科勝科技產品銷售業務處經理潘安禹指出，數位分身是近年來在多個行業中引起廣泛討論的技術，它透過建立實體對象的虛擬數位副本來優化營運、維護和製造流程。不同領域對於數位分身的應用和理解各有差異，這主要源於各行各業對技術的採用步伐和方式不一所致。
在工業領域，數位分身常被用來建構虛擬工廠，進而實現工廠的全面數位化。這種轉型使得製造業能夠在3D模擬環境中進行設計、測試和維護，藉此提高生產效率和降低運營風險。潘安禹舉例，NVIDIA就是在推動工廠數位化方面的先驅之一，運用數位分身技術來優化工廠設計和維運。
特別是在工廠維護領域，數位分身的應用非常廣泛。工作人員可以戴著頭盔進入虛擬的工廠環境中，學習如何操作和維修機器設備，而不必實際進入危險的工作環境。不僅提高了維護工作的安全性，還可增加培訓的效率。
在石化業的數位分身應用則更偏重於製程流程優化。透過建立控制系統的數位副本，企業能夠在無風險的虛擬環境中模擬和調整工作流程，確保調整後的參數能夠在現實環境中達到預期效果。這種方法不僅能夠預測潛在問題，還能在實際部署前進行必要的優化，以保證生產流程的效率與安全。
3D逆向工程建模型
數位分身技術在現代工業中的應用逐漸成為熱門話題，尤其是在設備維護模擬領域。隨著擴增實境（AR）和虛擬實境（VR）裝置的普及，數位分身技術不僅提高了產業的效率，還因應新冠肺炎疫情期間的特殊需求，大幅推動了遠端操作和維護的發展。
實現AR/VR設備維護模擬並非一蹴可幾，首要步驟是將工廠環境虛擬化並進行三維化（3D化）。科勝科技專案應用技術處經理洪山海指出，多數企業的困境是老舊廠房根本沒有工程圖可參考，此時3D逆向工程即可發揮效益。逆向工程是一種從實體產品中提取三維數據來重新建構產品模型的技術。透過雷射掃描技術，使用雷射光束對物體表面進行掃描，以此來獲取物體的幾何資訊。
洪山海進一步說明，掃描儀會發射雷射光束，將其照射到目標物體上。當雷射光束照射到物體表面後，會發生反射並返回到掃描儀的接收器。接著，接收器捕捉到的反射光訊號會被轉換為數據，進一步利用這些數據計算物體的距離與形狀，最終生成點雲資料。
經過雷射掃描技術的處理後，所生成的點雲資料初期僅呈現物體的平面圖形，而未包含任何物理屬性，如材質、厚度或寬度等詳細資訊。後續須運用3D軟體繪製，讓這些基礎圖形資料得以具備相對應的屬性，使得每個元素都能在虛擬現場中被精準識別。
洪山海舉例，在虛擬環境中，只要點選管線，系統便能即時顯示出該管線的長度、材質等細節。這不僅提高了工程效率，也使得物料管理更為便捷。基於這些資訊，工程師可以輕鬆建立物料清單，未來不論是擴廠、增設產線，甚至是新建廠房時，皆提供了重要的資產管理基礎。
虛擬物件整合即時數據
3D模型與廠房內的設備及運轉數據進行整合，即為數位分身技術受到青睞的關鍵。當3D模型能夠實時接取並反映出設備的運行狀態時，這個模型就變成了一個真正的數位分身。它不僅能顯示設備當前的狀態，還能根據收集到的數據預測未來的運行趨勢，或是識別出潛在的維護需求。這種數位與實體的深度融合，使得營運管理者和現場工程師能夠更加精確地掌控生產過程，提高效率並降低運營風險。
科勝科技利用自家開發的工業通訊整合平台（AUG），整合所有結構化與非結構化資訊，以便於工廠管理與營運效率的提升。科勝科技專案應用技術處資深經理曾玉青指出，這個平台能夠整合的資料包括標準操作程序（SOP）檔案、3D模型、設備相關文件、即時運行數據以及後續的保養維護數據。用戶僅需透過點選特定設備，便可快速獲得該設備的所有相關資訊。
科勝科技產品銷售業務處經理潘安禹（左）、專案應用技術處經理洪山海（中）、專案應用技術處資深經理曾玉青（右）介紹工控場域從自動化演進到數位化，在工業通訊整合平台上可呈現即時運行數據。
值得一提的是，在2024台北國際自動化工業大展中，科勝科技與NVIDIA Omniverse合作展出工業數位分身解決方案。讓工程師可在不進入工廠的情況下，透過數位分身平台即時了解工廠的運行狀況。這不僅大幅節省了時間，還有助於減少進入工廠可能引發的工安意外，提高了整體的工作安全性。 當工廠內的設備發生故障或問題時，相關人員可迅速透過數位分身平台獲取詳細的設備資訊。這種即時的資料存取能力使得問題處理更加迅速有效，減少了機械故障對生產線的潛在影響。例如機械手臂，只要點選就可列出機械手臂的相關資訊，並且透過工業通訊整合平台來掌握即時動態資料，以及整合NVIDIA Omniverse所繪製出的動畫來呈現當前動作。
至於應用場景，曾玉青說明，目前是針對能源、長途管線、邊緣設備，透過地理資訊系統（GIS）定位整合3D模型，準確定位設備位置，便於系統進行資產管理。例如太陽能板多為分散設置，業者須有能力精準掌握太陽能板所在位置，以及在供電量不足的當下，立即發出通知，請維修人員查看是否因遮蔽物或者是損毀導致。維修人員就可以透過科勝科技提供的數位分身平台，準確地找到故障點，以便到現場進行維修。
近年來生成式人工智慧（GenAI）快速發展，在許多領域開始展現效益，問題是，生成式AI有時會產生所謂的「幻覺」，也就是在缺乏充分實證支持的情況下做出判斷或生成結果。這種現象往往發生在AI未能完全理解現場實際運行狀況下，生成與現實不符合的輸出。因此，在工業領域，現場操作人員的經驗和判斷顯得尤為重要，以免過度依賴AI而忽略專業判斷，導致錯誤的決策。
潘安禹認為，AI需要依據充分的歷史數據來進行分析。這些數據不僅包括當前的數據，也包括過去的紀錄，這樣AI才能基於實際情況做出合理的預測。然而，許多工廠的現況是欠缺資料管理，IT與OT系統尚未各有效整合，在這種情況下，即便是先進的生成式AI也無法發揮應有的效益。因此，他建議，欲引進生成式AI應用，企業的首要任務是對現有資料進行全面的梳理和整理。只有建立結構化、準確的資料庫，AI才能有效地提供洞察和預測，支持更精確的決策。