科技新知

一、全球製造業的AI轉型

綜觀近年先進國家數位暨AI轉型發展進程，無論是美國「再工業化政策」、德國「工業4.0」、中國大陸「中國大陸製造2025計畫」、日本「人機共存未來工廠」與南韓「下世代智慧型工廠」等國家政策，均積極推動其國內製造業智慧轉型，提升各級產業逐步邁向低碳甚或零碳。

依據國際市調機構預測，全球AI市場規模將由2023年1,360億美元成長至2030年8,270億美元，年複合成長率28.5%。以2024年全球AI應用市場占比而言，醫療保健16%、金融14%、製造業(含鋼鐵、鋁等金屬材料產業)14%等位居前三，其餘為商業、交通運輸、安全、能源、媒體娛樂、零售與其他等用途，全球AI市場規模暨應用市場占比，彙整如【圖1】與【圖2】所示。
 

資料來源：Statista Market Insights/金屬中心MII-ITIS研究團隊整理(2025/06)
圖1 全球AI市場規模暨應用市場占比
 

資料來源：Statista Market Insights/金屬中心MII-ITIS研究團隊整理(2025/06)
圖2 2024年全球AI應用市場占比
 

觀察近年全球鋁金屬產業低碳轉型而導入智慧製造的案例，依協作模式與技術程度，概可歸納如下：(一)物聯網階段，例如資料/數據來源與終端設備的控制與操作。(二)大數據階段，例如資料/數據儲存與分析。(三)AI及其進階的機器學習、深度學習、類神經網絡等階段，則係為資料/數據進行分析/加值的手法，例如初期的資料探勘與預測，演進到機器手臂、機器視覺，再到目前的人機互動、語意辨識。(四)數位雙生，建立在AI基礎上，做到即時(real time)模擬，再透過反饋機制調整產線作業效率。AI等先進技術集成系統示意圖，彙整如【圖3】所示。
 

資料來源：Siemens/Toobler/金屬中心MII-ITIS研究團隊整理(2025/06)
圖3 AI等先進技術集成系統示意圖
 

二、國際鋁業大廠AI轉型案例

(一)中國大陸加工產業導入AI工廠

中國大陸高階應用鋁材加工領導業者、國家航空/航太/航海鋁材主要供應商之一的南南鋁加工有限公司，為配合其國內製造業數位轉型升級目標，聯合北京科技大學AI研究院等單位，攜手合作「5G智慧工廠」計畫。其痛點主要有三：第一、傳統上鋁片經熱冷軋、退火、整平、剪切等工序後，會以人工目視或經驗檢查鋁片表面是否有刮痕、凹坑、油污等問題，不僅效率低、出錯率高，無法滿足高速生產下品質與數量的需求。第二、料源控管部分，生產不同牌號的鋁片，其料源外觀或形狀如出一轍，無法透過人工辨識而多以人工徒手標記，因此，出入庫管理效率低，偶爾發生材料錯用，料源可溯源程度低。第三、鋁型材製程中，安全隱憂亦不少數，例如無法以人工目視辨識高溫鋁與常溫鋁，高溫鋁於移動過程中容易發生燙傷等工安事故。此外，危險區域違規操作、疲勞作業等亦需加強管理。鋁加工產業痛點，彙整如【圖4】所示。
 

資料來源：中新網/南南鋁加工有限公司(2025/06)
圖4 鋁加工產業痛點
 

爰此，南南鋁業以智慧工廠為概念，針對三大痛點依序應用眾多AI等方案。痛點一解方：開發AI影像檢測，導入5G低延時/大頻寬、機器視覺、AI分析、工業視覺演算法、邊緣運算等技術，在熱軋產線部署工業攝影機，對鋁片上/下表面拍攝照片並回傳雲端，再對缺陷/瑕疵的鋁片進行照片標註，接續利用AI模型進行學習訓練，使得AI模型如同老師傅般具備相同檢測經驗水準，缺陷識別率從人工目測的公分級提升至公釐級0.2mm精度，缺陷識別準確率從71.0%提升至99.9%，最終產品良率從59%提升至65%。痛點二解方：料源控管，採用RFID、AI智慧溯源，開發鋁材可溯源與可視覺化，亦符合旗下客戶寶馬供應商認證要求。痛點三解方：工安事故管理，採用AI預警，以紅外線攝影機監控、機器人巡檢、電子圍籬、AI人因行為影像辨識等技術，建立廠內預警機制，以及降低工安事故發生率。

