集團轉骨〉數據管理搞定痛點 一年創造72億效益

「台塑集團在永續經營的道路上，AI不可或缺，一定要放進來！」總裁王文淵如此宣示。從二○一七年贊助台灣人工智慧學校三千萬元以來，台塑集團如何推動AI在內的數位轉型，成效又是如何？

撰文‧萬年生

一六五五件、年效益七十二．一五億元、減排八十四萬公噸二氧化碳當量⋯⋯，這三個數字，揭示了台塑四寶全面推動AI七年來的成績單。

「 王總裁（ 指台塑集團總裁王文淵）是在美國念化工和工業工程，對數據統計很感興趣， 二○ 一六年AlphaGo贏過韓國棋王後，他跟我談了很多次數據管理。」訪問一開始，台化董事長洪福源就說起台塑集團啟動AI運用的契機。

起手式 》總動員上AI學校
王文淵：我親自監督，他們不敢放鬆

雖然王文淵念的是工業工程，當年從統計學、大數據、模擬與優化等AI的基本概念都學過，也很早就意識到大數據、AI對台塑集團的重要性，但集團的管理階層卻未必人人有概念，他一直念茲在茲地，就是如何深化集團的AI應用。

一七年， 中研院長廖俊智為成立「台灣人工智慧學校」前來拜訪。王文淵回想，雙方多次餐敘，廖俊智談到成立學校，就是為了協助企業進行AI學習，促成他決定支持，「吃三頓飯、捐三千萬元。」日後台灣人工智慧學校上路，王文淵更要求集團主管都去上課，迄今已派了近六百位主管、員工受訓，連四寶董事長也不例外。

「台塑集團在永續經營的道路上，AI不可或缺，一定要放進來！」王文淵強調，同時他也深諳導入AI要topdown（自上而下）才有效果，「我親自監督，他們不敢放鬆。」

洪福源就不諱言， 推動AI大計，數據與企業領導人的認知缺一不可，「數據你假如不去處理，它其實是一堆垃圾！我們有數據，也將數據進行完善的整理。」

王文淵一聲令下要求動起來，集團開始盤點從哪裡著手。最後，決定率先鎖定營運動態管理，以及生產製程端的數據優化兩大路徑，各企業體都要以此為目標提案。

台塑》把關化工工安
開發電子圍籬 即時監測高危險管制區

先看營運面的AI導入。台塑的提案之一，便以化工廠最重視的工安，成功開發出「電子圍籬系統」，藉由超過十萬張照片做訓練，結合既有攝影機，監控高危險工作區域，當有人員進入重要製程區等所劃定的管制區域，便能透過AI辨識，立刻以手機通訊軟體通知相關人員，採取行動；又如，能針對廠區各工作區域，檢測工作人員是否穿著指定防護器具等。

業務端也全面數位化，想像一下，從二○年起，台塑營業、產銷管理系統開始導入數位轉型，能從客戶下訂單開始，詢議價、生產、包裝、庫存管理、品質監控到最終出貨與物流追蹤等全作業流程全部串連數位化，接著，許多工作就能透過導入AI，發揮過去想不到的效益。譬如，生管人員最頭痛的生產排程，便能交給AI。

過去，生管人員需考慮各廠產能、品別、轉品別次數與時間、交期及包裝、裝櫃，但透過人工難以安排最佳生產排程；二○年起，AI生產排程模型建置完成後，工作交給AI模型，依據庫存、訂單、品別組合等變項，自動運算出最佳生產排程。

這麼一來，單是在提高訂單達成率並降低轉品別次數與時間，就節省九成人工作業時間，同時平均減少五％到一五％能耗與原料浪費。

不僅如此，耗人耗時的訂單追蹤也由AI取代，「貨物到哪了？報關用的文件寄到哪了？透過物流追蹤等自助服務即可達成。」台塑負責導入AI的數位轉型組成員、台塑電子材料部資深經理蘇育寬指出。如今，管理訂單的營業人員可轉型成跑客戶、爭取訂單的角色，「帶來工作型態的轉型。」

透過AI工具，同樣有助縮短研發時間。舉例來說，透過資料整合，台塑研發團隊實驗人員，能在單一平台搜尋和比對實驗數據，挑選最相似的歷史配方進行AI實驗，透過AI學習優化配方，並可立即獲得預測結果，減少實驗與檢驗時間。以膠粒配方研發時間來說，平均一個開發案可從二十二天，大幅縮短為十天。

