返回 TISEE 知識體系總覽數據科學 (Data Science)
TISEE KNOWLEDGE PILLAR 01 · DATA SCIENCE
數據科學 (Data Science)
讓看不見的供應鏈碳流與熱值變為精確演算法
數據科學是 TISEE 數據架構的核心技術母體。我們拒絕使用單一粗暴的平均排放係數填報，而是結合「質量守恆原理 (Mass Balance)」與「活動數據歸因 (Activity Data Layering)」，為製造業精算真實數據。
1. 混爐質量守恆配比模型 (Mass Balance Model)
在南部扣件聚落與中部精密熱處理廠中，同一批連續式熱處理爐或滲碳爐往往同時加熱多種不同客戶的螺絲或機件。若僅採用全廠總用電量平分，將導致高碳鋼與低碳鋼產品的碳足跡扭曲。TISEE 數據科學模型導入質量守恆算式，依據入料重量、金屬比熱容（Specific Heat Capacity）與受熱時間進行動態權重熱值分攤。
2. 活動數據層級 (Tier 1-3 Activity Data Layering)
根據 GHG Protocol 與 ISO 14064-1 標準，數據信任度依據採集源頭區分為三個等級：
Tier 3 (最高)
實體電表、Gas IoT 傳感器與獨立計量數據。
Tier 2 (中等)
供應商專屬發票、過磅單與工廠能源帳冊。
Tier 1 (基準)
國家或區域平均排放係數資料庫 (Ecoinvent)。
3. 產業實戰應用：扣件、機電與半導體
- 高雄岡山扣件聚落：協助外銷螺絲廠計算酸洗、盤元拉絲與鍍鋅外包廠之確切 Scope 3 隱性排放。
- 台中精密機械聚落：針對 CNC 工具機加工階段之切削油耗用與鑄件廢料殘值進行邊界歸因。
- 竹科電子半導體供應鏈：校正特種氣體 (PFCs/SF6) 逸散排放演算法與 RE100 綠電憑證配比。