(二)日本德馬吉森數位雙生驅動銑削加工革新

數位雙生(Digital Twin)為製造業中工業4.0的關鍵技術項目，其允許生產設備智慧互連，有效安排與執行生產作業，透過工業物聯網、AI與機器學習運算能力、物理模擬等新興技術應用，於製造業實現數位雙生。

2023年10月，日本工具機大廠德馬吉森(DMG MORI)和德國數位工業巨擘西門子(Siemens)宣布共同攜手合作數位轉型，對工具機製程導入數位雙生技術，透過虛擬工具機及其數控系統模擬對鋁等工業金屬零件進行銑削加工，融合現實作業與數位世界，提昇作業效能與效率。其優點包含：

1.既有製程最佳化：可即時監控與優化工具機製程，諸如：調整切削速度、刀具路徑等情事發生，盡其可能地提高作業效率與減少工件材料浪費。

2.新製程方案可行性評估：在執行新的加工製程或技術方案前，可預先模擬執行後對工件品質的影響，以及程式的測試與磨合從真機轉移到虛擬世界，避免程式錯誤導致真機報廢或損壞，降低流程變更後的風險。根據作業需求進行事前生產模擬，工具機前置測試/非生產測試減少75%。

3.能源效率提升：不僅可模擬工具機運作時的能源消耗，亦可鑑別大量能耗環節，並依順序投入製程節能改善作法或設備，透過機器設定與流程逐步調整與優化，提升能源使用效率。以新方案為例，工具機生產速度提升40%，顯著降低作業時的能耗。

4.機台設備維護預測：根據工具機感測器回饋的即時與歷史性能數據，可預測工具機何時需要維護，避免意外停機、降低維護成本、延長設備使用壽命。

5.刀具壽命最佳化：可對切削刀具的磨耗/磨損進行建模與模擬，提醒操作人員何時需要更換或磨銳切削刀具，確保在最佳時間更換切削刀具，保持工件精度穩定性與生產效率。

6.工件品質控制：可模擬工件生產全過程，並將模擬結果與即時測量(實際)結果進行對比，及早發現工件缺陷或品質不佳等情事發生。

7.工件生產客製化：可用於設計與模擬一次性/訂製的工件生產，考量部分產品對精度要求、少量多樣、客製化等特性有極高需求，適用於航空航天、汽車等終端應用產業。

8.供應鏈全面整合：可擴展至整個供應鏈，涵蓋協力廠商，物料下單、前置時間、調度作業，精準模擬庫存管理，避免物料延誤而衍生的成本。

9.教育訓練：可作為第一線操作或技術人員的教育訓練工具，在虛擬環境中，練習設備操作與故障排除，提高操作熟悉度與縮短學習曲線。

(三)英國新創公司以AI優化鋁回收前處理流程

英國智能回收新創公司回收眼(Recycleye)與日本工業機器人與數控工具機大廠發那科(Fanuc)攜手合作，以AI技術為核心，對鋁等金屬廢料進行精確分類與大量回收。在回收作業前處理階段，Recycleye導入Recycleye Vision，如同人眼，內建數十億張金屬廢料圖像數據庫，可準確識別金屬回收料特徵，與傳統相比，除材質、顏色、尺寸等特徵，亦突破過往因灰塵或污垢等髒汙而降低辨識能力的問題。其二， Recycleye以光學噴射分選機(Optical Airjet Sorters)進行高速、準確的批量分類，提升前處理階段回收料的純度、降低雜質含量比例。其三，Recycleye 採用Robotics，機器手臂如同手動揀選，平均作業速率可揀選3,300件/小時，降低材料分類與品質管控的成本。其特點包含：1.偵測功能，識別輸送帶上回收料的類別及其成份或純度等，例如金屬、塑膠、纖維等材質。2.組成功能：每批次金屬回收料占比，機器手臂作業時間等。AI回收作業前處理階段示意圖，彙整如【圖5】所示。
 

