政府機關每年辦理各項重要公共工程建設或重大施政計畫，依公平、公開之採 購程序，定作工程、購置或定製財物、取得勞務服務。採購法涵蓋諸多複雜的法律 條款與細則，每個採購專案皆有其特定的背景需針對性的解釋與建議，大型語言模 型具備處理海量案例數據的優勢，可提供客製化的諮詢服務。本研究創新自製繁體 中文政府採購法知識庫，訓練二套台灣特有的大型語言模型(Trustworthy AI Dialogue Engine (TAIDE)和Taiwan-LLM)，並創新開發台灣特有的媽祖遶境民間習俗的元啟發 式演算法 ─ 模糊自適應媽祖朝聖 行走最佳化 (Fuzzy Adaptive Pilgrimage Walk Optimization, FAPWO)─優化調教大型語言模型的超參數。研究開發的混合式人工智 慧(hybrid AI)模型可提供使用者於政府採購法務諮詢的應答服務，協助法律領域專家 和營建管理工程師快速因應採購法務問題，可節省檢索法規資料的時間，提供即時、 準確和可靠的法規案例建議；亦可作為法律學習工具，輔助使用者理解政府採購法 的概念和程序，提升決策質量、營運效率和專案風險管理。

關鍵詞：大型語言模型、自然語言處理、元啟發式優化演算法、政府採購法、自動 化法務諮詢

目前台灣的營造環境由於業主給的備標和投標時間太過短促，再加上決標過程 中時間的壓力，往往使營造廠在投標前的工作非常緊迫。未能完全理解投標的文件 內容如鑽探報告、圖說、規範、材料機能性、環境因素等相關資訊。此時需要有效 的組織一個團隊來完成投標任務，從圖面中找出有利且可行的價值工程(VE，Value Engineering)項目，並提出創新價值工程，以達到縮短工期、節省成本、提高機能、 安全、品質。以建築總工期而言，地工施作時間甚久，然擋土支撐工法又受地質條 件、基地環境、氣候因素等影響，存在著一定風險，為了有效降低風險、成本、工 期、提升安全，本研究於專案工程處在前期投備標階段，將專案原領標圖說內容針 對地工項目進行檢討，找出環境條件不變下可執行的價值工程，依據案例執行結果， 並比較優化後的工法，在工期、成本、安全、機能、價值上做出說明。本研究藉由 實際案例之探討，將價值工程使用時機自得標後往前提至投標階段，並建立一套於 投標階段過程中使用價值工程之標準流程，透過擋土支撐工法比較優化後，致價值 工程可以創造更多效益提升業主、設計單位、營造廠三方利益；經由本研究案例整 理出營造業價值工程影響五個因子，分別為工期、成本、安全、機能、施工性，優 化因子以工期需求為最多，成本為次多因子。在以實際 4 個案例分別依其個案特性， 地質條件環境不同，而運用更適合擋土支撐工法分析 5 個因子，並依價值工程步驟 流程進行，將原工法和價工方案作比較驗證所得到的結論，雖多以縮短工期，降低 成本為多數，但在安全問題不斷出現狀況，價值工程在研析中以安全為優先考量， 其工法會因安全考量而提高成本的實際案例，最後在結論與建議對未來在投標階段 所提列的優化方案，將業主在投標議價時對價值工程的承諾載入合約中，另設計師 要依照其優化方案依據法規協助辦理，而營造廠細化價值工程方案得以符合主管機 關之法令，也是目前價值工程最佳方案。

關鍵字：價值工程、工程投標、擋土支撐工法

In recent years, there has been a shift in the procurement of public works from the traditional construction contract, where the design phase precedes the construction phase, to the turnkey project contract, characterized by simultaneous design and construction. The public works in Taiwan are solicited, contracted, and executed in accordance with the Government Procurement Act, utilizing the model contract published by the Public Construction Commission of the Executive Yuan. This model contract delineates provisions regarding penalties for delayed performance across three categories: failure to meet deadlines for submitting design work for review and correction, failure to meet construction completion deadlines, and failure to rectify defects within specified deadlines. Nevertheless, Articles 251 and 252 of the Civil Code empower the court to proportionately reduce penalties considering the “interests received by the creditor as a result of partial performance” and “disproportionately high penalties,” respectively. Through document analysis, this study compares and summarizes the findings of recent years’ precedents: 1. Proportionate reduction of punitive damages may compromise the design quality of turnkey projects; 2. Proportionate reduction of pre-determined liquidated damages may cause delays in the performance efficiency of turnkey projects; 3. The system of proportionate penalty reduction significantly impacts the effectiveness of penalty clauses for delayed performance in public works projects.

Keywords: Model Construction Procurement Contract; Pre-Determined Liquidated Damages; Punitive Damages; Penalty Reduction

Fall accidents significantly contribute to the fatality rate in construction. Accurately predicting risk level classifications allows for proactive mitigation of these risks, thereby reducing the number of accidents. However, due to the complexity and vast amount of data, conventional methods may be insufficient. Therefore, this study combines the proficiency of NNs with high-dimensional data and the sequential data processing capabilities of GNNs to enhance predictive models for construction falls. Specifically, for this research's objectives, NNs process time-independent variables, while GNNs handle time-dependent variables. To further improve performance, the Optical Microscope Algorithm (OMA) is employed as an optimization process. OMA aims to optimize the hybrid NN-GNN’s architecture parameters and output weights. The proposed model classifies fall risk levels into low risk, medium risk, and high risk on construction sites based on hazardous areas and metabolic heat load severity. The factors contributing to metabolic heat load severity include the worker’s physique, heart rate, and Wet Bulb Globe Temperature (WBGT). The classification performance evaluation metrics—accuracy, precision, recall, and F1 score—obtained by the hybrid NN-GNN achieved higher values than its base models, which are the original NN and original GNN, at 91.65%, 91.99%, 91.65%, and 91.61%, respectively. However, employing OMA to optimize the hybrid NN-GNN model improves the performance to a higher level, with an accuracy of 92.98%, precision of 93.17%, recall of 92.98%, and F1 score of 92.96%. These results demonstrate that OMA-NN-GNN outperforms its base models and is reliable for fall risk level detection, thereby reducing fall-related accidents on construction sites.

Keywords: Fall Accidents; Classification; Deep Learning; Graph Neural Network; Optimization

營建工程的龐大量體，帶動許多產業發展，對於民生與經濟有不容小覷的影響 力。經官方統計資料發現，施工作業期間的『墜落與滾落』為我國營造業最嚴重之 職業災害發生類型，而又基於行為的安全(Behavior-Based Safety, BBS)管理研究顯示， 大多數的事故成因皆可歸咎於不安全行為，唯有系統性的警示危險行為，才能減少 事故、提升安全績效。現今場域習以監控設備輔助現場管理，若能強化現地施工過 程的視覺管理技術，不僅可降低人力管理成本，也有助於減少墜落與滾落的發生。 電腦視覺(Computer Vision, CV)係一種利用轉換影像特徵使電腦達成人類交付任務之 技術，而隨著電腦運算力的提升帶動 CV技術的廣泛應用與發展。然營建場域之場 景複雜，伴隨人員變動性，對於倚賴影像的 CV技術帶來些許的限制—即無法類似 人眼可依過往經驗以部分物體感知其完整模樣或狀態，以單視角對被遮擋的物體進 行透視，稱為非模態感知(Amodal perception)。爰此，當管理者未能親身在場巡視時， 透過本研究提出之非模態實例分割(Amodal instance segmentation)技術，可使電腦視 覺模擬人類非模態感知能力，達到完整輔助監測人員行動的效用。研究資料集採用 Site Object Detection Dataset 與自行拍攝之現地人員圖像，透過第一階段預處理資料 集訓練 YOLOv8 實例分割模型，使其可精確快速的進行檢測與分割現場人員的遮罩， 第二階段預處理將第一階段資料集產生的遮罩複製並自動加以遮蔽做為不可見遮罩 生成模型的成對訓練資料；(不可見)遮罩生成模型則係以條件生成對抗網路(cGANs) 實現，藉由改良模型 Pix2pix，訓練模型預測人像被遮擋的範圍；再利用實例分割模 型與遮罩生成模型，生成不可見遮罩，達到非模態實例分割之任務；模型建構過程 採用創新的朝聖行走啟發演算法(Pilgrimage Walk Optimization)優化取得訓練模型之 超參數，藉以提升預測模型之精度。研究成果為營建場域人員職業災害的實時監控 檢測，提供新穎的條件生成式非模態實例分割優化技術，降低影像遮擋對於採用電 腦視覺預測工作人員在施工場域的作業安全檢查及防護預警通報的影響，減少墜落 與滾落發生頻率。

關鍵字：營建場域高處墜落及滾落風險、電腦視覺、實例分割模型、條件生成對抗 網路、非模態實例分割

地震災害可能對電力系統造成嚴重衝擊，隨著社會愈發仰賴電力，災後能否持 續穩定供電將影響民眾基本生活，以及災害期間的緊急應變、救援工作。過去針對 電力系統地震工程的研究，多針對電力設備與電力廠站的耐震能力為出發點；至於電力運行安全性的研究，則更重視電網面對突發事故的容錯能力。然而礙於地震工程與電力領域各有其專業性，過去少有同時考量電網耐震性與容錯能力的研究。故本研究希望結合兩者特性，藉由輸電設施裝置量能的擴充，提升整體電力系統對於 地震衝擊的韌性，維持穩定供電的能力。首先利用地震參數與易損性曲線模擬震後 電網的受損情形，再以電力潮流分析法計算電流重分配狀態，並評估何處設施出現電力超載。接著應用粒子群最佳化演算法(PSO)，尋找在滿足一定可靠度的條件下，總擴充容量最低的輸變電裝置擴充策略。研究案例針對大臺北地區 161kV 以上輸電系統，在山腳斷層發生規模 6.5 級的地震情境下進行模擬與最佳化擴充。結果顯示本研究所提出的分析模型與擴充策略，確實可幫助提升電力系統應對致災性地震的容錯能力與可靠度，提供決策者制定未來電力系統防震措施的參考。

