科技專案成果

工研院 ▶ 智慧產線排程與AI虛擬專家協作製程優化技術

 技術特色 
運用AI大數據分析，找出工廠排程與機台參數的最佳配置，有助企業實現節能減碳目標。

 產業擴散  
導入石化、鋼鐵、光電半導體等三大產業，協助榮剛公司減少碳排放量4.07％，以綠色鋼材擴大歐美高值市場；另協助石化廠每年減少碳排放1,500噸。

▲ 工研院開發智慧排程與製程最佳化的數位減碳解決方案，成功導入石化、鋼鐵、光電產業。
 

全球高呼2050淨零碳排，對臺灣經濟主力製造業來說，更是刻不容緩的變革挑戰。在經濟部技術處科技專案支持下，工研院運用AI大數據分析，找出工廠排程與機台參數的最佳解法，同時達到提升產能與減碳，實現雙贏的發展路徑。

所謂的「排程」，就是分配每段製程的工作順序與資源，考慮產品要在什麼時間點進機台，如何操作才能達到最好效益。如同餐廳老闆，可能會將不同訂單的相同餐點集中烹調，或是每個爐子負責專門食材，用盡各種方式，保持最快的出餐速度。

排程看得遠又廣 解決人工經驗問題

工研院資通所經理林群惟指出，排程牽涉複雜因素，與工廠的工序、產能、達交、機台稼動及能源控管都有關聯，過去工廠排程大多依照人工經驗法則，習慣訂單先來先做，卻已無法滿足現今變化快速、少量多樣和複雜繁瑣的製程。

林群惟舉例，像是高排碳的鋼鐵廠，若能將許多相同製程的產品集批生產，減少開爐次數，即可降低耗能，「但人腦不擅長多目標決策，無法看得那麼遠和廣。」此外，一旦資深人員請假或離職，知識無法傳承，排程操作也容易出現空窗期。

研發團隊從國際人工智慧圍棋程式Alpha Go的成功案例獲得啟發，以Alpha Go的三個核心技術－蒙地卡羅樹搜尋、深度學習及增強式學習，開發智慧排程AI演算法，以過往的決策資料作為養分，模擬生產線排程的最佳資源配置。

建立電腦與專家的雙腦協作系統

除了排程外，工廠在操作機台時，也會面臨製程參數調整的問題。工研院資通所副經理闕壯華指出，以石化業來說，參數就多達二、三十項，例如溫度、壓力、入料量等。製程參數如同食譜配方，不同組合都會影響產能和良率，人工調整不僅很難一次到位，一旦調整錯誤，更可能引發爆炸等工安問題。研發團隊同樣透過AI演算法，以循序取樣和轉移式學習，找出參數的最佳解法。

除了透過電腦助攻，專家的經驗也同樣重要。在研發前期，工研院多次與業界製程工程師進行深度訪談，先剔除實際無法操作的條件限制，加快AI訓練時間，「透過資料分析技術，把工程師經驗模型化，變成數位資產；再整合人腦跟電腦的優點，建立雙腦協作的參數優化系統，」闕壯華說。

「有了AI當助手，工廠就像是有了大腦，從每日的生產細節中揪出耗能問題，協助產業打造綠色競爭力。」

智慧產線排程技術已導入高耗能的石化、鋼鐵、光電半導體等三大產業，在產線排程優化上，協助臺灣特殊鋼大廠榮剛節省天然氣耗費8.7％、高耗能設備待機空轉電力5.97％，共計減少碳排量4.07％，以綠色鋼材擴大歐美高值市場。在製程參數優化上，協助世界級石化原料製造商在純化站點，每年減少二氧化碳排放1,500噸，協助產業打造綠色競爭力。
 

• 成果案例出處：2021科技專案執行年報