01 — By the Numbers
橫跨風能、工業 AI、RAG 知識管理、教育科技與工具鏈，研究室以「做出可用系統」為衡量標準。
02 — Selected Work
整合 24 種檢索模式（22 技術 + 2 控制組）、Qdrant 向量資料庫與評測實驗室，建構 4 組品牌 QA（405 題）。已完成 Harakosan Z72 風機運維專家系統 14 案例展示，並以 RAGAS 完成 Wind-RAG Benchmark 論文評測，正式跨入風電 RAG 論文階段。
14 台 Bachmann M1 風機的完整 SCADA 系統與三層 historian 資料庫（~10 GB），為風電 RAG 提供真實運維數據基礎。
Kaggle Gemma4Good 競賽作品，以 Gemma 4 分析 36 台風機、3 座風場的 202 個數據集，自動診斷異常。
離岸風場運維 SaaS，以 ChromaDB 向量檢索整合 Z72 風機知識，把 RAG 知識引擎接入運維工單與決策流程。
匯聚 12 位核心代理與 28 個技能模組，支援故障診斷（F1=1.0）、功率曲線建模（R²=0.997）與剩餘壽命預測。
03 — Research Focus
SCADA 數據分析、異常偵測、可靠性工程與疲勞分析。結合機器學習模型提升再生能源設備的妥善率與壽命預測能力。
LLM 自動 PLC／ST 程式碼生成、RAG 工業知識問答、MCP 多平台 AI 代理人，把大型語言模型落地到真實工業場景。
整合 AR 擴增實境輔助維修、IoT 感測器與即時設備監控，實現設備狀態可視化與直觀的維修輔助介面。
攀爬機器人、PLC 控制系統與自動化設備開發，連結 Modbus TCP／OPC UA 工業協議與感測整合。
04 — Academic Record
05 — Research Journal
06 — The Team
由劉瑞弘副教授主持，帶領學生投入風能 AI 與 RAG 研究，並以 GitHub PR 工作流培養工程實務能力。
Collaboration · 產學合作