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、人工智慧與微服務等快速應用於製造領域，創造更高的產業價值。同時在淨零與碳盤查趨勢下，企業更需要以資料驅動方式提升能源效率並降低碳排放。 本研究打造之雲端平台聚焦「模型全生命週期管理」，解決企業在模型導入、部署與動態修正上的痛點。平台涵蓋：訓練、驗證、版本管理、雲邊協同部署、在線監控與自動回滾；並支援 GitHub Actions/Jenkins 之 CI/CD 流程。使用技術包含 Docker 容器化、Kubernetes 編排、Model Registry、以及 Prometheus/Grafana 可觀測性堆疊。 在 OT 場域中，平台可針對內網設備進行安全的遠端更新；當偵測到效能漂移（data/concept drift）或服務品質下降，即可觸發資料回收與再訓練，並於不停機條件下替換最適模型。另提供存取控管與加密機制，對應 IEC 62443 與 ISO 27017/27018 等資安標準，確保資料與服務安全。

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