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─資策會 FIND科技報─智邦公益電子報
enews.url.com.tw · December 19,2024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!>