東京電力控股株式會社之數位轉型案例評析-數位轉型議題

FIND研究員：洪永杰

東京電力於2018年提出下階段之數位轉型重點在於建構「公用事業3.0」，分析在實現去碳化的社會進程中，公用事業的未來，其核心思考是電網公司未來的角色。2016年時，東京電力成立跨單位之「技術與業務創新促進辦公室」（技術・業務革新推進室）以應對日本人口下降、電力自由化和使用數位化技術進行分散式發電環境的變化。以下分析其進行中之兩大轉型議題：

【提高運營效率和雙倍生產力】
1.配電線路控制自動化：從控制中心遠程監控和操作配電線路開關，因此可以在故障部分之外調配電力傳輸，不須在高壓配電線路發生故障時派人及時到達現場檢修以維持供電，從而減少電源故障時間。
2.使用IT進行電網智能維護：積極引進ICT傳感技術和機器人技術等，以提高電力設備維護的安全性和生產率，並適當應對勞動力短缺。
3.AI / IoT架空輸電線路診斷系統：結盟Tecnos Data Science Engineering Inc.共同開發AI / IoT電力傳輸和配電網路檢查工作解決方案。目標是改善近14,500公里輸配電線路之異常檢測作業流程，並將工作時間縮短50%以上，並引進無人機進行巡檢作業。
【以5D驅動公用事業轉型升級】
東京電力所面臨的挑戰歸結為「5D」，分別指人口減少(Depopulation)、自由化(Deregulation)、減碳化(Decarbonization)、分散化(Decentralization)，及數位化(Digitalization) 。以下簡介其面臨之衝擊與對應之行動方案，

1.人口減少(Depopulation) :
◆2050年全日本將有60%以上的地區，因為工作關係或是少子化趨勢，人口減少將近一半，造成基礎建設（包含電力）是否可能持續維護（無人維護之線路將成為赤色線路）
◆如前述，導入電網智能維護系統及AI線路診斷系統因應巡檢人力減少之衝擊
2.自由化(Deregulation)：
◆到目前為止，發電和零售市場的自由化僅止於經濟觀點
◆持續進行電業體制改革，確保低碳與提升穩定供應的價值才是最終目標
3.減碳化(Decarbonization)：
◆到2050年，溫室氣體需減少80%
◆以電氣化與氫能源併行方式提高能源使用效率並降低碳排放
4.分散化(Decentralization)：
◆為了確保穩定的供電，必須適當地維護傳統的電源和傳輸/分配網路並推進儲能技術
◆納入電動汽車充電站參與分布式的能源市場，以及與水、氣、交通基礎設施的互動
5.數位化(Digitalization)：
◆利用數位技術創造新能源業務，並利用數位平臺與其他行業整合
◆與能源IT領域的新創公司結盟，使用概念驗證(PoC)來進行示範實驗以加速決策
◆成立IT子公司Tepco Systems為數據科學家進行培訓
為了順利建構「公用事業3.0」之願景，東京電力亦提出4項基本配套方案，包括：運輸部門和供熱部門之電力化；通信、物流、自來水、儲能等基礎建設的整合；數位化的整合以創造出商業價值（包含人工智慧AI、物聯網IoT、區塊鏈等）；以及新能源× ICT之人才。

資料來源：
1.東京電力PGがデジタル技術で取り組む2つの変革，2019/04/09，https://news.livedoor.com/article/detail/16287679/
2.画像・映像解析AI、異音検知AIで変電設備の異常診断を開始，http://www.tepco.co.jp/pg/company/press-information/press/2018/1511683_8687.html
3.0-脱炭素化に向けたエネルギー産業の将来像，http://www.chademo.com/wp2016/wp-content/japan-uploads/2018GA/TEPCOPG20180530.pdf

防心肌梗塞　AI模型HeaortaNet快速找出潛在病患

FIND研究員：范聖彬

氣溫驟降，為心血管疾病的好發期。由於急性心肌梗塞難以及時搶救，高居臺灣第二大死因，即便成功救治，也可能因後遺症影響生活品質，所以「預防更勝於治療」。有鑑於此，臺大醫院攜手輝達（NVIDIA），開發出AI模型HeaortaNet，分析一個病例只需要0.4秒，且準確度達94％。
心肌梗塞前可能會出現心痛、胸悶、噁心嘔吐、氣喘吁吁、冒冷汗等症狀，患者應立即打119尋求援助，但即使尋求到外援，仍多考驗急救團隊的應變能力，如果患者能預知自身患病風險，調整飲食或日常作息進而預防心血管疾病的發生，將會是更低風險且安全的治療法。
臺大醫院攜手輝達開發心肌梗塞預防機制，推出目前全世界唯一可自動分析、計算「心臟主動脈鈣化／脂肪」的AI模型HeaortaNet，透過模型可大幅縮減醫師判讀影像時間，從約40分鐘壓縮至0.4秒，分析準確度達94％。
由臺大醫學院內科教授王宗道領軍，結合醫療經驗與AI技術推出智慧判讀平臺，能夠做到心血管影像自動判讀，AI能對3D的CT影像自動對位、分割、拉直測量，還能做到預測心血管破裂事件。
過去即便有CT影像，也無自動區分的心周脂肪量，透過AI模型HeaortaNet，便可計算出心包膜脂肪與預測心血管疾病的住院或死亡機率，能為臨床醫師提供更全面的資訊。
HeaortaNet得益於八大醫學中心的去識別CT影像提供訓練，以及心臟、放射科醫師的高效率檢覆、標記，最後進行聯合學習（Federated Learning，又稱聯邦學習），才能夠成就如此成績。
目前模型已獲NVIDIA認證，並於NVIDIA雲端平臺系統（NGC）供全球AI研究標註使用，並已在臺大醫院影像醫學部、健保影像大資料庫平臺使用於超過五千個病例。未來計畫串接健保影像資料庫，以期建構國人心血管風險預測系統。

資料來源：
1.Taiwan CVAI
https://tw-cvai.com/

2.數位時代／聯手NVIDIA打擊台灣第2大死因！台大醫院如何在0.4秒內算出「心臟包油」程度

https://www.bnext.com.tw/article/59871/ntuh-ai

3.iThome／臺大、北榮、北醫三團隊展示AI輔助診斷系統，大幅縮短心、腦、肺重大疾病診斷時間

https://www.ithome.com.tw/news/139541

「數據分布特徵疊代萃取」技術

本計畫關鍵技術為「數據分布特徵疊代萃取」（以下簡稱本技術），本技術線上分群串流數據，每一筆新數據流入時，數值相近者合併統計、相遠者則保留原值，顯示異於眾數之離群組合分析圖，協助使用者精準瞭解數據分布並識別離群/異常組合，利於發現問題成因及盡早排除之。>

瑞典五金零售商Clas Ohlson讓櫥窗購物（window shopping）成真

對大多數零售業者來說，櫥窗購物（window shopping）代表著商機流失，因為消費者觀看櫥窗展示的商品後並未轉換成實際銷售，但是，瑞典零售業者Clas Ohlson與Microsoft和用戶體驗代理商Ombori合作，讓櫥窗真的可以購物了！>