自動化科技的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列地圖、推薦、景點和餐廳等資訊懶人包

為演算法服務的免洗人力：平台資本主義時代的勞動與剝削

為了解決自動化科技的問題，作者PhilJones 這樣論述：

演算法為人類的需求服務， 但它的運作卻建立在將人類視為免洗人力的剝削。   覺得Google、臉書變得越來越聰明，不僅馬上就能找到正確資訊、掌握即時動態，還會判別釣魚網站、過濾不舒服的內容？ 事實是，演算法裡頭藏了真人：要有人教導機器學習，它才能變得「聰明」。 正如亞瑪遜的貝佐斯所言，人工智慧，其實是「人工的人工智慧」。   人工智慧帶來人機混合的新工作模式。由自駕車、無人商店、語音客服開啟的趨勢，已經蔓延至翻譯、會計、金融、管理、醫療等更專業的領域。平台資本主義拆解原本的專職工作，將機器無法處理的部分，化成零散的微工作，拋給人力群包平台的接案者。 巨型平台規避傳統勞資關係，減少專

業人力成本。在平台接案的微工作者沒有權益保障，也沒有固定薪水，甚至連為哪家公司工作、工作的目的是什麼都不清楚，成為案主呼之即來、揮之即去的免洗人力。 群包平台大灌「自由接案」的迷湯，但其實就是微工作者必須自行承擔所有風險。你不知道何時可以接到下一件案子，報酬會有多少，你成為工資的狩獵採集者，為的只是要一圓科技大亨移民火星的狂想。 在全自動機器人與智慧助理的喧鬧之下，瓊斯清晰而仔細地揭露使得我們的數位社會得以成真的工作者究竟身在何方。對於這個通常看不到的低薪、超時工作且毫無保障的世界，本書為必讀導覽。 ——斯尼切克（Nick Srnicek），《平台資本主義》（Platform Capita

lism）作者   讓瓊斯為你導覽數位化資本主義最醜惡的陰暗面。在此，科技巨頭監控工作者的一舉一動，把他們的鍵盤敲擊與滑鼠點選聲轉化為獲利，而在我們持續加班的同時，「工作」本身卻是分崩離析。為了在慘澹的未來降臨到每個人身上之前預先阻止它，瓊斯寫下了這篇優美的戰鬥宣言。 ——賈非（Sarah Jaffe），《工作不會回報你的愛：對工作的奉獻，如何剝削我們、耗盡我們的心神，並使我們孤獨》（Work Won’t Love You Back: How Devotion to Our Jobs Keeps Us Exploited, Exhausted, and Alone）作者   在這本節奏明快的精

彩著作中，瓊斯探討了數位經濟工作者的隱身之地。在此，全世界的過剩勞工為了不到兩美元的時薪標注影像、管理網站內容與教導運算法辨識寵物。《為演算法服務的免洗人力》同時也探究一種新的可能性：一無所有的微工作者該如何團結，帶領要求自由空閒與物質保障的全球運動。 ——貝納納夫（Aaron Benanav），《自動化與工作的未來》（Automation and the Future of Work）作者   帶領讀者前往不為人知的人工智慧生產之地：在後危機的資本主義中，越來越多貧民窟、監獄與難民營中的人們受到高度剝削，靠著不穩定的微工作勉強餬口。瓊斯強調危機迫在眉睫，這種零散化的微工作會威脅所有人的生計，

但他也指出，微工作也可能帶領我們走向一個超越薪資勞動的世界——只要我們勇於爭取。 ——穆勒（Gavin Mueller），《砸毀工作機器》（Breaking Things at Work）作者   瓊斯可謂後加速主義的帶領者。 ——佛斯特（John Foster），「戰場」新聞論壇（Battleground）   令人震驚……在讀過這本書後，你無法再用和以前相同的方式看待電腦，或是那些吹捧電腦乃是我們集體救贖之道的人們。 ——布斯尼克（Katjo Buissink），《馬克思與哲學書評》（Marx and Philosophy Review of Books）