關鍵字：電力系統、地震防範、供電可靠度、輸電擴充規劃、粒子群演算法

隨都市化發展，人口迅速成長，都會區人口密集活動頻繁，人潮群聚空間日益劇增，災害事故下，疏散避難為困難，如捷運系統為都會區重要的關鍵設施，亦為 人潮聚集的密閉空間，倘若事故發生，易造成恐慌和推擠，尤其台灣邁入高齡社會， 高齡者比率在2022年11月已達17.5%，高齡者因行動緩慢容易成為災害事件中不易 立即疏散的群體，間接影響人流疏散的動線。研究中以捷運站為標的，運用建築資訊BIM 模型與人潮大數據建構避難疏散空間風險模式，再利用避難疏散模擬軟體進行分析，捷運空間大量人潮，伴隨高比率高齡者時的疏散情況，採用風險矩陣評估設施人潮群聚空間風險。本研究提出的分析方法架構，可應用於人潮群聚空間的疏散計畫的擬定及分析，提供設施管理者參考，幫助建立對應的機制。

關鍵字： 建築資訊BIM模型、人潮大數據、高齡社會、捷運站疏散空間風險

隨著現今工業化和都市化的加速發展，傳統的國家安全議題已轉變為全球性的 公共健康和環境問題，其中空氣汙染尤其特別嚴重。在台灣，政府於2011年制定了 室內空氣品質管理法，成為全球第二個通過此類法律的國家，顯示了呼吸乾淨空氣 被認為是基本人權的全球趨勢。然而，往往忽略了室內裝修工程期間可能產生的高濃度污染，裝修後室內的揮 發性有機化合物需要數週才能降至安全標準以下，更不用說裝修期間的空氣品質對 於從業人員會是一個重大健康風險。因此，本研究旨在透過總揮發性有機化合物、甲醛及懸浮微粒之實地和密閉環境室的連續監測，來識別和減少這些風險，以保護 室內裝修從業人員避免受到過度污染的影響。 經過兩個案場的實地測量及密閉環境室實驗，結果顯示特定的工項，如打鑿和 油漆，PM2.5、PM10和TVOC的濃度會明顯增加，有時遠超標準值。研究中也比較 監測結果與現場從業人員認知上的差異，最後建立了一套簡易視覺化警示系統，能在濃度超標時及時警告施工人員。這項工作的重要性在於，瞭解裝修期間空氣品質的變化並建議採取適當的防護措施，以保護施工人員的健康安全，不僅提升了室內裝修安全性，也增強了公眾對於室內空氣品質重要性的認識，可以推動相關法規和標準的進一步發展。

關鍵字：室內裝修工程、總揮發性有機化合物、懸浮微粒、甲醛、室內空氣品質連續監測

This paper introduces a novel Arctic tern optimized (ATO) weighted feature regression system designed to predict scour depth around bridge piers, aiding civil engineers. To enhance performance metrics, the ATO method optimizes all hyperparameters within the weighted feature least squares support vector regression (WFLSSVR) models. Validation of this approach includes a comprehensive assessment through two case studies, which involve analyzing field data and scour depth data at complex pier foundations. The results demonstrate that ATO-WFLSSVR's reliability outperforms other models in key performance metrics. Specifically, for the field data, ATO-WFLSSVR achieves a MAPE of 20.92% and an R-value of 0.9435; for scour depth data at complex pier foundations, it records a MAPE of 6.49% and an R-value of 0.9384. This study contributes to developing an innovative optimization algorithm, the Arctic tern optimizer (ATO), showcases proficiency in solving high-dimensional optimization problems and introduces a user friendly graphical interface system. This tool is a promising resource for civil engineers to estimate and manage bridge scour depth. Further testing and evaluation of ATO-WFLSSVR across diverse datasets involving more complex scenarios are recommended.

Keywords: Scour Depth at The Bridge; Metaheuristic Algorithm; Artic Tern Optimizer (ATO); Machine Learning; Least Squares Support Vector Regression

This study highlights the importance of the construction cost index (CCI) and the significance of accurate price forecasting in the construction industry. Our proposed approach leverages both Long Short-Term Memory (LSTM) and Transformer models, which are adept at capturing complex patterns and trends in time-series data. By analyzing historical price data of construction materials, these models forecast future price movements with high accuracy. Combining these advanced neural network models with Building Information Modeling (BIM) better manages construction costs and mitigates financial risks posed by price fluctuation. The effectiveness of our approach is preliminarily validated through actual project data, demonstrating its potential to enhance financial planning and risk management in construction projects.

Keywords: Neural Networks; Cost Estimation; Construction Cost Index; Quantity Take-Off; Building Information Modeling

本研究主要探討專案成本控制，並提出了一種元啟發式最佳化演算法：網路犯罪調查演算法（CIA），該演算法基於調查人員處理電子證據的流程。實驗結果顯示，CIA 演算法在處理多維度不可分離函數方面表現突出，能夠在複雜的搜索空間中成功找到 70.83%最優解，顯示出其在處理複雜問題時的強大能力。我們將 CIA 演算法應用於土木工程專案，並與其他元啟發式演算法進行比較，實驗結果表明， CIA 以100%的成功率找到了最佳成本，展示了在約束條件下實現專案成本最佳化的 實用性和可靠性。綜合這些研究結果，元啟發式最佳化演算法在工程管理中具有廣泛的應用前景，特別適用於需要精確成本控制的複雜專案環境。本研究為未來的工 程專案管理提供了一個有效的工具，並為相關領域的研究和實踐提供了參考。

關鍵字：元啟發式演算法、工程成本管理、單目標最佳化、網路犯罪調查演算法、 基準函數測試

The construction industry has consistently aimed for successful projects that meet their goals within designated cost and time constraints. Earned value management (EVM) is a widely used method to control project performance by forecasting the cost and time to completion (ECAC & ESAC). While previous studies have used machine learning techniques to calculate ECAC and ESAC, these efforts have been hindered by a lack of optimization and the limitations of single-objective approaches. To address this, a new prediction model called OMA-NN-BiLSTM is proposed, utilizing the optimization model of the optical microscope algorithm (OMA) and bidirectional methods. Given the conflicting nature and interdependencies between cost and time, they are treated as a tradeoff problem. A multi-objective optical microscope algorithm (MOOMA) is developed to generate a Pareto curve, illustrating the tradeoff values between cost and time. Decision-makers' preferences are represented by indifference curves, which are determined using a triangular preference function. The tradeoff results are then analyzed to calculate ECAC and ESAC, based on the tangent point between the Pareto curve and the indifference curve. For the selected project case period, the optimal tradeoff indicates that in the 4th period of the project, it is forecasted to be completed in 574 days with an estimated cost of approximately $2,332,958.70.

Keywords: Cost-Time Tradeoff; Earned Value Management; Risk Decision

橋樑為國家重要基礎建設，可聯繫兩地之經濟活動。經統計我國目前橋梁約 3 萬座，其中橋齡超過 30 年之橋梁約 1 萬 5 千座，佔總橋梁之半。爰此，橋樑每年例行的檢修維護需求可謂繁重。尤其位於相對高處或離河面的橋梁底板與下部構件，將使工程人員在執行細部檢測時面臨可能的勞安風險及現場推估的不確定性。目前我國橋樑檢測作業多仰賴橋檢工程師之現地主觀經驗，導致檢測員判斷劣化程度標準不一，將難以評估所需的維護成本或預算。為開發電腦視覺技術分類橋樑大型構 件，進而依影像辨識之實例分割技術框列劣化範圍，茲以建置橋梁劣化維護成本推估系統，研究首先透過無人飛行載具(UAV)現地蒐集台灣西部各縣市橋梁下部構件之劣化圖像。經由現地比對過往的文獻統計發現，劣化區域主要集中於橋背板、橋 墩、橋台、翼牆，而常見的劣化態樣為混凝土破裂、混凝土裂縫、混凝土蜂窩、鋼 筋裸露鏽蝕、鋼鈑脫漆、鋼鈑鏽蝕以及螺栓鏽蝕。故本研究鎖定上述四種橋梁構件進行現地採樣，建構 Vision Transformer 視覺影像的分類模型；其次採集 7 種不同的劣化態樣，訓練 YOLOv8 實例分割模型並使用自然啟發式演算法調教上述兩模型之超參數；最終將兩種模型串接應用於橋梁劣化維護成本系統中。從實務層面依據構件種類與其劣化面積範圍，初步選定維修補強工法，自動計算維修所需之總成本。本研究透過無人機(UAV)拍攝橋梁劣化影像，利用電腦視覺辨識技術區分橋梁大型構件，藉由訓練模型學習框列影像中之劣化態樣及區域，使具初階橋梁專業背景知識的工程師，亦能輕易操作本文研提之橋梁維護成本推估系統，輸出劣化構件維護報表作為成本或預算之基準值，不僅輔助檢測人員的作業效率，亦可減少人力及橋檢車的使用，降低橋梁的維運管理成本。

關鍵字：橋梁劣化預測、無人飛行載具、橋底版構件、視覺影像分類模型、影像辨 識實例分割模型、元啟發式優化演算法、劣化維護成本估算系統、維修成本報表

建築資訊塑模（Building Information Modeling，簡稱 BIM）為一種營建工程 3D 視覺化的資訊整合管理技術，由於 BIM 可提供工程各生命週期的不同應用，因此也 改變了許多專案傳統的作業流程，然而隨著 BIM 日益擴增的應用發展，BIM 模型品 質的標準化也逐漸成為一項需要正視的問題。BIM 模型的「品質檢核」與「檢核管 理」是建立在同一基礎上的工作，兩者間具有相互的關聯性，模型品質檢核不僅要 針對模型常規項目進行檢查，更需要考量各種應用需求，如：功能模擬、合規性檢 查、自動化許可證審查等。由於在採行這類檢查工具之前都必須先對模型進行預處 理或模型規範化，因此 BIM 不僅模型外觀應符合應用目的精度要求，於資訊內容的 部分更加重要，本研究歸納出自動化檢核前或進行模擬分析時 BIM 模型品質必須具 備的條件，將有助於工程專案提早因應並做好未雨綢繆的準備。 由於營建工程經常面臨設計期程不足的問題，實務中在有限的作業時間裡模型 品質控管問題經常遭忽略，然而 BIM 的模型品質檢核乃是施工前的最後一道防線， 為預防因設計時間不足所產生的不良影響，本研究針對與檢核相關的人員、工具、 內容及流程進行探討，並導入 TQM 全面品質管理的概念以建立 BIM 模型品質檢核 標準作業程序，使 BIM 模型於檢核時不致有因人而異標準不一的狀況，並採用績效 評量方式進行評分量化，目的即在建立符合專案需求的檢核管理模式。

