iPAS 備考專區 登入

iPAS AI 應用規劃師 初級 科目一 人工智慧基礎概論・115 年第一次・L11・第 14 題

AI 技術與產業領域配對哪個正確?

原題

下列哪一項「AI 技術應用與產業領域」的對應最為恰當?

白話

四組「AI 做的事 + 產業標籤」配對,其中有一組應用場景和產業標籤是對得上的,其他三組則對不上。

問你:哪一項「AI 技術應用與產業領域」的對應最為恰當?

一句話總結

設備故障預測與預防性維護對應智慧製造,這是工廠用 AI 守護機器設備健康的核心場景,其他三個選項都是應用場景跟產業標籤對不上。

情境

先感受問題:工廠設備壞了很貴,AI 能事先預警嗎?

「台灣精密機械」的廠長林志遠最怕的就是:生產線上的 CNC 工具機突然停機,一停就是幾十萬損失,還要等備料和工程師。

他的工廠導入 AI 感測系統後,設備上的溫度、震動、電流感測器每秒回傳數據。AI 模型分析這些數據,提前 72 小時預測「3 號機台的軸承快要壞了」,讓工程師在週末排班換零件,不影響週一正常產線。

這就是「設備故障預測與預防性維護」,是 AI 在製造業最典型的應用場景。產業標籤:智慧製造。

舊方法

沒有 AI 預測維護,工廠怎麼管設備?

傳統工廠的設備管理方式有幾種,但各有問題:

  1. 定期保養:每三個月換一次機油,不管機器狀況好不好,浪費材料也可能錯過突發故障
  2. 壞了再修(Reactive Maintenance):等到機器停了才動手,損失最大,緊急備料又貴
  3. 人工巡線:工程師每天用耳朵聽、用手摸判斷異常,主觀且耗人力,還有夜班死角
  4. 經驗法則:老師傅憑經驗說「這台機器怪怪的」,但老師傅退休就失傳了
  5. 過度備料:怕斷料就囤大量零件,佔用庫存成本

這些方法要嘛反應太慢、要嘛成本太高,AI 預測維護才是根本解法。

新方法

智慧製造:AI 怎麼做設備故障預測

林志遠工廠的 AI 系統做的事分三層:

第一層:數據收集。在機台上裝上 IoT 感測器,持續收集溫度、震動頻率、電流消耗、加工精度等數據,形成每台機器的「健康紀錄」。

第二層:異常偵測。AI 模型學習「正常運作時的數據長什麼樣」,一旦偵測到偏離正常範圍的訊號,就標記為潛在故障前兆。

第三層:預測與排程。模型預測「這個偏差再繼續發展,X 天後會達到需要更換的臨界點」,自動產生維護工單,讓工程師在停機成本最低的時間排班處理。

這整套流程屬於「預防性維護(Predictive Maintenance)」,是 AI 在製造業最成熟、ROI 最明確的應用。

這就是選項 B 講的:使用 AI 進行設備故障預測與預防性維護,對應的正是智慧製造(Smart Manufacturing)產業。

錯選項

為什麼其他選項是錯的

A利用 AI 分析商場顧客購買紀錄以預測股票市場波動:智慧交通

字面在說什麼

用零售消費數據預測股市,標籤是「智慧交通」。

為什麼不對

雙重錯誤:第一,消費數據預測股市是金融分析的應用,不是交通;第二,「智慧交通」的 AI 應用是交通流量、自動駕駛、號誌優化,跟購物記錄完全無關。

誰會選錯

看到「購買紀錄」和「預測」就覺得合理、沒仔細看產業標籤的人。每個選項要同時對照「AI 應用」跟「產業標籤」兩個部分。

C以 AI 模型融合即時氣象資料與乘客消費行為特徵,推薦會員升級優惠方案:智慧醫療

字面在說什麼

用天氣加消費行為推薦優惠,標籤是「智慧醫療」。

為什麼不對

氣象加消費推薦優惠,這是零售電商或航空旅遊業的行銷 AI 場景,完全不是醫療。智慧醫療的 AI 在做醫學影像診斷、疾病預測,不是推薦優惠方案。

誰會選錯

只看到「推薦」和「AI 模型」就覺得是高科技、然後隨便配一個產業的人。

D利用 AI 分析社群媒體互動以提升臨床診斷準確度:金融服務業

字面在說什麼

用社群媒體數據輔助臨床診斷,標籤是「金融服務業」。

為什麼不對

「臨床診斷」是醫療行為,這個應用場景屬於智慧醫療。金融服務業的 AI 在做信用評分、詐欺偵測,不是臨床診斷。應用和產業都貼錯了標籤。

誰會選錯

考試壓力下來不及慢慢讀完每個選項的人,只看前半段「社群媒體分析」就以為是金融科技。

變形題

同個考點下次怎麼變形

延伸

想再往下看,這 5 個

答案、題目或解析有問題?回報這題

出處:iPAS 經濟部產業人才能力鑑定 ・ 115 年第一次 iPAS AI 應用規劃師 初級 科目一 人工智慧基礎概論 第 14 題

看官方原文 PDF

原題 © 經濟部產業發展署,AITerms.tw 僅作教學解析使用,本站解析以 CC BY-NC-SA 4.0 授權。