[中原大學薄膜中心成員]

陳榮輝 教授

  • 最高學歷：美國田納西大學化學工程 博士
  • E-mail： jason@wavenet.cycu.edu.tw
  • 現職： 中原大學化工系教授

專長領域：

致力於工業人工智慧（Industrial AI）、智慧製造及先進製程控制技術之研發，協助企業導入AI驅動的智慧決策、製程最佳化與數位轉型。

  • 智慧製造與工業人工智慧（Industrial AI）：應用人工智慧、大數據分析及機器學習於智慧製造與製程最佳化。
  • AI預測建模與智慧控制：建立高精度預測模型，結合先進控制技術，提升製程穩定性、效率與經濟效益。
  • 智慧感測、虛擬量測與故障診斷：運用神經網路、深度學習及機器學習技術，實現即時品質預測、設備健康監測及異常診斷。
  • 生成式AI與工業數據智能：利用生成式人工智慧進行數據增強、知識萃取及AI決策支援，加速企業智慧化轉型。

研究發展方向（Modeling）：

  • 新世代多解析度潛變數學習（Multi-Resolution Latent Variable Learning）：建構高效能智慧製造分析模型，提升製程監控與決策能力。
  • 高維製程智慧之張量學習（Tensor Learning）與基礎模型（Foundation Models）：發展適用於複雜製程的大規模AI模型，提高資料分析與知識萃取能力。
  • 注意力機制深度學習（Attention-based Deep Learning）：打造具自主感知與決策能力的智慧製程系統。
  • 強化學習於資料調和與故障診斷：結合AI自主學習能力，提升製程可靠度及異常診斷準確率。
  • 融合物理知識與可解釋AI（Physics-informed & Explainable AI）：建立兼具高準確度、可解釋性與可信賴性的智慧製程模型。

研究發展方向（Modeling）：

  • 安全自主製程控制（Control-aware Reinforcement Learning）：發展兼顧安全性、自主性與最佳化效能的智慧控制技術。
  • 大型語言模型（LLM）與機器學習整合：打造AI輔助製程設計、智慧控制及決策支援系統，提升工程效率與決策品質。
  • 連續時間神經運算子（Continuous-time Neural Operators）：發展高精度非線性動態製程建模與控制技術，提升複雜工業系統的即時控制能力。

Selected Publications：

  1. Zhu, X. Wang, Z. Li, and J. Chen, Enhancing Quality Prediction in Industrial Processes with Spatiotemporal Attention-Based Data Techniques, IEEE Trans. Autom. Sci. Eng., 23, 9107-9118, 2026.
  2. -S. Lee and J. Chen, Enhancing Within-Batch Quality Prediction by Cyber-Physical Latent State Models and Incomplete First-Principles, Eng. Appl. Artif., 174, 113982, 2026.
  3. Liu, P.-H. Chen and J. Chen, Advanced Batch Monitoring: Auto-Segmentation of Complex Processes Using Slow Feature Partial Least Squares, Adv. Eng. Inform., 69, Part B, 103895, 2026.
  4. Ren, Y. Shi, F. Sun, W. Zhang and J. Chen, Enhanced Probabilistic Forecasting of Wind Power Using a Distribution-Free PDF Evolution Model, Renewable Energy, 258, 124973, 2026.
  5. -S. Lee, S.-K. Ooi and J. Chen, Developing Multi-step Ahead Quality Prediction Models for Early Warning Computers & Industrial Engineering, Comput. Ind. Eng., 210, 111555, 2025.
  6. Rochpuang and J. Chen, Optimizing Organic Rankine Cycle Systems: A Hierarchical Reinforcement Learning Approach to Design and Control, Appl. Thrm. Eng., 278, D, 127337, 2025.
  7. -S. Lee and J. Chen, A Novel Reinforced Incomplete Cyber-Physics Ensemble with Error Compensation Learning for Within-Batch Quality Prediction, Adv. Eng. Inform., 65, 103172, 2025.
  8. Zhu, J. Chen and C.-I Chen, Prognostics for Semiconductor Sustainability: Tool Failure Behavior Prediction in Fabrication Processes, IEEE Trans. Syst. Man Cybern., 54(6), 3450-3460, 2024.
Close Menu