關鍵字：BIM 模型、模型品質、檢核管理、TQM、全面品質管理

近年來，全球氣候變遷議題日益受到關注，環保意識逐漸提高，對於碳排放量的關注也日益增加。營建業作為一個重要的碳排放來源，其對環境的影響不可忽視。因此，了解和探討台灣國內營建業計算碳排放的流程與方法，對於減少碳排放、促進營建業可持續發展具有重要意義。透過深入研究，可以提供實質性的資訊和建議，幫助業界和政府制定更有效的減碳政策，同時促進營建業的綠色轉型。
本研究旨在探討台灣營建業對於碳排放計算的方法與流程。透過分析碳排放相關名詞、碳排放係數、碳足跡盤查標準，本研究旨在提供全面的理解。此外，本研究也深入分析了內政部建築研究所的 LEBR(Low Embodied-carbon Building Rating System，低碳建築評估系統)計算方式，並結合 BIM 模型中數量計算的工具進行實際 案例計算。希望透過本研究，能夠讓營建產業人士更了解碳排放計算的方法，從而推動行業的綠色轉型和可持續發展。這項研究將有助於營建業更好地理解和應對碳 排放問題，促進行業可持續發展。

關鍵字：BIM、碳排放計算、LEBR

隨著建築工程向高層化發展，施工現場作業的建築工人發生墜落的風險正在逐漸增加。現有研究已顯示施工墜落風險已是導致安全事故的首要因素, 然而現有AR導引相關研究中, 並無法提示下一地點的潛在墬落風險及相關注意事項。本研究透過貝葉斯網路方法、路徑算法、Unity引擎和AR技術的結合，致力於改善施工場地的安全狀況。
研究結果除了評估每一施工地點的潛在墜落風險外，為了提醒各施工地點存在之施工墬落風險，在導引中則會呈現往下一點之風險值與危險注意事項等資訊讓使用者了解其風險。最後透過 AR 導引施工路徑。此研究不僅為施工行業提供了創新的安全管理方案，還強調了教育和培訓在降低風險和提高安全意識方面的關鍵作用。

關鍵字: 施工墜落風險評估、安全檢查路徑規劃、貝葉斯網絡、BIM、Revit、Unity 遊戲引擎、AR、建模、路徑算法

隨著節能減碳變得越來越重要，建築能源消耗也因此成為關注的焦點，而傳統的能耗分析方法缺乏直觀的視覺化呈現，難以讓使用者直觀地了解建築物空間的能耗情況，而智慧電表在建築中的應用越來越廣泛，使得每戶的實時用電資料得以高效率的收集。經過初步處理後，這些大量的數據能夠轉化為高品質的資料庫。而本研究就是利用智慧電表的數據，針對空間耗電量開發一套視覺化模擬的系統，其中 使用了BIM 建模軟體與 Unity遊戲引擎做結合，實時模擬建築內不同空間的用電量， 實現建築空間的能耗可視化，最後開發視覺化模擬系統與虛擬實境的應用，幫助建築管理者及時發現並解決能源消耗異常問題，提高能源管理效率，實現節能減碳目 標。
研究包括建構 BIM 模型轉檔導入 Unity 中，利用智慧電表數據，在Unity中對空間進行能耗映射與顯示設置。研究結果展示建築模型在虛擬環境中的視覺效果，通過顏色梯度顯示各房間的耗電情況，並設計了簡單直觀的用戶界面。最終，系統在虛擬實境（VR）環境中運行，允許使用者自由移動和交互，直觀地觀察和管理建築的能源消耗情況。本研究提供了一個易於使用的工具，幫助使用者能夠更好地理解和管理建築物的能源消耗，讓未來向更綠色、更可持續的方向發展。

關鍵字：建築資訊模型、建築能源模擬、嚴肅遊戲、節能減碳

在施工過程中，「零意外」是所有施工參與人員一致的信念，但往往意外的發生是在頃刻之間，有太多不確定的因素，即使現場確實執行安衛管理、設置安全措施及推動教育訓練等，仍無法完全避免工安意外的發生，要如何預防災害的發生，能提供施工現場什麼協助，是本次研究探討的重點。
本研究將以災害預防為前提，探討並分析藉由土木資訊模型(Civil Information Modeling，CIM)工序模擬之技術，應用於教育訓練之模式，協助施工現場於施工前， 透過 CIM 工序模擬 3D 視覺化動態的呈現，提供現場規劃人員進行決策分析，同時 將定案之工序模擬進一步的延伸推廣應用，協助現場建立施工標準化之作業流程，並作為教育訓練之實用教材，讓施工人員具體知道如何施工，進而提升整體施工人員的安全意識，為施工管理領域提供一種新的視角和方法，以期達到職場防災及落實勞工安全。
本研究並透過實際案例探討 CIM 工序模擬應用於災害預防教育訓練之模式，進一步分析其導入所帶來的效益、困難與限制，並提供相關的結論與建議，以作為後續研究及應用之參考依據。

關鍵字：CIM、土木資訊模型、工序模擬、防災教育訓練

臺灣於 2021 年世界地球日宣布 2050 須達成淨零排放之目標，環保署氣候變遷因應法亦針對水泥、鋼鐵等製造碳排大戶收取碳費並研擬課徵碳稅；因水泥及鋼鐵乃工程業必要之材料，未來營建相關產業之碳盤查及碳排放政策會更為明確完整，此將促使營建產業重視碳排之議題同時也成為近年營建產業的主流趨勢。
台灣 2021 年發生大規模乾旱事件，而 2023 年台灣南部遭遇 30 年來最嚴重的水 資源短缺，因此水資源回收中心已是必要建設[1]；本研究利用 BIM 之靈活運算及數 據一致性之特性，探討國內 2012 年與 2014 年資料庫對水資源回收中心碳排放係數 產生的影響，分為結構工程(混凝土、鋼筋)、機電工程及設備營運三大類，研究發 現混凝土的碳排放係數在這兩年間有顯著增加，鋼筋和機電材料的係數也有所變動；而機電材料兩年度碳排放係數因使用不同的度量單位，使得各類工程占總碳排放量占比有所差異；研究亦發現，水資源回收中心之碳排主要來源為設備營運及結構工程，而機電工程所占比例則較低。而設備的選用間接影響機電管線尺寸，對碳排放 量產生也有一定影響；可透過節能馬達和管線優化的設計，使機電系統有效降低碳排放量，對總體碳足跡也有所助益。

關鍵詞：碳足跡、BIM、機電工程、水資源回收中心、碳排放係數

This study delves into various methodologies aimed at refining the classification of building damage utilizing UAV (Unmanned Aerial Vehicle) imagery and machine learning techniques. With YOLO, MobileNet, and VGG serving as the foundational models, the research focuses on implementing meta learners to rectify classification inaccuracies and bolster model precision. We investigated the application of meta learners with Random Forest on the ISBDA dataset. While achieving moderate performance, a decline in mAP scores was observed when trained and evaluated across different regions within the ISBDA dataset, emphasizing the significance of encompassing diverse and adaptable training data. In summary, this investigation underscores the pivotal role of data diversity and advanced machine learning techniques in refining the accuracy of damage classification. It also underscores the necessity of striking a balance between enhancing model performance through additional data and preserving computational efficiency. These findings pave the way for promising avenues of advancement in the realm of building damage classification employing machine learning.

Keywords: Building Damage Assessment; Ensemble Stacking; Meta Learner; Machine Learning; UAV Imagery

In the modern construction industry, point cloud data is important for construction progress monitoring and quality control. Traditionally, it is collected by workers using laser scanners, which is resource-intensive, time-consuming, and unsafe. To address these issues, robots are being deployed for automated point cloud data collection. However, current applications are often limited to single robots and suffer from inefficient coordination as projects scale up. This research proposes a centralized multi-agent ground robot system that utilizes the Multi-Agent SLAM (Simultaneous Localization and Mapping) algorithm. This algorithm allows multiple robots to share data and knowledge simultaneously, resulting in efficient and effective point cloud data capture. In this system, several ground robots are deployed to gather point cloud data, which is initially refined by a single robot front end before being transmitted to a central server. At the server, the multi-robot back end performs loop closure calculations between the robots and optimizes the multi-robot pose graph. Experimental results show that the proposed framework reduces point cloud generation time by 30% compared to single robot systems. This finding demonstrates that the use of robotic technology can significantly improve data collection processes on construction sites.