台化》估算原料效益
預測輕油組成 選購出CP值最高者

再看生產製程端的AI應用。「一個二十四小時運作的工廠例行營運、操作上，或多或少存在一些痛點。」台化AI系統資深工程師楊宗翰解釋，舉凡原料採購最佳時機、工廠操作干擾因素，以及原物料和能源浪費等，都是導入AI和數位轉型的機會。

以台化芳香烴工廠來說，其主要原料是輕油，產品為苯及各種二甲苯。實體工廠從採購輕油、海運、收料入儲槽、泵送預餾、加氫、重組單元生產，過程繁複；台化透過導入AI，模擬出數位孿生工廠，開發出從油價、油品調度、加工等優化應用模組。

例如，輕油有許多來源、成分不一，加工效益也不同，過去採購人員只看價格判斷，若能準確預測輕油組成，即使稍微買貴，也可能有更大效益。

楊宗翰以豬肉加工廠比喻，過去採購豬隻時可能只考慮重量及報價，若有一套預測豬隻肥瘦比例的工具，就能精準預測產品利益，以此作為選購豬隻的依據。同理，輕油估價模組只要輸入各種輕油物性，AI便可估算出組成及效益，進而選購CP值最高者，一年下來，效益達二．一三億元。

台塑化》優化煉油製程
隨時調整變數 讓高價油品產出最大化

台塑化煉油關鍵製程，同樣導入類似的操作優化模組，這套名為「常壓蒸餾單元操作優化模組」，確實讓台塑化的柴油生產效益有感提升。

「燃料油的價格，每公噸和柴油大概差了一五○美元，AI開發目的，便是讓高價油品產出最大化。」台塑化總經理林克彥形容，這套模組，讓AI化身為二十四小時免休的操作員，隨時檢測、調整每個變數，還可預測品質及製程變化，提供操作指引，做到各類油品產出最佳化、各類高價油品充分取出、能源耗用最小化，「單套常壓蒸餾單元柴油產率可提升○．六三％，年效益一．四七億元。」

台塑化董事長曹明則補充，這套AI模組也完全取代過去光是取樣，送化驗，分析結果就得等上四小時，才能據以調整柴油層取出量的時間，光是節省下來的時間，就是很大的效益。

減碳具體案例部分，像是麥寮電廠鍋爐使用不同性質燃煤混燒，燃料函數設定值容易導致偏差大，造成鍋爐發熱量過大或不足，主蒸氣壓力變動幅度變大。開發AI模組後，不需要人工操作及調整便能穩定主蒸氣壓力，大大減少蒸氣損耗量，燃煤使用量大幅降低，鍋爐效率大增，每套二氧化碳年減排量三． 五萬噸、減幅○． 八％，「這個投資額大概兩千萬元，但是一套機組卻可多增加約八千萬元的效益。」林克彥透露。

南亞》精簡檢查人力
AI圖像辨識 不良品過檢率降至一％

至於推動AI效益最高的南亞，則將AI圖像辨識模型導入銅箔基板產線，優化外觀瑕疵檢查作業。

原來，儘管過去銅板基板產線設有自動光學檢察系統，但判斷為不良品的過檢率達八％，每條產線因此得設置兩位專人再次判讀；有了AI圖像辨識模型後，過檢率已降至一％以下，須複判數量大減，可全由產線領班兼任完成，不須增設檢查員。海內外各廠導入後，共精簡二二三位檢查人員，銅箔基板收率提高○．五五％，年效益逾三億元。

「管理就像擰毛巾，但用手都擰不出水來時，要用什麼更好的工具把它擰得更乾？那就藉由AI來做。」台塑集團總管理處總經理林善志不諱言，過去四家公司開發各自的AI應用，現在包括製程優化、設備預警、異常監控與品質檢測等模組，都可互相參考分享，「我們共已完成了一六六○件AI案件，現在每年可創造的效益是七十二億元，總裁給我們的目標是每年三○○億元！」

對此，王文淵笑著自我調侃，「每年三○○億元會不會太誇張！」

「（導入AI）非常重要的一點：你要有定義，就是要有目標、要能解決問題，否則數據那麼多，整理數據後，你為什麼要做？」洪福源直言，台塑集團把AI看成數位轉型工具，不斷尋找痛點加以改善，有改善就會有成績，「我們改善沒有止境，任何一個AI案子都沒有終點，慢慢累積朝這個方向走！」

年效益
來自減少能耗（減碳）、提升品質（良率）、設備預警（異常監控）、減少作業工時（即時調整）等多方面的量化，不直接等於淨利提升。

收率
percent yield，又稱反應收率、產率，一般用於化學及工業生產，指在化學反應或相關化學工業生產中，投入單位數量原料所獲得實際生產的產品產量，及理論計算產品產量的比值，數值愈高愈好。 閱讀完整內容