自動化科技進入發燒排行的影片

應用機器學習於永磁同步馬達轉子溫度預測之研究

為了解決自動化科技的問題，作者儲玉瑄 這樣論述：

　　工業4.0自動化產業興盛，電動車產業為現代主要趨勢，則多數廠商配置永磁同步馬達（PMSM）作為汽車的核心驅動系統，當驅動馬達時會因轉子溫度變化而影響系統效能，如何有效控制溫度變化，實現馬達高效率控制策略，確保PMSM於安全運作與最大使用率的狀態，可降低內部零組件的壽命耗損和提升整體運轉效率。　　本研究使用Kaggle提供的PMSM溫度資料集的轉子溫度作為主要探討，因此欲透過傳統迴歸分析與機器學習方法之模型對轉子溫度進行預測，分別使用貝氏嶺迴歸、隨機森林、XGBoost及LightGBM模型，並將上述各預測方法比較之各模型績效。經由各預測方法比較之各模型績效後，得知最佳預測模型為XGBoo

st模型，以利未來將本研究提供於電動車產業配置PMSM的研發與技術，能施以預測性維護馬達溫度狀態，進而防止關鍵性設備故障與停機。

製造數據科學：邁向智慧製造與數位決策

為了解決自動化科技的問題，作者李家岩,洪佑鑫 這樣論述：

　　．提供嚴謹的數據科學分析架構，強調預測與決策兼具的分析 　　本書整合「數據科學」與「決策科學」的思維架構，以五階段構析：敘述性構析、診斷性構析、預測性構析、處方性構析、自動性構析，從點、線、連結到面的整體系統觀。從發現對的問題、找到重要因子、建構因果關係、連結到製造現場的決策、資源與風險，以達成前瞻性決策。 　　．介紹完整的數據科學基礎與進階學理，以常見的製造實務議題貫穿 　　本書以統計與最佳化的思維說明了監督、非監督、強化學習與元啟發式演算法等理論，並探討製造實務常見的分析議題，如特徵挑選、維度縮減、特徵工程、數據增強、數據不平衡、故障預測與健康管理、超參數最佳化、

概念漂移等進階方法的應用。 　　．透過自適性調整提供適宜的系統決策 　　本書說明開採與探索、預測與解釋、集成學習、超參數、多目標、資源配置等議題，說明如何設計自適性演算法，考慮模型的適應性與擴充性，以提供合宜的系統運算決策。 聯合推薦 　　國立高雄科技大學講座教授/逢甲大學講座教授/國立中興大學前副校長 周至宏 　　國立臺灣大學財務金融系教授兼管理學院院長 胡星陽 　　國立成功大學資訊工程學系教授/中華民國人工智慧學會理事長 高宏宇 　　華邦電子(股)公司總經理 陳沛銘 　　台灣人工智慧學校校務長 蔡明順 　　台達電子機電事業群總經理 蔡清雄博士 　　國立成功大學講座教授/智慧製造研究中

心主任/中華民國自動化科技學會前理事長 鄭芳田 　　國立清華大學講座教授/科技部人工智慧製造系統研究中心主任/中國工業工程學會理事長 簡禎富

吹瓶機變導程螺桿振動訊號量測與失效預測

為了解決自動化科技的問題，作者洪聖儒 這樣論述：

本研究提出一種應用於寶特瓶吹瓶機之健康診斷方法。運用加速規來收取機台的振動資訊，並使用動態時間扭曲法(DTW)作為本研究的主要評斷磨耗標準。由於吹瓶機機構複雜，且以變轉速伺服馬達作為機構驅動源。本研究除了比較有無絕緣膠帶、系統簡化、有無轉子、有無變導程夾爪動作，四種振動結果差異推測其頻率成因外，更在得到量測訊號後分別以均方根、移動平均濾波器、原始頻率訊號、特徵頻率擷取四種訊號前處理方法作為DTW輸入，並以處理後之全新轉子振動訊號作為標準訊號，將不同運轉次數的訊號與標準訊號比對其相似度，記錄下不同運轉次數下的DTW距離值，並建立其斜率變化，再搭配運算時間、訊號穩定性、潤滑劑影響，這四種方式評斷

出最適合的訊號前處理方式。此外透過實際量測轉子尺寸變化，發現振動量隨轉子磨耗量增加而加大，與本文使用之DTW結果有相同趨勢。且發現180Hz頻率區段會隨於旋轉導桿添加潤滑劑而下降，因此，此頻率變化情況可用以判斷潤滑劑是否需更換。由於本研究為長時間計畫，尚未收錄至轉子毀損之完整振動變化數據。目前僅能以現階段數據，推測解釋出吹瓶機頻率譜中較顯著的頻率成因，及驗證DTW對振動量測變化之效果，並建議以特徵頻率擷取的方式作為DTW之訊號前處理。