Keywords: Point Cloud Data Capture; Multi-Agent Ground Robots; Centralized SLAM; On-Site Data Collection; Smart Automated Construction Monitoring

為了防止職業災害的發生，保障工作者安全及健康，我國制定了職業安全衛生 法。而職業災害的預防除了有賴雇主遵循職業安全衛生法的規定，規劃並落實安全 衛生管理工作，如何強化職場勞工的安全衛生認知以達到降低職業災害的目標也是 重要的一環。近年來，由於手機通訊軟體的使用率逐年升高，建置於即時通訊平台 的聊天機器人，因其便利且直覺等優點，讓大量企業將將之作為公司資訊應用的工 具。本研究擬建立一個以聊天機器人為基礎之職安衛資訊管理系統，讓使用者可以 不受時間及空間限制更方便快速的應用安衛資訊，以達到降低職業災害的效益。 本研究建立的資訊管理系統共 6大模組，模組 1為蒐集專案工地及職安衛資料； 模組 2 為整理需求資訊並匯入 SQL 資料庫；模組 3 為建立 Line Bot 聊天機器人；模 組 4 為串接 Line Bot 與自然語言處理技術；模組 5 是建立系統權限管控機制；模組 6 為透過 Line Bot 進行六項職安衛資訊管理應用。本研究以新竹市東區某新建工程做 為案例測試，並模擬不同功能可能的使用情境，並示範聊天機器人之操作流程，以 測試本研究系統運作可行性。本系統之使用方式以選單式探索為主要操作流程，模 組 4 之串接自然語言處理技術目前僅有模組開發構想尚未開發完成，將列為後續研 究方向。

關鍵字：職業安全衛生、聊天機器人、資訊管理

營建危害風險在所有行業中排名居冠，而墜落滾落的風險更在所有營建危害中 佔比最高。會造成墜落風險的原因不外乎以下兩種情況：未正確配戴安全設備(例如： 未正確將安全帶勾掛在安全母索上)及安全防護設施不完全(例如：將交叉拉桿拆下 之後未將它恢復，以至於施工架上出現開口危害)等。過去幾年來，深度學習電腦視 覺技術突飛猛進，雖然電腦視覺技術在辨識人員與機具等大型工地物件方面取得成 功，但是針對施工架交叉拉桿、安全母索等細長或細微構件之辨識能力不佳，導致 其無法正確監控安全風險。為改進此一問題，本研究應用 Matlab所提供之 Deep Network Designer 工具，進行深度類神經網路之遷移學習，選擇四種常見之影像辨識 深度學習網路—GoogleNet、Inception v3、MobileNet、RestNet—進行測試；經實際 驗證後發現，遷移式學習在複雜工地影像辨識中的應用成效顯著，在交叉拉桿設置 情境以 GoogleNet 之辨視正確率最高，達到 95.2%；在安全母索勾掛情境之辨識方面， GoogleNet、Inception v3 及 RestNet 等三種模型之辨識證去率皆高達 99%以上，可見 此一方法對於工地細微危害情境辨識具有極高之可行性，甚至超越人工檢查之水平， 可以進行產業應用。本研究最後探討影響深度網路遷移式學習在安全設備辨識能力 之主要因素，並針對實務應用提出建議，希望對於改進過去電腦視覺於營建施工安 全管理較弱之細微危害情境辨識，做出貢獻。

關鍵字：營建安全、深度學習、遷移式學習、細微物件、細長構件

由於營建產業相對於其他行業存在較高的不確定性和風險因素，導致職災發生 率遠高於其他行業。造成工安事故有多種原因，其中異常的疲勞和過大的心理壓力 是主要因素之一，此外營建業的管理人員時常在龐大的工作負荷下到自身不熟悉的 施工現場執行工作，這將提高職災發生的機率。過往研究雖有利用機器學習技術來 預測疲勞及心臟病罹患機率等結果，但鮮少直接針對營建業管理人員的工作疲勞進 行預測，亦或是用來訓練模型的資料過於集中於某些特定人員，以致訓練之模型泛 用性低，此外過往研究只能對標的做出預測的結果且相關的延伸內容只停留於理論 階段，無法將其實際運用於現地的安全管理當中。不僅如此，營建業缺乏一個整體 性的安全管理系統來確保相關人員的工作安全。鑒於上述所言，本研究將使用智慧 手環搭配 LoRa 技術來蒐集營建業管理人員的心率資料，之後將使用資料進行工作疲 勞預測並提出較佳之模型，除此之外將會設計個人的即時安全監測系統以觀察人員 當前的生理狀態，最後將上述提及的兩部分交互應用以構築出一個綜合性的安全管 理框架，如此使得相關人士得以遠端且即時對營建業之管理人員進行工作負荷管理， 有效識別潛在的風險並提早針對可能的疲勞或壓力狀況採取即時的措施。

關鍵字：心率手環、機器學習、疲勞監測、S 曲線

營建業專案具有高度獨特性，不同工程使用的施工規範、工程材料及設計標準 圖說皆會有不同程度上差異，因此監造單位需依據施工規範、圖說來重新檢討施工 抽查標準及制訂施工抽查紀錄表。依據 111 年行政院公共工程委員會施工查核紀錄 常見缺失態樣統計，「抽查標準」與「施工規範」不符之缺失比率達 36%(公共工程 委員會,2022)，此現象凸顯了改進現行抽查流程的迫切需求。本研究以人工智慧生成 施工抽查紀錄表，並以「鋼筋」分項工程為例。首先，在 OpenAI平台中建立應用程 式介面(API , Application Programming Interface)，並將施工規範上傳至該 API 中，以 快速檢索最新規範內容，產生「定性」部分的抽查標準；其次，將設計圖說及規範 的定量檢查標準轉換為數據儲存於定量查驗標準資料庫，利用 SQL Command撰寫條 件式提取數據，產生「定量」部分的抽查內容。將定性與定量程式碼整合，生成符 合契約格式的抽查紀錄表，不僅提升資料處理效率，也確保紀錄表內容的準確性， 達到優化工作、減少人為錯誤與提高營建專案管理之效率。

關鍵字：人工智慧、資料庫查詢語言、施工抽查紀錄表

當前全球新型冠狀病毒疫情已對營建業產生了廣泛而深遠的影響，為控制病毒 的傳播，各國紛紛實施了疫情管制措施之政策。本研究旨在探討這一特殊情況下， 疫情管制措施對營建業施工工人生產力的影響，並進一步觀察疫情對施工人員出工 率以及生產效率的影響。通過問卷調查以及專家訪談，確定生產力效率的差異以及 提出檢討現有公共工程疫情工期展延補救措施的合理性，對疫情管制對生產力效率 的影響完成有系統性的評估。基於這些發現，本研究根據分析成果，檢討現有公共 工程疫情工期展延補救措施的合理性以解決由疫情影響下對工程進度的影響。在補 償標準的制定中，確保施工項目的合理進行並減少相關成本損失。綜合上述，本研 究提供了有關在疫情背景下疫情管制措施影響施工生產效率的實際數據，並提出了 可能之解決方案以應對相關挑戰，有助於政府機關和相關機構制定出更有針對性的 政策和標準。

關鍵字：新冠疫情、生產力、施工效率

工程履約過程中隱含著眾多不確定因素及風險，當這些不確定因素及風險發生 時，若所涉及範圍廣大且影響金額甚高時，則機關與承包商便不易達成共識，此時 爭議便會發生。自司法院法學資料檢索系統及七法法學資料庫收集資料，設定 109/01/01-112/12/31 為資料期限，並且以高等法院(包含臺中、臺南、高雄、花蓮分 院)為審理訴訟之範圍。
透過、文獻資料歸納整理，及蒐集之資料分析後共得 180 件，以施工階段所產 生的變更設計爭議最多，並且以不同屬性加以分析討論，初步獲得以中央機關發生 訴訟之比例最高；建築工程之工程屬性比例最高；建築本體之工程類型比例最高； 發包金額上可依不同地區、不同機關，有明顯的工程規模大小差異。
就以變更設計之案由統計，超過 85%之訴求為給付工程款，多數為因變更設計 造成業主不給付工程款項，或因工期展延而造成廠商遭扣罰逾期違約金。而變更設 計之理由則以項目或數量調整為比例最高，其次為設計錯誤及工法改變。
本研究提出歸納後之討論，期望藉此供乙方可參考承攬風險因素，亦可提供給 甲方注意工程執行中與廠商發生爭議之來源，進而提早做好相對應之準備，以增加 工程造價之精準度、工期給付之彈性及降低訴訟之風險。

關鍵字：公共工程、履約爭議、變更設計

施工圖乃營造廠依據細部設計圖說後用於現場施工之依據，工地現場常見因介 面整合不當而發生爭議或衍生損害，原因之一為施工圖之製作分工或審查過程權利 義務不清，致引發爭端。藉由相關文獻及從業人員之訪談，以深入了解產業分工現 況與潛在問題，並針對營造業、設計監造兩類對象進行問卷調查，研究主要發現：
1、營造端對於清圖之細緻度及整合圖說之能力，為製作嚴謹且完整施工圖說之基本 要素。
2、根據調查顯示，營造端及設計監造端對施工圖之審查方式，整體而言，大致重點 審查之比例皆高於仔細實質審查，審查之落實有待強化改善。
3、在研究樣本中有 41.3%受測者曾遭遇過施工圖衝突衍生之爭議，而營造業受測者 更是高達 50 %曾發生過此類衝突。
4、當施工圖衍生爭議，其中 64.9%可藉由變更設計解決；而若產生損害賠償，則多 數由營造業(40.9%)或分包廠商負擔(25.3%)為主，甚少(3.9%)懲罰設計監造單位。

關鍵字：施工圖、工地現場施工製造圖、施工圖製作、爭議處理

本研究提出一個基於生成式預訓練轉換器(GPT)的施工品質管理標準表審查系統， 旨在解決當前施工品質管理標準表頻繁出現項目缺漏及內容與規範不符的問題，為 施工廠商提供一個預審查施工品質管理標準表的系統，透過自動化的審查，快速辨 識與施工規範不符之處，並生成審查報告書，使施工廠商可根據審查報告書的建議， 提前進行相應的修改，從而大幅提升規範引用正確性及品質管制系統的有效性。在 系統設計上，使用輕量級 Web 應用框架(Python Flask)進行系統介面設計，並通過編 寫程式碼連接至 GPT 應用程式介面(API, Application Programming Interface)，當系統 接收到用戶上傳的施工品質管理標準表後，能即時辨識文件與施工規範不符之處， 並提出具體的修改建議。 為了驗證系統的有效性，以碎石級配工程進行案例研究，結果顯示，系統能夠 在短時間內審查用戶上傳的施工品質管理標準表是否符合施工規範，並能自動生成 一份審查報告書。因此本研究提供了一種創新的方法，使施工廠商能在正式提交文 件前預先了解潛在的問題並進行修改，從而提高文件的品質並降低錯誤與缺失的發 生。

關鍵字：施工品質管理標準表、自動化、生成式預訓練轉換器(GPT)

