智慧公廁進入「預測維護」時代

IoT 感測、AI 排程與清潔人力最佳化，讓廁所管理從例行巡檢走向精準派工

公共廁所管理正從「看到髒才處理」走向「數據預測、提前維護」。2023 年發表於 IEEE Access 的研究〈Scheduling and Predictive Maintenance for Smart Toilet〉指出，智慧公廁不只是安裝感測器，而是透過 IoT 平台、預測維護模型與清潔排程演算法，把使用頻率、設備狀態與清潔人力整合成可管理的決策系統。這項研究對臺灣推動智慧公廁、觀光友善廁所、車站與大型場館廁所管理，具有高度參考價值。

研究團隊以馬來西亞多媒體大學場域為案例，設計一套智慧廁所管理系統，核心目標有三項：第一，建立符合廁所隱私需求的 IoT 管理平台；第二，利用時間序列模型預測設備故障與剩餘可用壽命；第三，導入清潔人員排程演算法，估算不同樓層、不同時段需要多少清潔人力。其感測設計採用紅外線、溫度與濕度感測器，並以 Raspberry Pi、TTGO ESP32 等低成本硬體蒐集資料，避免使用攝影機等可能引發隱私疑慮的設備。

研究中特別強調，廁所是潮濕、私密且高使用頻率的空間，智慧化不能只追求感測項目多，而要兼顧成本、耐用性、資料準確度與使用者接受度。系統蒐集的資料包括使用者進出狀態、距離、溫濕度、使用總量等，並透過資料庫進行清理、標準化與後續分析。研究資料涵蓋 2019 年 9 月至 2021 年 12 月，場域包含校園建築與疫苗中心，足以反映公共設施在不同人流條件下的廁所使用型態。

在預測維護方面，研究提出 ARIGA 模型，結合 ARIMA 時間序列預測與 Genetic Algorithm 遺傳演算法。ARIMA 用於判斷設備劣化趨勢與可能故障時間，遺傳演算法則用於清潔排班最佳化。研究同時比較 LSTM 深度學習模型，並以 RMSE、MAE、MAPE 等誤差指標評估預測品質；結果顯示，ARIGA 在該研究資料中具有較低預測誤差與較佳穩定性，較適合作為智慧公廁場域中「設備何時需要維修、何時應安排清潔」的決策工具。

在清潔排程方面，研究以 SimPy 與 Monte Carlo 模擬使用者流量，將尖峰與離峰時段納入排班考量。以案例條件估算，一名清潔人員約可於 20 分鐘完成單一樓層廁所清潔，系統再依據不同樓層人流，產生更合理的清潔時段。研究結果指出，ARIGA 排程模式在不同樓層與使用需求情境下，平均可提升約 24.7% 的排程效能，整體約改善 15%；相較單純採固定時段或貪婪演算法排程，更能把清潔安排在高需求前後與離峰時段，降低人力浪費，也減少使用者遇到髒亂廁所的機率。

這項研究帶來一個重要啟示：智慧公廁的價值不在「科技展示」，而在形成可持續運作的管理循環。感測器負責蒐集現場狀況，平台負責彙整資料，模型負責預測風險，排程系統則把結果轉換成清潔與維修行動。對地方政府而言，這代表公廁評鑑可從過去的人工巡檢與靜態打分，逐步升級為「即時監測、預警通知、派工紀錄、改善追蹤、績效統計」的數據治理模式。

重點數據摘要

項目	研究內容	管理意義
系統核心	IoT 平台＋感測器＋資料庫	即時掌握使用與環境狀況
預測方法	ARIGA、ARIMA、LSTM 比較	提前判斷維修與清潔需求
排程成效	平均提升約 24.7%，整體改善約 15%	降低人力浪費與髒亂風險

TIEQM 建議

TIEQM 認為，臺灣推動智慧公廁不應只停留在硬體採購或單點示範，而應建立「感測資料、異味管理、清潔排程、設備維護、績效評鑑」五合一制度。未來地方政府可優先於交通場站、觀光景點、運動場館與大型公園導入試辦，設定人流、異味、濕度、清潔頻率與故障率等 KPI，再結合星級公廁或訪客公廁認證，讓智慧化成果可被稽核、可被比較、可被擴散。公廁是城市文明的第一線，也應成為淨零、健康與智慧治理的示範場域。

(參考文章：Amar Lokman, R. Kanesaraj Ramasamy, and Choo-Yee Ting, “Scheduling and Predictive Maintenance for Smart Toilet,” IEEE Access, Vol. 11, 2023, )