3.產業永續案例

活動摘要:

在本次活動中，將探討如何利用Excel進行線性及非線性值的試算，以預測產品的生存期限及延長其壽命。參與者將學習如何計算碳排放量、成本及產量，並透過複雜的建模流程來分析這些參數之間的關係。這一過程包括資料清理、分析、分割、訓練及測試，並在模型評估後確保其精確度。講師將強調，透過提升設備效能、預防性維護及優化加濕與溫控，工廠能有效降低熱損失及水氣處理負荷，進而提升能源使用效率。此外，AI技術的應用將協助企業在生產規劃中做出更精準的決策，從而減少資源浪費，實現可持續發展的目標。這些策略的結合將為企業提供一個更全面的解決方案，促進其在環境責任及經濟效益上的雙重提升。 

一、講座企業介紹及沿革

紡織產業綜合研究所,始於 1959 年 12 月的「台灣紡織品試驗中心」,早期以執行我國紡織原料進口及成品布出口之品質檢驗與管控為主;1971 年為配合紡織產業的快速發展,將任務調整為紡織相關廠商品管等,於同年 6 月更名為「中國紡織工業研究中心」。1980 年再將任務由品管檢驗工作轉型為技術服務及製程研發,並於 1995 年在土城場區新建大智、大仁、大勇等三館, 2001 年建造大義館做為纖維實驗場域。

2004 年 9 月再次更名為「紡織產業綜合研究所」至今,為協助國內紡織業在機能性、產業用及智慧型紡織品之發展及推廣,分別 1999 年、2004 年、2018 年及 2023 年成立「中華民國紡織品研發國際交流協會」、「台灣產業用紡織品協會」、「台灣智慧型紡織品協會」及「台灣紡織產業永續發展策進會」。

以「加強創新前瞻研發」來持續提升國內紡織產業競爭力,以「強化智慧資產佈局」來建立領導性創新產業,以「推動國際科技合作」來運籌全球創新資源,以「協助產業技術整合」來開創產業聯盟新價值鏈,秉持「合作、誠信、務實、創新」的組織文化。

講者:紡織產業綜合研究所_黃婉瑜 副工程師,畢業於輔仁大學織品服裝學系
致力於節能與 AI 也有政府專案與企業合作的經驗

二、講座內容概要及重點整理(3-5 個關鍵詞)

開頭從紡織業節能方法講起,除了更改和優化設備還有利用 AI 預測模型來達到減碳或降低成本的目標,建模必要條件像是否可直接簡易判斷、有無 pattern 不能是隨機性,建模目的:預測碳排量、產品生產量、生產成本,以及可能影響生產成本、碳排量的因素有哪些?例如:交通工具、生產數量、生產速度、產品保存溫度等,並詳細介紹模型是如何運作及其流程:將大數據(過去生產資料)經過機器學習後預測結果,再經由專家去檢查正確程度,舉例說明要製造 120g/ m2 布料,目的有達最低碳排量或最省成本等,找到會影響到這些目的參數,進行迴歸分析和機器學習。

關鍵詞:AI 建模、機器學習、減碳、迴歸分析、隨機森林

三、個人心得啟發及反思

這次的講座讓我對傳統紡織產業如何結合 AI 與減碳策略有更深入的認識,不過若沒有紡織相關經驗或知識起初會聽得有些吃力,紡織所的發展歷程從早期的品管檢驗到後來的技術服務與研發,如今更導入 AI 與永續發展,充分展現組織如何因應外部環境而持續創新。講者以紡織業的節能方法為切入點,提到設備優化外更重要的是利用 AI 建模來進行碳排與成本的預測,其中讓我特別有共鳴的是模型建立的條件、過程以及結果的解讀和判斷,這和我在統計學課程上所學習到的內容相關,且最近專題讀到關於 AI 技術去分析公眾對 ESG、氣候變遷、綠色金融的看法和感受的期刊,講師提到的名詞像是隨機森林、線性迴歸等讓我感到熟悉不少。藉由舉例說明如何應用大數據與機器學習,預測不同布料生產條件下的碳排量與成本,並透過專家驗證結果的正確性。這讓我聯想到金融領域的風險評估模型,同樣需要歷史數據並透過迴歸或隨機森林等方法進行預測,差別在於應用情境不同。整體而言,這場講座讓我看到跨領域整合的價值。減碳不再只是環保議題,也與產業競爭力及成本控制緊密相關。身為金企系的學生我認為未來在投資決策或企業經營上,都必須結合 AI 與永續發展的視角,才能在全球化市場中保持優勢,講者的轉職經歷也讓我開始思考未來職涯發展。

一、講座企業介紹及沿革

紡織產業綜合研究所（TTRI）成立於 1959 年 12 月，最初為「台灣紡織品試驗中心」，主要負責紡織品的外銷檢驗與品質維護。後來在 1971 年更名為「中國紡織工業研究中心」，業務從檢驗逐步擴展至技術服務與製程研發。2004 年再更名為現在的「紡織產業綜合研究所」，定位為跨領域的紡織科技研發與服務機構。目前紡織所內部包含基礎研究、原料與纖維、製程技術、檢測驗證、產業服務與資訊等部門。它同時在技術升級、創新材料與智慧化製程上投入，也與政府及業界協作推動紡織業轉型。

二、講座內容概要及重點整理

課程聚焦於紡織工廠在「熱損」「加濕」「染印加工」這三大能耗／資源消耗環節的優化。講師提到，工廠可以透過提升設備效能測控、預防性維護、加濕與溫控優化等方式，降低熱能流失與不必要的水氣處理負荷。再者，課程引入 AI + 大數據方法：藉由過去生產資料來訓練模型，預測未來某批織品在生產時的品質、成本與能耗。這類模型幫助工廠在規劃與排程時做更精準的選擇，避免過度試錯。在模型建構上，講師強調兩個重要原則：資料不可純粹隨機性：資料必須具有內在規律性與代表性，否則模型無法抓到可預測模式。讓模型判斷的任務要有足夠複雜度：若只是非常基礎的運算或決策（像是簡單閾值決策），沒必要用 AI 模型，反而增加成本與複雜性。此外，課程還提及 AI、ESG、循環經濟三者的關聯：AI 可以協助節能、優化資源配置；ESG指標促使企業在環境責任上被評量；循環經濟則提供更全面的資源流動與閉環思維。

三、個人心得啟發及反思

這週課程讓我對「AI 在減碳」這一細節層面的應用有了更具體的理解。過去我認為 AI在企業只有行銷或運營面的角色，這次才見識到它在製程能耗、品質預測這類核心生產活動中的價值。尤其講師談到模型建構的原則（資料非隨機、任務要有難度）讓我釐清：AI 不是萬能，必須搭配良好資料與適當應用場景才能發揮效益。若強行用在簡單決策反而會有資源浪費。這點很有啟發性。另外，我進一步查到一個與紡織業相近的 AI 減碳案例：有研究使用近紅外高光譜影像結合深度學習來辨識紡織纖維組成，以便在回收分類階段自動分揀，提升回收效率與品質。此外，也有案例是 AI 用於優化染整過程的熱能與水流配置，降低能耗與排放。將這些案例與課程概要連結：課程中提到 AI 用於預測品質、能耗，其實可以延伸為這些回收分類、染整優化等場景。紡織所本身在製程技術與研發上有布局（如智慧紡織、功能材料等），未來他們若將 AI 減碳技術導入工廠示範場域，是有可能的發展方向。