轉爐石為煉鋼過程之副產品，以普遍使用於瀝青混凝土現地鋪設，並可提升資 源利用價值，且其比重、硬度大、軋製後扁平率低，粒料構架可發揮聚溫及高承載 能力，減少拌合熱能之損耗，達到節能減碳的目的。考量成效性質及碳排放量趨勢， 本研究設定不同轉爐石添加比例、拌合溫度、溫拌添加劑等試驗參數，探討對於瀝 青混凝土成效及碳排放趨勢。研究結果顯示，轉爐石取代比例增加則瀝青混凝土之 回彈模數增加，且瀝青混凝土之回彈模數隨溫拌劑使用量增加而增加，顯示溫拌劑 可促使瀝青膠泥有效包裹粒料能力。另外，轉爐石取代比例增加，瀝青混凝土之動 態潛變值降低，提升瀝青混凝土抵抗疲勞應變。而瀝青混凝土之動態潛變值隨溫拌 劑使用量增加而降低，耐久性、長期疲勞穩定性提升。以碳排放量試算分析，材料 原料端級製程端碳排放量比較，轉爐石粗粒料可全取代可降低 4.79 kg-CO2 e/T。傳 統 150℃拌合溫度，添加溫拌劑後，降低拌合溫度至 130℃、100℃，碳排放量分別 降低 7.46kg-CO2 e/T 、18.65 kg-CO2 e/T。然而，綜合考量拌合溫度降低至 130℃， 仍可維持轉爐石瀝青混凝土工程性穩定，並且可降低在製程之碳排放量。

關鍵字：轉爐石、拌合溫度、碳排放量

For the mitigation of the Urban Heat Island (UHI) effect, use of cool pavement is growing popularity as the increasing surface temperature is considered one of the sequences of the UHI effect. Reflective pavement and evaporative pavement are two common types known for their cooling properties. Past studies have shown that cool pavement was effective in reducing surface temperature. However, their impact on microclimate is crucial for urban planning. With the help of computation fluid dynamic model (CFD) simulation, we can readily examine how the cool pavement technologies influence microclimate. Notably, mean radiant temperature is essential for human comfort, alongside surface and air temperature. This study used ENVI-met to simulate model concrete pavement with varying levels of albedo, thermal conductivity and volumetric heat capacity. Among the tested pavement parameters, albedo exerted the greatest influence on both air temperature and mean radiant temperature. The highest albedo level resulted in a maximum reduction of 0.038℃ in air temperature but also led to a maximum rise of 2.2℃ in mean radiant. Pavements with irrigation demonstrate a significant decrease in mean radiant temperature.

Keywords: ENVI-met; Cool pavement; Urban microclimate; Urban heat island

公共工程雲端系統前身為公共工程標案管理系統，目的為整合不同機關的填報 系統，使承辦人不須因不同補助單位或代辦單位而填報多種系統，但整合其他功能 更新為公共雲端系統後，工程項目仍舊與原系統別無二致，有些工程查核的重要項 目仍無相關欄位。 本研究以某地方行政機關近 10 年的工程查核紀錄，將重複的優缺點歸納出數項 項目因子，並以問卷調查訪問項目重要程度。工程查核的項目為工程施工時的重要 項目，而系統則較注重工程發包時招決標的內容，盼能透過問卷調查 IPA 分析釐清 各項目於四象限之改善順序，並且運用 80/20法則篩選上級管考項目，及長尾理論從 80%中篩選地方行政機關自我管控的項目，決定欄位改善的層級使系統更有效率， 供上級機關管考以外亦能在雲端留下重要資訊，以利工程進行及後續案情查詢。

關鍵詞：公共工程雲端系統、80/20 法則、工程查核、IPA 分析、長尾理論

在營建業中，行動裝置運用在營建專案中已變得越來越普遍，儘管利用行動裝
置協助管理為工地現場帶來了方便性並提高工作效率，但先前研究所開發之系統主要著重於資料收存的角色，缺乏對施工項目與其使用人、機、料之間具體關聯性的紀錄與分析功能，無法產出對成本控制與資源有效分配的管理資訊或績效指標。
為進一步提升雲端日誌系統的管理功能與效益，本研究採用 Azure SQL Database建立資料庫，對施工項目與資源進行資料儲存，且整合預定時程表之 WBS 和工作項目，將日誌資料標籤化，可進行更多資料分析，掌握目前專案績效以利於制定決策。並利用 AppSheet 開發使用者介面，以按鈕或選單方式輸入資料且開發自動計算進度與工期的功能，使工程師於填報時更加的高效與方便。接著，Power BI 與 AppSheet進行連結，自動同步資料，生成雲端報表，達成數據實時更新、視覺化、資訊共享及績效評估等功能，提升施工團隊溝通與合作的效率。最後，利用 Excel 撰寫 VBA，自動產出符合工程會格式之施工日誌報表。此架構透過資料整合與管理技術，提高了營建業的資料處理效率和資源配置的準確性，增加了工地管理的透明度，並為專案管理人提供有用的數據，確保決策的即時與有效性。

關鍵字：施工日誌管理、行動裝置應用、決策支援

Mechanical, Electrical, and Plumbing (MEP) systems are the most complex and tedious scopes aspects in construction. Besides, it is also error-prone due to the large amount of data that will lead to time and cost overrun. While numerous studies have addressed these issues using Building Information Modeling (BIM) and heuristic methods that focused on designing phase, the application of Artificial Intelligence (AI) remains underexplored. In this paper, a generative AI approach was developed to enhance the quality and efficiency of design review. By leveraging the AI ability to extract and analyze textual information and machine learning to identify clash, we propose a streamlined design process. The purpose of this paper is to develop a new approach that combines the ability of generative AI to provide information and BIM to improve and simplify the review process of a design. BIM is used as an application to model, review, and modify the design. A model was developed to demonstrate and prove the effectiveness of generative AI, machine learning, and BIM to improve and simplify the process of reviewing model. The plumbing section which is prone to redesign due to clash is used as a study case. The study aims to provide a new perspective for reviewing model designs, showcasing the potential of combining AI and BIM to solve complex construction problems.

Keywords: Generative AI; MEP; Clash Detection; Plumbing; Autonomous

中國於 2020 年提出“雙碳”目標，鼓勵各領域開展低能耗、低碳排的技術，而建 築業向節能環保低耗能方向發展是必然趨勢，相較于傳統的建築施工，裝配式建築 具備實現綠色施工、節約資源、提高施工效率等優勢，成為建築領域工業化與智慧 化的新模式。本文聚焦於裝配式建築預製構件生產階段，從人工、材料、機械三個 維度梳理混凝土預製構件生產過程中碳排放影響因素，通過模型分析推理對碳排放 影響程度，並針對不同影響因素對社會、企業、個人等多角度提出優化建議。研究 依據指標體系模型來構建貝葉斯網路模型並進行參數學習。通過調整貝葉斯網路不 同節點的參數值來推理分析，並找出影響程度較大的因素。研究發現，不同維度的 影響因素均對裝配式建築的預製構件生產製造過程中碳排放造成一定影響，其中機 械維度影響最大，材料維度次之，人工維度最小；故提升機械設備運行效率、採用 節能環保機械設備、實現機械自動化，將有助於預製構件減碳的重要手段。

關鍵字：裝配式建築、混凝土預製構件、碳排放量、貝葉斯網路、生產優化

本研究旨在設計一個支持遠端操作的數位雙生架構，透過實時監控和映射現地 環境變動，有效減少塔吊作業中的事故發生率。首先，研究深入分析了傳統塔吊作 業中存在的風險與挑戰，並根據塔吊作業的具體需求，設計了一套操作者介面。這一介面允許操作員在遠端安全地控制塔吊，同時通過數位雙生技術確保操作的高度 精確性和實時反應。
本研究選擇了合適的感測器和技術，設計出碰撞檢測和運轉警戒範圍偵測，以 提升遠端操作的精確度和實時監控能力。這些技術的整合不僅使操作人員能夠獲得 精確的環境模型，還能夠適應不斷變化的工程環境，從而大幅提升作業的安全性和 效率。
最終，操作介面的實用性和效果是通過現地塔吊司機的使用和反饋來驗證。透 過這些反饋，研究證明了操作人員在無需直接接觸塔吊的情況下，能夠安全有效地 完成作業，顯著降低了高風險作業的事故發生。這一研究不僅提供了一種新的操作 模式，也為建築行業的安全管理和技術創新開闢了新的可能性。

關鍵字：塔吊作業、虛擬實境、數位雙生

Value Engineering (VE) is a strategic approach aimed at reducing construction costs by eliminating unnecessary design elements. However, VE's focus on cost reduction can overlook performance and quality aspects crucial for sustainability. Additionally, rigid selection criteria and subjective evaluation methods hinder optimal solution identification. Despite its effectiveness in cost savings, VE lacks systematic reuse of knowledge from previous studies, leading to mixed outcomes. This study aims to enhance understanding and development of VE in the construction industry by addressing three objectives: (1) identifying current VE practices, (2) demonstrating VE's applicability, and (3) identifying areas for further development. A systematic literature review of 70 papers from 2009 to 2024, using content analysis, underscores the critical role of the VE Job Plan in providing a structured framework for cost-efficient project execution. The findings reveal VE's extensive applicability in building, transportation, waterworks, industrial, urban park, and public projects. Key themes in VE research, such as performance and impacts, strategy, affecting factors, and application status, highlight cost savings as a primary benefit. The development and utilization of advanced VE tools, including the Original VE approach, VE-KMS, RETRIEVE, and innovative technologies like FAST and Chief-Screen 1.0, significantly enhance project efficiency, effectiveness, and sustainability. This research contributes to the construction industry by offering a comprehensive overview of VE practices and tools, ultimately enhancing project efficiency and reducing costs. It also emphasizes the need for future research to explore new methodologies and approaches to further advance VE practices and address evolving industry challenges.

