企業紛紛瞄準2030年的碳中和目標，積極投入ESG企業永續發展，往低碳轉型。借鏡他山之石，企業環境管理還有哪些創新應用？
對此，全球數據分析領導者SAS台灣總經理陳愷新表示，「企業邁向低碳轉型的第一步，要從企業核心能力檢視碳排放，將產品與服務的生命週期碳管理納入ESG策略中，而國際一些較前瞻的公司，開始利用AI讓碳管理整合進生產流程或是做即時性的關聯管理，讓戰略更有制高點跟效率。」
針對企業環境管理的智慧創新應用，陳愷新提出以下三大方向：
方向1》預測品質，生產源頭減廢
製造商多仰賴過去的製造經驗，來為產品品質設定標準。不過有些產品檢測過程冗長且耗時，製造過程中會因失敗、不符標準、嘗試新材料而汱換產品及材料，造成大量的資源浪費。若生產結果不理想，更須重置生產線，造成不必要的交期延誤。
原物料的浪費，如果導入AI可以不再依憑臆測，例如，美國建築材料大廠美國石膏公司（USG Corporation）就導入SAS AI對工廠投料進行分析 (例如流量和原料添加劑)，先預測品質結果再開始正式生產，協助企業降低不必要的損耗。USG每隔六個月，就可能因為當時的材料和目標改變，產品和製造方法都截然不同，USG使用 AI ，7天24小時不間斷透過龐大的運算來完成預測，為工廠找尋最佳製造過程，大幅降低廢品、廢料產生，更進一步減少機台停機的時間及能源消耗。
方向2》導入物聯網，最佳化能源利用率
石化產業，如遇設備故障需停機維修，不僅影響生產，還可能連動其他設備一起停機，導致產出效益降低。導入物聯網技術和感測器，結合AI技術預測設備故障的可能性，讓工程師提前安排設備維護的時間，不僅提高設備利用率，也最佳化耗能產業的能源利用率。
根據EPA溫室氣體報告，2020年美國以燃燒化石燃料作為能源的工業溫室氣體排放量佔其 24%。尤其像是典型的500 KTA乙烯工廠，每年就要消耗30兆瓦時的電力，因此優化工業熔爐的能耗，除了降低企業成本，對環境更是有莫大的貢獻。
致力於降低碳排放的工業AI新創公司LivNSendse，即與SAS攜手協助印度石化廠從熔爐中的感測器蒐集數據，透過聯網數據以數位分身發展虛擬熔爐，模擬真實熔爐的運作情況，變未來可能發生的各種狀況。
雙方透過工廠營運的數據建置能源的AI模型，找到可以降低能耗的參數，提供能源最佳化的建議。成功讓石化廠熔爐運行時間增加11％，降低10％能耗，並降低3%二氧化碳排放量（達6.75百萬噸），相當於1/2台北市碳排放量（11.6百萬噸）註。
又如，火力發電廠的風冷式冷凝器，其性能決定了能源的生產效率。然而，冷凝器經常無預警故障。因此風冷式冷凝器的領導廠商SPG Dry Cooling，使用 SAS AI分析風冷式冷凝器的蒸汽循環性能，以冷凝器的感測器數據、停機時間等建立AI模型，進行能耗演練，找到以水循環順利降溫最佳參數，做到能耗優化和預測性維護，協助火力發電廠高效運行並預測能源生產。
方向3》掌握關鍵設備，大幅提高減碳效率
陳愷新補充，其實每個產業都有耗能大的關鍵設備，企業的ESG策略應優先從此處著手，讓減碳效率再提升。像是大部分大樓、工廠內皆設置冰水系統，支持空調系統及無塵室的恆溫、恆控，是耗能、耗電量極大的設備。一般工廠往往有4至6台冰水機，每台的能耗和最佳能耗皆不同。
目前已有不少節能專家皆建議要監控冰水主機，但陳愷新進一步建議可導入「自動化機器學習（AutoML）的機制，自動建置適合模型並搜尋出最佳冰水機組合以及最佳參數建議，甚至能協助知識專家自動化建模。」具體的做法是，先預測某區間、時段所需的能耗，並透過冰水機台的性能資料，自動建議最有效率的冰水機組合， 透過系統優化每個步驟的資訊，做到能耗的最佳化。接著，蒐集冰水機上的物聯網數據，包括進出冷水塔、冰水主機的水溫和外氣濕球溫度等相關資料，建置進行AI模型，評估冰水機現在的能耗狀況，並回饋能耗較低的最佳參數 。
綜合以上分享的國際案例，陳愷新建議，企業若要加速低碳轉型，可以運用AI從以下四個步驟切入：
- 第一，找尋題目。在各產業領域，從能耗或碳排量相對大的系統，例如石化業的煉油廠、半導體的冰水系統等，找到能改善、優化的機會。
- 第二，結合領域知識與數位化資訊。與領域專家合作，在相關設備裝設物聯網感測器，對建置AI模型有極大幫助。
- 第三，前導期先發展規則式(Rule-based)做到監控。監控感測器資訊，減少異常及不必要的能耗或碳排放。
- 第四，導入AI做到最佳化。建置AI模型，找尋最佳化系統參數，達到較低能耗和碳排放，或提前預測需維護的設備。
陳愷新表示，AI可協助碳管理生命週期更加有效，發展更多創新、智慧的應用。以此為基礎，未來企業若陸續導入數位分身，結合真實的感測器數據，將能模擬不同情境會造成的企業碳排放，讓碳管理更加精準，引領產業界的關鍵變革。
