數控中心_設備最佳運轉效益
由于自動化設備在各行各業的普及，工廠利用儀表偵測設備的耗電量、負載、等運轉數據。用以掌握設備運行狀況，降低運轉成本。以空氣壓縮機為例，依照工廠制程類型不同，其耗電量占全廠耗能約15～60％。現今變頻器技術發展成熟，可有效的依據現場須求改變電機的轉速，達到真正的‘用多少、供多少’的節能理想曲線，但若單純使用外加變頻器來控制，在考量低轉速可能會導致電機散熱不良的限制下，仍無法完全的符合理想曲線的應用。數控中心采用PID算法，取得最佳運轉參數。再利用類神經網絡AI模型，制定最佳運轉性能與節能措施，達到負載平衡跟最佳節能的策略，‘數控中心_設備最佳運轉效益’工作流程如下︰
① 使用 M5Stack(PID控制器)的 Modbus RTU，采集設備相關數據。
② 以PID算法，改善機臺運轉效率。
③ 采集數據以 JSON 格式經由④ MQTT Server，上傳至 ⑥SQL數據庫。
④ MQTT Server 中轉采集數據與控制命令。
⑤ API Server 設置各種運算公式，例如計算能源最佳性能指針，并將數據上傳至 ⑥SQL數據庫。
⑥ SQL數據庫保存所有采集數據與運算結果。
⑦ 使用FastWeb監控所有采集與計算過程，并呈現最終AI運轉結果。
⑧ 使用 ChatGPT 或自有AI模型，以采集數據與運算結果。直接控制設備采用最佳節能作法。
‘數控中心_設備最佳運轉效益’的特色
采用先進的PID控制算法，控制機電設備運轉在最佳的狀況，還能保持機電設備能源消耗最低。低電力運轉，不但降低成本，避免電力浪費，有助于減碳排放。
使用最佳性能指針，整合評估(運轉效率＋能源效率)，協助機電設備的降低能源使用量，即時調控設備最佳運轉配置，在不同階段之負載情況中，提高設備使用效率，達成節能減碳效益。
配合PID控制所計算出之參數，訓練類神經網絡模型，再利用訓練完成的AI模型，可預測最佳性能指針與相關參數，強化預測速度與準確率。
搭配‘數控中心_設備故障保養功能’，使用三軸加速槼與溫度傳感器，診斷電機老化現象，做好設備預防保養。
采用Web管理介面，隨時隨地調用圖表，查閱設備即時運行狀況，如有故障立即發送警告消息。
‘數控中心_設備最佳運轉效益’，工作流程如下︰
01_依據儀表量測數據繪制PID即時趨勢圖
02_隨時查閱歷史數據繪制PID歷史趨勢圖
03_依據量測數據進行PID演算，求出參數值
04_計算能源利用的最佳性能指針
05_使用PID演算進行誤差分析
06_使用PID演算，進行誤差累計預測分析
07_為AI模型，準備訓練數據
08_AI模型訓練完成，驗證結果
09_利用AI模型進行智能分析，預測參數
10_利用GPT大語言模型進行預測分析
