過去人員依靠經驗和即時數據進行冰水主機操作。下圖中綠色線表示冰水主機的負載百分比，紅色線表示RT（Refrigeration Ton）的使用量狀態。當負載小於65%且RT持平或下降時，將關閉冰水主機；當負載上升至90%且RT持續上升時，則啟動冰水主機。然而，依靠人員經驗進行調整存在不準確性。

針對過往操作問題，以AI技術為基礎建立預測和控制系統。首先，使用爬蟲技術抓取未來24至48小時的氣象數據，結合內部條件建立模型進行RT預測，將結果顯示在儀表板上。同步將外氣環境、冰水主機、空調系統數據存入資料庫，供後續模型建立與AI自動化使用：

1. 用量預測：以歷史數據建立模型產生出RT用量。
2. 最佳開機組合：在相同天候和內部條件下最佳效能開啟的冰水主機台數組合。
3. 即時參數調整：依天候變化與實際使用狀況，採AI控制動態調整冰水主機的運轉溫度和壓力設定，達到節能工作。

2022年4月前，冰機設備效能較差，經過更換散熱材料後，主機能耗從0.87 KW/RT下降至0.73 KW/RT。2022年Q4應用AI技術找出空調冰機的負載最佳條件，預測下一小時冰水主機的負載量及最佳開機組合，提升廠區能資源使用最佳化，使能耗進一步下降至0.70 KW/RT，2023年Q3透過新的即時參數調整模型導入，能耗在下降至0.65 KW/RT。依據業界能耗評核表顯示，明基材料的冰水主機能耗落在"極好的"區間，展現AI技術在工業能源管理中的巨大潛力。