Keywords: Value Engineering; Construction; Systematic Review

Design risk can greatly affect the success project or otherwise of design-build projects. This study presents the identification of design risk factors in design-build power plant projects and its ranking based on level of impact and level of possibility. A total of 37 design risk factors were identified, reviewed from previous literature researches and from in-depth interviews with experienced construction expertises in Vietnam. A survey questionnaire of level of impact and possibility of design risk using a five-point Likert scale was sent to 150 individuals operating in the construction. This yielded 106 valid responses for data analysis. Exploratory factor analysis showed that these factors could be categorized into six groups: risk of design team lack of capacity and experience, risk of improper design scheme, risk of design team lack of responsibility, risk of inefficient document review and poor cooperation between stakeholders, risk of change and requested by owner, and risk of disagreement and misunderstand by owner. The findings contribute to enhancing Design-Build stakeholders’ understanding and awareness of risks during design phase, thereby taking specific design risk management activities to minimize risks and achieve better project results.

Keywords: Exploratory Factor Analysis; Design Risk; Design-Build; Power Plant Projects

本研究以台灣電力公司地下電纜 T 型涵洞為例，運用 4D BIM 建置方法( ®Autodesk Revit 、 ®Microsoft Project 、 ®Microsoft Visio 、 ®Microsoft Excel 、 ®Bentley Synchro)及環境部產品碳足跡計算相關工具，綜合評估比較場鑄與預鑄工法在材料、施工、進度、成本、碳足跡等五大面向上之差異性及效益。經量化評估二種工法，除了成本上二工法相當以外，其餘四項指標預鑄工法均發揮顯著效益，其中在製造過程中更可減少約 30%之碳排放，足可確立未來台電公司土建構造物之減碳策略方針，以因應 2050 淨零排放政策。
關鍵字：4D BIM、地下電纜 T 型涵洞、預鑄工法、產品碳足跡、減碳策略方針

The seismic vulnerability of aging buildings, especially during earthquakes, poses significant risks that result in substantial financial losses and environmental impacts, contributing to global warming. This study evaluates seismic losses, economic implications, and environmental consequences for retrofitted reinforced concrete structures. Our analysis quantifies seismic losses by utilizing the Performance-Based Seismic Design (PBSD) framework and adopting FEMA P-58 procedures. Retrofit costs are evaluated by examining material quantities and associated activities multiplied by unit prices. Environmental impacts are assessed based on earthquake-induced damage, measured in carbon emissions and embodied carbon. Additionally, the research employs life cycle assessment (LCA) to measure carbon emissions throughout the construction process, encompassing production, construction, and disposal phases, including material manufacturing, transportation, and waste generation. A case study focuses on a three-story reinforced concrete school building and examines retrofit strategies like column expansion and composite columns. The findings suggest retrofitting significantly reduces seismic loss estimation, representing repair cost and repair time. The expenses related to retrofitting depend on material usage; as a result, the cost of composite columns is higher than that of jacketing columns due to the construction of new columns. Moreover, the carbon emissions and embodied carbon released from earthquake induced damage are higher than those released from construction activities. Overall, this research emphasizes the crucial role of retrofitting in enhancing building resilience to natural disasters, mitigating financial losses, and promoting environmental sustainability. The comprehensive approach provides valuable insights for policymakers, engineers, and stakeholders in formulating effective seismic risk mitigation strategies.
Keywords: Seismic Loss; Sustainability; Resilience; Economic Assessment; Retrofitted Building

從台灣政府於 2021 年宣布「台灣 2050 淨零轉型」施政總目標後，透過公、私部門、公協會等推動台灣淨零轉型，一時之間，減少碳排放與永續議題鋪天蓋地席捲而來，減碳與永續議題可謂資訊爆炸，然而各產業對於永續及淨零碳排議題之回應狀況與進程差異頗大，科技業、金融業及上市櫃公司等大型公司對於相關議題可能早已瞭若指掌且已經將永續目標納入經營策略甚至減碳議題也早已有所因應，但對於傳統中小企業而言，資金、規模與人才相對不足，對於永續策略及減碳議題仍有諸多猶豫甚至不明白之處，而未有具體因應對策或實踐，而碳盤查、ESG 評等、ISO 認證、ESG 報導準則、綠色金融、碳交易、碳關稅及永續倡議…等，太多的訊息也造成業者的碳焦慮，且每一項減碳及與 ESG 有關的項目，又有多種標準、評等與報導準則，到底何種標準才是好的或是對的，也莫衷一是。而台灣中小企業幾乎以出口為主，出口國之碳關稅法規也一直推陳出新，稍一未注意， 就需全盤再重新瞭解，對於中小企業界著實是一大負擔。筆者身處傳統木工機械製造業，在資源、資金及人才都相對缺乏的產業，有必要將與氣候變遷相關之議題做一有系統的研究與整理，以期提供業者有一清晰的參考指南，並探討台灣木工機械業者對於推動永續策略及減碳作為之動機及原因，以提供給有意推動永續經營及減碳作為之木工機
械業者做為實踐之參考。
關鍵字：永續、減碳、優勢策略

世界隨著工業化高速發展，在人們不斷地增加碳排放量的同時，頻繁的聖嬰現
象、反聖嬰現象等極端氣候不斷地在世界各地發生。台灣處於菲律賓、歐亞大陸板塊相互擠壓的複雜地形，在極端氣候伴隨而來的強降雨、土石流等災害更容易在地質敏感地帶造成極大災害。實踐減碳、淨零排放可減緩極端氣候所帶來災害，本研究試圖從災害發生最源頭因素-極端氣候，以減碳、淨零排放的思維在隧道施工階段找尋能夠再次降低碳排的管理、施工方式及其他綜合措施、策略等進行分析，找出具可行性核心對策項目。結合 Fuzzy AHP 及 TOPSIS 可用於探討減碳、淨零排放核心項目之系統化決策模式。首要步驟是確認隧道施工減碳、淨零排放可行項目，並利用 Fuzzy AHP 求解淨零排放的權重，然後以 TOPSIS 排列隧道施工減碳、淨零排放可行項目的順序，並確認隧道施工減碳、淨零排放可行項目之最優先執行核心項目。研究結果「工程耐久設計與材料，延長設施使用時間」最為重要，具體有效的方法建議有下列三點：(1)使用耐久性材料。(2)品質控制與施工監督。(3)以桁型鋼支撐代替 H 型鋼支撐，配合新奧工法施作。
關鍵字：Fuzzy AHP、TOPSIS、淨零排放

永續發展已成為顯學，在這波浪潮下，各行各業都需要制定相應的應對措施，
營造業也不例外，由於產業特性相對複雜，又有高汙染與高碳排的問題，導致營造業的轉型進度緩慢。為了加速永續轉型，需要借助新技術，並將永續智慧城市作為實現永續性的最終目標，因此本文旨在探討人工智慧在營建業中的應用以及智慧城市各方面的發展現況及未來挑戰，首先，使用 Web of Science 的核心資料庫進行關鍵字搜尋，找出 AEC 產業中與永續發展相關的文獻，以文獻的出版年分、期刊類型、永續發展目標等分類進行分析，探討背後的原因，接著使用 Vosviewer 探討文獻關鍵字的共現關係，將過往分為四大主題 : 永續性的設計跟管理、建築熱舒適與能源管理、工程碳排放及環境評估、材料性能。確定目前的研究範疇後，根據高被引用論文的樣本為基礎，探討人工智慧於營造業的應用，說明營造業跟智慧城市的關聯，帶進智慧城市的能源、基礎設施、資訊技術、交通等議題，評估智慧城市的指標與未來挑戰。人工智慧為營造業注入新動能，推動其向數位化和智能化轉型。而營造業則是智慧城市建設的重要組成部分，未來將相互促進都市的發展、相輔相成，共同邁向更加可持續的未來。
關鍵字：永續智慧城市、營建業、人工智慧

台北市面臨電力短缺問題，因此發展自主性能源，如屋頂太陽能板，變得至關
重要。隨著 2023 年法規修訂，屋頂太陽能在台灣新建住宅中將被大量應用。然而，太陽能發電的不穩定性成為一大挑戰。為了解決這一問題，本研究結合台北市交通局在 2030 年前全面電動化公車的計畫，我們提出了一種利用電動公車車隊優化屋頂太陽能發電充電時間表以及與市電系統互動的模型，這樣的模型在理論上可以解決電動公車可能帶來的電量壓力外，更可以將電動公車作為一種可用的移動電池資源。
本研究會先對台北地區的發電情況以及各項成本進行回溯，並提出最佳化模型。
在本研究的數據探討中，我們發現透過電動公車晚上對於電網系統的回充，有助於穩定系統中缺乏的綠色電能，同時運用時間電價等充電系統回電令公車營運業者有利可圖。本研究提出之系統能初步來導入城市中的能源管理系統，以利我們優化資源分配，對未來智慧城市的能源進行更好的規劃。本研究在結果上對電動公車因應能源管理需求進行排程規劃，並得到系統初步能擁有的一周減載量以及換算減碳量。
關鍵字：能源管理系統、最佳化模型、車聯網系統、再生能源、溫室氣體減排

In energy research, metaheuristic optimization is crucial for refining the hyperparameters of artificial intelligence (AI) models. As data science evolves, the complexity of datasets, input variables, and patterns has increased, posing significant challenges in developing efficient AI models. This research introduces the Age of Exploration-Inspired Optimizer (AEIO), a novel metaheuristic technique designed to enhance performance by fine-tuning hyperparameters in AI models for energy applications. The AEIO algorithm is rigorously evaluated using benchmark functions across various scales and dimensions. Its effectiveness is further demonstrated through three case studies: green energy production, residential energy consumption, and regional energy demand forecasting. In each scenario, the AEIO algorithm consistently outperforms existing methods when combined with machine and deep learning models to predict discrete and time-series data in the energy sector. This study also pioneers integrating density-based spatial clustering of applications with noise (DBSCAN) into a metaheuristic optimization algorithm. It comprehensively assesses this novel approach to optimizing AI models within the energy domain, underscoring its practicality and significance.
Keywords: Energy Generation; Energy Consumption; Metaheuristic Algorithm; DBSCAN;AI Models

