Self-Improving Energy Baseline Prediction System Based on Generative Ai and Transfer Learning

學術面:建立適用於製造業之基於生成式AI與遷移學習之自我提升能源基線預測系統(SIEBP)，cGAN可增加預測模型的自適應性。TL減少人工設定參數的不確定性增加預測模型的廣泛應用性；社會應用面:產線遇任何條件更動時，SIEBP只需少量目標樣本即可快速就緒而毋須重新建模，節省需頻繁建置與更新模型所耗費的時間及人力成本，提高模型在產線多變環境的適應能力以因應市場全球化趨勢之多變；經濟面: SIEBP只需少量樣本就能實現目標具絕對優勢，畢竟時間與人力是最無價經濟成本，模型更新過程依然保持狀態監控能力更滿足現階段製造業產線複雜多變的生產環境；人文面:藉本計畫培育國內學界與業界綠色智慧製造相關人才。