒認為，凡是擁有關鍵生財工具的行業，像是依賴大量生產設備的製造工廠，依賴大量卡車的運輸物流車隊…等，都可能因為機器或車輛戛然中止運作，讓生產活動被按下暫停鍵，進而釀成巨大損失；所以只要擁有類似擔憂或疑慮的企業，都極有必要鼓勵內部IT、OT或AI工程師參與預測性維護實作課程。

淬鍊預測性維護能力，削減昂貴停機時間成本

在2017年期間，麗臺正式取得NVIDIA授權，成為NVIDIA深度學習機構（Deep Learning Institute；DLI）的授課機構，迄今在中國大陸與臺灣合計舉辦逾兩千場培訓課程，讓許多亟欲理解AI開發與應用技術的學生、社會人士或產業界工程人員，能依據自身興趣或實務需求，選擇修習自然語言處理（NLP）、CUDA Python、智慧推薦系統（Recommender）…等基礎知識，透過線上實作的方式，跟隨講師帶領、實際編寫程式碼，增進自我AI技能，連帶為企業培育一批批數位轉型種子人才。

羅世軒表示，目前麗臺在臺灣開設8門DLI實作認證課程，包括不少人知悉的「深度學習基礎理論與實踐（FDL）」、「建造以Transformer為基礎的自然語言處理（NLP）」、「CUDA Python加速運算的基本原理」…等課目都涵蓋於其中。

麗臺長年銷售NVIDIA專業繪圖卡與工作站，早已累積深厚資歷，並在推廣過程中屢屢聆聽客戶的AI佈建願景，得以深切理解客戶想利用AI解決哪些難題。所以麗臺擅長將客戶需求對焦NVIDIA DLI課目，精選出最適合在臺灣實施的課程，同時取材自身AI團隊的專案經驗，用心製作一些符合在地需求的補充教材。

臺灣從北到南，遍佈眾多製造業聚落，不管高科技或傳產、連續或非連續製程等等一應俱全；大量製造業者有鑑於IoT、大數據與AI等科技持續精進，因而渴望修習這些技能，藉此即時掌握資產狀況、預知機台設備損壞前兆，以利適時安排檢修，提前消除衝擊產能與品質的負面因子，省下昂貴的停機時間成本，順勢提高工廠的妥善率、稼動率與達交率。

為此麗臺將預測性維護納入DLI授課範圍，於2024年1月18日開課。即將扛起這次授課任務的羅世軒說明，此實作課程時數為6小時，授課內容包含基礎的資料前處理，意即資料清整、異常數值排除，亦講授AI分析與建模方法，包含機械學習、深度學習及生成式AI等多種方法。更重要的，本次課程延續DLI一貫特色，藉由實作坊（Workshop）達到做中學、學中做，在課堂中進行各類程式碼的撰寫，最終參與考試；凡通過測驗者，都會取得NVIDIA核發的證書、具國際證照效力。

融合在地產業經驗，加速學習建模分析要領

每門DLI實作課程配置的教材，都由NVIDIA統一提供、放諸全球皆準，麗臺安排的每位講師，皆通過NVIDIA DLI講師認證；他們的主要職責，在於利用自身經驗，以產業實例幫助不同背景的學員認識課程內容，且有能力通過測驗並取得證書，預測性維護課程也不脫離這樣的結構脈絡。

麗臺的DLI講師群出身AI團隊成員，個個嫻熟NVIDIA GPU，也富含業界經驗，既懂AI技術又懂產業Know-how，此即為價值所在。所以這群講師在授課時，不會僅針對標準教材照本宣科，而是從AI工程師視角出發，透過動手實作，力求幫助每一位學員學會如何做好資料清整，並借助一些模型調校手法，建立有效的分析模型，解決自身場域遇到的痛點。換言之麗臺講師的授課過程，都會在基礎知識之上，額外補充一些教材以外的細節重點，亦透過即時互動形式，悉心答覆學員們的提問。

在NVIDIA提供的標準教材中，也會介紹一些國外產業的AI預測性維護實例，如油井生產商預知設備損耗狀況，及時安排油井維護與更新作業，使油井損耗成本大幅驟減；或者航空公司即時採集與分析飛機引擎內部的大量監控數值，像是溫度、壓力、電流等工作數據，推估引擎中各零件的使用壽命及妥善率，儘早進行更換或維護，保障乘客生命與財產安全。

除講述國外案例外，麗臺講師也融合臺灣產業經驗，作為補充內容。例如利用CNC加工機的振動、電流、電壓 電阻…等大量監控數據，結合AI分析方法，精準掌握機台本身的故障告警，甚至提前預測產品品質；或是以AOI設備為基礎，探討如何取像，以產出最有利於AI分析的影像資料，幫助高科技製造業優化瑕疵檢測效率與品質。

總括來說，透過「適用於預測性維護的人工智慧應用」實作課程，學員可望在親手實作中學會如何辨識時間序列資料中的異常或故障狀況，並利用長短期記憶模型（LSTM）網路建立深度學習模型，預估相關零件剩餘使用年限，進而將這些知識帶回產業場域，發揮洞燭機先的重大價值、及時消弭停機厄運。

了解更多：https://www.leadtek.com/cht/courses/DLI