在建築物和橋梁的生命週期中，營運階段佔用了絕大部分的時間和資源，尤其
是後續的維護和定期檢修。因此，如何更有效地管理和監測它們成為一個重要議題。傳統的檢測方法依賴目視檢測，需要大量時間和人力成本。
隨著 AI 技術和深度學習算法的發展，無人機 (UAV) 和影像辨識的結合提供了
解決方案。無人機具高機動性和大面積偵查能力，能有效解決位置不便和工作效率問題。然而，傳統的無人機應用僅限於拍攝影像，後續的影像處理和辨識需額外人力和時間成本，且缺乏即時性。
本研究利用 ROS (Robot Operating System) ，結合無人機和影像辨識模型，建立即時的裂縫辨識系統。此系統將無人機捕獲的影像匯入開發板上的 ROS 系統，經過一系列影像處理步驟後，輸入已訓練好的影像辨識模型進行裂縫辨識。辨識結果即時儲存並向使用者發出警示通知，實現裂縫檢測和通報功能的即時化和高效化。
本研究通過先進技術手段，達成即時裂縫影像辨識系統，提高建築物和橋梁監
測作業的效率和安全性，滿足社會需求。
關鍵字：ROS (Robot Operating System)、深度學習、影像辨識

臺灣地區河川及溪流的沖蝕現象嚴重，經常受到颱風、地震等天然災害的影響，再加上山坡地的過度開發，導致水土流失的問題更加嚴重。為了減少災害發生，興建大量水土保持設施；然而，許多構造物已年久失修，急需進行檢查和整修。為了改進巡查效率、提高決策客觀性，以及優化相關單位維護資源的配置。本研究致力於建立一套水土保持構造物延壽評估系統，這套系統以互動網頁之方式整合了無人機(UAV)、人工智慧(AI)和資料庫等技術，實現水土保持設施的巡檢、劣化樣態辨識、耐久性評估和維護方式建議的多功能合一，以供水土保持設施維護人員參考。研究結果顯示，所訓練出的模型在辨識水土保持構造物劣化樣態方面具有優異的成效。耐久度評估模式能夠精確判斷構造物的狀況，並提供相應的延壽修繕建議，整個評估系統的建置不僅能夠有效地協助維護人員，同時確保水土保持構造物能夠更長久地發揮其機能。

關鍵字：無人機、水土保持構造物、遷移式學習

本研究探討營建業如何依據全球永續性報告協會（GRI）準則編寫永續報告書，並利用機器學習分析這些準則與企業財務績效之間的關聯。以中鼎工程公司為案例，研究其永續報告書的撰寫方法及內容，並整理 52 家台灣上市營建企業依循 GRI 準則的情況，分析 GRI 準則與財務績效（EPS、ROE、ROA 及 Income）之間的關聯。研究方法包含兩部分：首先，針對中鼎工程永續報告書進行深入解析，整理其 GRI 準則索引及報告內容與 GRI 準則的對照；其次，搜集 52 家營建企業的 GRI 準則依循數據及財務績效數據，利用線性回歸、K-近鄰演算法及隨機森林等機器學習模型進行分析。
研究結果顯示，隨機森林模型在預測財務績效方面表現最佳，並鑑別出對財務
績效有顯著影響的十大 GRI 準則特徵。這些特徵包括：確定給付制義務與其他退休計畫、氣候變遷風險與機會、組織內部的能源消耗量等。最後，本研究建議企業在撰寫永續報告書時，應重點關注上述特徵，以提高報告書的品質並促進財務績效提升。總結來看，依循 GRI 準則編寫的永續報告書能夠對營建業公司的財務表現產生正向影響，並有助於企業達成永續發展的目標。

關鍵字：營建業、永續報告書、GRI 準則、財務績效、機器學習分析

With the development in technology, the point cloud data has high potential usage in the construction field. A prerequisite of most point cloud applications is first to register the point cloud segments in the same global coordinate system. However, manually registering point clouds is time-consuming and labor-intensive work. This research addresses the point cloud registration problem in the built environment by using line geometry, which is considered a salient feature in the building environment. A framework, including a line extraction module, a line feature matching module, an outlier pruning module, and a 3-linebased registration module is proposed in this research to perform point cloud registration automatically. The experiment showed that the registration recall could be up to 50% in the WHU-TLS dataset even in a highly contaminated search space, which contained only 10% inlier correspondences. The experiment results proved the feasibility of the line-based registration framework and identified several performance indicators to perform a successful point cloud registration.

Keywords: Point Cloud Registration; Deep Learning; Building Area; Point Cloud Application

Predicting building thermal loads is critical for optimizing building energy management systems and enhancing energy efficiency. The high-dimensional characteristics of HVAC loads necessitate the selection of an optimal number of features to improve model accuracy. In this research, a novel approach is introduced that utilizes weighted feature selection methods. Four different techniques, including Pearson, Spearman, and Kendall correlations, as well as a dimensionality reduction method, Principal Component Analysis, are used to determine four distinct sets of features based on the dimensionality of feature numbers. After that, the combination of Neural Networks (NN) and Bidirectional Gated Recurrent Units (BiGRU) is used with the Optical Microscope Algorithm (OMA), an optimization algorithm inspired by microscopic mechanisms, to fine-tune the NN-BiGRU framework. This Opticalinspired Bidirectional Machine Learning model (OMA-NN-BiGRU) predicts the outcomes from the four data methods. Additionally, OMA is applied to optimize the weight combinations of the predictions from the individual feature selection methods, based on their contributions to the final prediction. The results demonstrate that the proposed model achieves significantly higher accuracy than the single methods. The weighted feature selection model demonstrates superior performance, with a Root Mean Squared Error
(RMSE) of 0.046, a Mean Absolute Error (MAE) of 0.032, a Mean Absolute Percentage Error (MAPE) of 12.6%, and R² values of 0.95 and 0.90, respectively. The OMA-NNBiGRU model outperforms other compared models in building thermal load prediction. This study offers fresh insights into creating an integrated approach based on different input
variable dimensions.

Keywords: Thermal Load Prediction; Weighted Feature Selection Approach; NeuralNetwork; Bidirectional Gated Recurrent Unit; Optical Microscope Algorithm

Minimizing construction cost, shortening project duration, and leveling resource allocation are some of the most frequent concerns found by the construction industry to most stakeholders. Such imperatives can be proven complex to obtain while taking the precedence relationship and resource availability into consideration. To further facilitate such needs, this study proposes the Fuzzy Multi-Mode Resource-Constrained Discrete Time-Cost-Resource Optimization (Fuzzy-MRC-DTCRO) which refers to the alternative to find the optimal solutions of the three-dimensional trade-off between time, cost, and resource usage throughout an entire project. The main objective of this approach is to select a specific mode for each activity satisfying all the incorporated constraints. In Fuzzy-MRC-DTCRO, it executes multi-mode resource-constrained project scheduling problem (MRCPSP), discrete time-cost trade-off problem (DTCTP), as well as resource allocation and resource leveling problem (RLP) in tandem. Additionally, this study introduces a novel approach by incorporating fuzzy logic for uncertainty analysis in activity durations and costs. By employing α-cut, this approach provides a more realistic perspective, allowing for an examination of the impact of uncertainties on feasible outcomes. To further assist obtaining the optimal results, this study adopts the widely-known Non-dominated Sorting Genetic Algorithm II (NSGA-II) to find non-dominated solutions concerning the project duration, total project cost, and resource moment deviation. Obtained results show that under the incorporated optimization algorithm, there is a counteracting relationship between time-cost and cost-resource trade-off, as well as a subtle relationship between time and resource moment deviation. In addition, the level of confidence which entails the project execution period directly affects the project duration, total project cost, and resource moment deviation which influence may depend on the distribution of the optimistic, most likely, and pessimistic scenarios being accounted.

Keywords: Resource-Constrained Scheduling; Time-Cost-Resource Trade-off; Metaheuristic; Uncertainty; Fuzzy Logic

本研究為針對預鑄RC樓梯建立結構健康監測之流程及方法，透過現地案例分別 進行微振量測及敲擊測試兩種試驗，並將收集之振動感測資料進行二種分析，一為 利用 FFT 快速傅立葉轉換與 FIR 有限脈衝濾波器處理，得到樓梯振動感測之頻譜圖； 二為透過 SSI 系統識別法進行模態分析，求得樓梯之自然頻率及阻尼比。 第二階段以有線元素軟體 SAP2000 建置受監測之預鑄 RC 樓梯模型，進行模態 分析及地震歷時分析，建立健康狀態的樓梯模型模擬比較基準，並模擬破壞不同構 件或端部接合處，觀察記錄其自然頻率變化，比較樓梯破壞狀態與健康狀態下之自 然頻率變化之關係。地震歷時分析則得模擬預鑄 RC 樓梯受地震力作用下的破壞機 制，找出最可能受力破壞的點位。 針對預鑄RC樓梯的結構健康監測之研究鮮少，而本研究提供了建立適合預鑄樓 梯振動感測監控之流程及方法，透過實地量測並經訊號處理得到之自然頻率，與 SAP2000 模擬結果，得以建立健康狀態的樓梯模型模擬比較基準，提供後續學術據 以探討精進預鑄 RC 樓梯之結構健康監測的系統性建置。 本研究提供模擬預鑄RC樓梯在不同構件壞損時，比較破壞狀態與健康狀態下之 自然頻率變化之關係，並透過地震歷時分析，找出易損傷的樓梯端部接合部件及構 件，以評估並增進其結構健康監測用於安全管理之可行性。

