運用人工智慧於金屬製品製造業之職業衛生工程改善研究ILOSH111-A311

研究執行結果證實利用人工智慧技術於職場工作環境的改善是可行，軟體模擬的結果、建議改善方案及改善成果，將受暴露資料能否反映現場從業人員的實際暴露、暴露情境的詳細程度、改善成本的資料，以及改善內容的關連性等因素影響。未來人工智慧職業衛生決策軟體若能利用類似機械學習的方式，加入專家意見，逐步改善暴露評估預測模式，則將增進人工智慧決策應用於製造業職場環境改善的範圍與效益。
本研究建議事項包括：1.本研究所建立的金屬製品製造業人工智慧技術暴露情境資料庫，包括國內金屬製品製造業生產流程、設備、與作業環境測定及改善成本相關資料，建議作為事業單位建置職業安全衛生管理計畫或職業安全衛生管理系統之參考。2.資料庫完整性方面，目前資料庫僅限金屬製品製造業，建議未來應持續新增其他行業之製程以及化學物質的資料蒐集，以及一併加入情境描述與資料庫之參數描述等相關資料。3.建議在未來研究發展擴張方面，可持續驗證程式與評估模式，並應用於物理性、化學性、及生物性等職業衛生危害。針對不同暴露途徑、不同族群等應用也可再有其他相關研究成果時，將該模式納入本程式作為擴張。同時，在記錄不同暴露評估情境以外，建議未來也可同步紀錄專業人員之對照判斷與改善建議結論，這些判定數據未來可作為新的機器學習數據所使用。在AI系統之操作實務使用上，未來可依據用途及對象規劃設計使用介面，補充各項製程參數設定之描述說明以及模式使用對象須瞭解之注意事項以降低AI系統的操作門檻。4.在AI程式未來改進方面，建議可透過搜集各種工程改善之達成難易度來作為AI選擇方案的指標之一，例如透過加入改善所需之施工時間、影響製程的程度等指標，即可納入AI模式作為判斷方案可行性及合理性的影響因子。

作者簡介：

潘致弘：勞動部勞動及職業安全衛生研究所簡任研究員
吳焜裕：國立臺灣大學食品安全與健康研究所教授