關鍵字：預鑄構件、結構健康監測、預鑄鋼筋混凝土樓梯

品質成本是指與品質相關活動的總成本，是衡量品質管理績效的一項重要指標， 儘管有許多研究文獻強調了營建工程專案中品質成本的重要性，但國內卻鮮有文獻 探討品質成本模型於營建工程中的相關應用。而品質成本之歷史資料多具備時間序 列資料之特性，然而過往之研究受限於研究方法，僅能呈現已經發生之品質事實， 無法詮釋具時序特性之成本資料背後所蘊含之意義。因此本研究旨在建立以時間序 列分析技術輔助之品質成本估算方法，並透過蒐集國內外時間序列之文獻、選擇適 當的時間序列模型等方法來建立品質成本推估模型，同時以前置研究所採用之柔性 鋪面工程案例品質成本資料進行實際案例分析。研究結果顯示，本研究所建立之模 型對該案例之預測效能尚可，但其結果不夠穩定，需要後續研究利用其餘時間序列 品質成本資料進行驗證並提高模型預測準確度；此外於模型分析過程中輸出之趨勢 與季節性之視覺化結果可以讓使用者清楚了解其品質成本走向的變化與各年的季節 性變動，透過與先前研究之成果相比，證實了該視覺化結果的正確性，而且對整體 走向的呈現與產出效率都優於前置研究之成果。

關鍵字：品質成本、時間序列分析、自迴歸整合移動平均模型、python

在臺灣，都市更新因建物老化等因素而成為熱門討論議題。但現行都市規劃鮮 少以居民的主觀感受為出發點。此外，目前關於街景幾何形態的研究主要集中在技 術性分析，如能源消耗和熱島效應，從居民的景觀偏好角度進行的研究則相對較少。 尤其是涉及街道環境的感受和景觀偏好的相關研究在國內相當稀缺，並且缺乏針對 三維景觀模擬和參數化的研究。 本研究深入回顧了使用三維建模軟體和全景圖像進行視覺因子分析的方法，並 進行了手動驗證以確保其精確性和實用性。研究不僅整合了街景評價的多種方法和 項目，也指出當前在臺灣街道實際環境下的研究限制。透過地理資訊系統和 Rhino3D 等模擬軟體，我們有效利用開源建築資料進行了三維建模和視野分析。此 外，本研究的廣泛文獻回顧不僅加深了對街景圖像獲取及其分析的理解，還彙總和 評估了街景景觀偏好的多項評價項目，如安全性、美觀性、壓迫感和生動感等，並 肯定了虛擬實境技術在提供景觀臨場感和互動性方面的有效性及便利性。這一研究 不僅填補了學術與實踐上的空白，也為推動以居民感受為中心的城市規劃提供了參 數化的依據和研究方法的建議。

關鍵字：居民主觀感受、街景景觀偏好、三維建模與視覺分析

近年來，企業社會責任（CSR）的環保聲明成為了公眾辯論的焦點，尤其是企 業在揭露與實踐間的不一致現象——ESG 漂綠行為。本研究旨在探討與分析企業特 性如何影響其從事漂綠行為，進一步了解企業特性間如何交互作用並在漂綠行為上 產生影響。本研究結合文獻回顧、理論架構構建以及計量實證分析法，使用來自全 球 2412 家企業 2013 年至 2023 年間的資料，經由縱橫資料集之統計檢定，對漂綠行 為的定義、影響因素及相關理論進行了全面梳理與探討。研究發現企業規模、公司 年齡、財務限制、獨立董事比例和治理結構密度與漂綠行為呈現顯著負相關，CEO 雙重性則呈現顯著正相關，而企業年齡與企業規模的調節效應揭示了更複雜的反向 交互關係，為這一領域的未來研究提供了新的方向。最終，本研究不僅深化了對企 業漂綠行為的理解，也為企業治理與環境及社會行為之間關係的進一步探討提供了 堅實基礎。透過持續的研究與跨學科合作，期望能提供更多實用見解，協助企業實 現社會及環境目標，並為學術界甚至政府政策提供指導。

關鍵字：漂綠、永續 ESG、計量分析、實證研究

根據我國重大職業災害統計資料顯示，營造業佔全產業重大職災的近一半。而 中小型營造工程所發生的重大職災死亡人數約佔整體營造業的 60-70％，這些中小型 營造工程通常涉及微型、臨時性作業。為了加快工作效率，這些工程在安全衛生設 施方面因陋就簡，而在資源有限的情況下小型營造廠難以配備足夠的安全設施和人 力，也使得工地發生職業災害的機率增加。 因此根據相關文獻分析近年來營建安全管理實施之驅動因素，強調了使用領先 指標來評估安全措施的效果的重要性，並整理出 26 項營建安全驅動因素，包括角色 和職責、管理層承諾、項目管理等；而研究流程包括文獻整理、問卷設計、資料蒐 集、統計分析等步驟，並使用了結構方程模型來進行相關分析，這些方法的應用有 助於深入理解營造廠安全管理的重要因素及其對勞工安全的影響。 結果分析指出，安全政策和人員角色對於現場執行影響力偏低是因為現場的狀 況不是固定不變，另外分析發現現場執行中項目管理、危害識別與控制、安全檢查 這三個子構面因素分數最高，而這三項都是在強調現場執行中定期檢查和維護的重 要性。而現場管理分數最低，可能是因為而現場管理屬於管理基本設施，但真正發 生勞安事故都不是這些基本設施造成的，定期檢查才最為重要。

關鍵字：結構方程模式、營建安全管理、小型營造廠

本研究旨在利用電腦模擬輔助建築結構工程施工階段的碳排放分析，比較有無 電腦模擬進行輔助的差異和施工階段碳排放量來源分析探討。隨著全球環保意識的 提升，減少建築工程施工過程中的碳排放成為一項迫切任務。然而，目前的碳排放 評估模式多集中於建築物營運使用階段，對施工階段的碳排放影響因素缺乏深入研 究。本研究首先建立了結構體施工階段的碳排放量評估模式，並搭配電腦模擬軟體 STROBOSCOPE 進行資源配置模擬，以估算工期和作業時間，進行碳排放量熱點分 析。 研究方法首先界定了碳排放估算的時間、對象及項目邊界，針對建築結構工程 的施工機具設備耗能進行碳排放量的概算，利用電腦模擬分析結構工程施工流程， 根據施工工作之工人工率、施工數量及工班人數進行模擬，並搭配碳排放係數計算 施工階段的碳排放量。研究結果包括對兩個案例的測試，一個為地上 3 層樓，另一 個為地上 14 層樓，透過模擬進行工期估算，再利用該數據結果結合排放係數法進行 碳排放估算。 本研究彙整了國內營建工程施工階段碳盤查相關研究的五項評估項目，並根據 電腦模擬輔助計算出的施工階段的碳排放量分析了對於施工階段碳排放量的熱點來 源仍然為材料的使用量，並非可以透過資源配置優化工期減少碳排放量，在材料使 用量相同的情況下，機具的總作業時間也會一樣，除此之外，探討了在結構工程中， 本研究有針對結構工程碳排放量來源進行討論，利用電腦模擬的數據結果進行結構 工程相關機具的碳排放量百分比、各樓層碳排放量百分比、不同規格機具碳排放量 差異等分析。

關鍵字：結構工程、碳排放、電腦模擬

臺灣建築工程焦點集中於工程主體，建築師和結構技師於規劃設計階段常簡化 假設工程與相應工序，然而其對於風險評估、成本控制、工程進度管理和後續工法 選擇占極大比重之決策影響。考量臺灣目前尚無成文規範及法定管理手冊，本研究 參考英國 BS 5975 工程指南、英國 CDM 2015（Construction Design & Management Regulation, CDM）、假設工程管理規範，及國際假設工程學會（Temporary Works forum）梳理關鍵政策，並以國內之國際級營建企業研究，希冀藉由風險分析框架， 辨識最具影響性之風險因子，輔助政府及工程管理單位制訂政策綱要及風險管理規 範。研究採用風險分解結構（Risk Breakdown Structure, RBS）設計層級分析法 （Analytic Hierarchy Process, AHP）問卷，結合仿效重要性/績效表現程度分析法 （Importance-Performance Analysis, IPA）所製成之風險影響程度/發生頻率（Risk Impact and Frequency Analysis, RIFA），與國際級工程公司之技術部門合作，對其國 內 25 處建築工程專案進行實地調查，走訪 152 位具豐富實務經驗之現場工程管理人 員進行選填式問卷併行開放試題組詢答。過程中，以專案管理知識體系（PMBOK） 之風險管理步驟，辨識臨時及假設工程規劃施工生命週期之關鍵風險因子暨其排序。 接續透由與高層主管深度訪談，剖析該司目前風險管理資源分配合理性，並提供風 險處理措施，供日後工程管理單位制定風險因應策略，協助營運管理及降低施工風 險。研究成果盼能貢獻於相關營造業者，作為假設工程風險管理之參酌。

關鍵字：假設工程、臨時構造物、營建管理、問卷調查法、層級分析法、重要性-績 效表現分析法、深度訪談法、施工風險、風險辨識、風險管理

本研究探討了鋁模板在營建業的生產流程，並對其生產規劃流程進行了深入分 析，透過建立 Arena Simulation 流程模型進行分析探討其生產策略。鋁模板的使用大 幅減少了對技術勞動力的需求，並且其翻用次數遠超過傳統木模板，有助於降低碳 排放。經專家訪談了解鋁模板現況，台灣尚未具備自主生產鋁模板的能力，大部分 鋁模板仍需依賴進口，再進行二次加工。因此，如何有效地提高鋁模板的使用效率， 並實現其在營建產業中的最大價值，是一項重要的課題。 本研究使用 Arena Simulation 模擬軟體建立了鋁模板的生產流程模型，並進行了 深入的分析。模型考慮了鋁模板庫存條件和生產中的不確定性，使鋁模板工廠能在 有效的生產規劃階段了解其資源和成本的詳細資訊。此外，進行了情境分析，探討 在其他條件不變的情況下，增加人力資源對生產時程的影響。這將有助於營造廠在 鋁模板工廠的人員配置管理上有更多的選擇，並提供最佳的人力配置策略。最後， 本研究的模型不僅可以分析人員的配置，還可以在不同情境下進行不同係數的帶入 進行分析，使得模型能夠適應各種不同的生產情境，並提供不同的生產策略。這種 靈活性使得模型能夠適應各種不同的生產情境，並提供不同的生產策略。

關鍵字：系統模板、Arena 系統模擬、鋁模板、生產規劃配置、生產流程分析