資料來源：Recycleye(2025/06)
圖5 AI回收作業前處理階段示意圖
 

(四)印度韋丹塔鋁業實現AI生產與安全升級

印度韋丹塔鋁業(Vedanta Aluminium)與印度政府共同合資成立巴拉特鋁業(Bharat Aluminium)，近年為提升工廠作業生產績效及其工作場域環境安全，於2023年5月，啟動一項名為「T-Pulse HSSE (Health, Safety, Security and Environment)監控系統」專案。該專案以AI技術為基礎，透過攝影機、感測器、邊緣裝置(Edge Device)、無人機等設備蒐集原始數據，並將數據存放至雲端上的資料湖(Data Lake)，其特點為：可以原始檔案格式存入資料湖，省下定義資料結構、結構描述、資料轉換的時間。其概念類似集中式儲存庫，可存放結構化/非結構化資料，無需事先建立資料結構，可依資料原始樣態進行存放並執行各類分析，包含大數據處理、即時模擬與分析、機器學習、監控視覺化等，適用於工廠產線生產作業概況監控，作業週期與作業效率分析、能耗分析，以及何時應該停產保養檢修建議等，尤其，在工安作業方面，可即時偵測員工防護設備穿戴/使用妥適性、工作安全/危險通報、高空/密閉空間作業、起重與吊裝、物體墜落、廠內運輸動線干擾/車輛行駛安全等各種形式風險，即時偵測異常狀況並對工安衛管理者發出提醒警報。

以運輸動線干擾/車輛行駛安全為例，考量廠區內部安全，每當運送裝載高溫熔融鋁湯坩鍋時，事先會以AI規劃安全路徑，讓現場作業人員避開高溫坩鍋。同時整合AI、機器學習、先進駕駛輔助系統(ADAS)、司機監控系統(DMS)等技術，提升整體監控功能與功效，加強用路安全與防止潛在人為錯誤，降低工廠內部運輸風險。其中，先進駕駛輔助系統可偵測車輛周圍盲點，當其他車輛變換車道時，系統會發出即時警報提醒，確保司機用路安全。而司機監控系統則在監控司機行為與注意力，透過臉部位置、眼球運動、頭部定位等特徵，即時偵測司機是否有疲倦、想睡、手機使用等非合規駕駛行為，強化司機警覺性與用路安全。T-Pulse HSSE監控系統示意圖，彙整如【圖6】所示。
 

資料來源：T-Pulse(2025/06)
圖6 T-Pulse HSSE監控系統示意圖
 

(五)阿曼蘇哈爾鋁業AI與機器學習推動數位轉型

由阿曼石油公司(SAO)、阿布達比國家能源公司(PJSC)、英國力拓(Rio Tinto)於阿曼共同合資成立的蘇哈爾鋁業(Sohar Aluminium)，為近年中東地區數位轉型業者中，致力於AI智慧冶煉的典範案例。其作業模式係透過工業物聯網(IIoT)遠端監控產線及其線上設備，即時掌握冶煉廠內作業概況，不僅顯著提升產線/設備可靠性，大幅降低產線停產可能性與機台停機時間外，透過AI預警機制，克服電解槽作業效率週期性衰退以致產量降低的問題，相較傳統人工經驗判斷，除可減少手動錯誤，預警系統亦可蒐集歷史作業數據，透過AI與ML(機器學習)演算法，準確預測產線/設備作業效率即將衰退，而藉此提早安排常規維護與檢查工作，增加產線/設備作業時間與減少故障可能性。

整體而言，其優點包含：1.透過工業物聯網將現場機台設備作業數據立即回傳至中央戰情室，全面監控冶煉廠內作業概況。2.導入AI與ML等技術，將蒐集後作業數據進行深度分析，除可減少週轉時間、進行自我診斷、預測機台設備即將故障時間，及早告知設備應維護時間，亦可顯著提升產線稼動率，降低因停機而造成的作業損失。3.精確控制熔煉爐鋁液溫度並以機器手臂自動控制澆注速度，提高鑄件品質、節能減耗、不良品率等。4.機器手臂可準確鋁錠堆疊、捆綁、貼標等作業，降低因人工駕駛堆高機時，搬運不安全/作業程序不正確等人為干預，有效避免第一線員工因公受傷風險程度。蘇哈爾鋁業工廠產線AI化，彙整如【圖7】所示。
 

資料來源：Sohar Aluminium(2025/06)
圖7 蘇哈爾鋁業工廠產線AI化
 

三、結論與建議

儘管國內鋁金屬產業對AI於應用環境抱持濃厚興趣，例如：智能監控、維護預測、異常檢測、生產效率、生產優化、產品品質等項目，然而多數業者仍缺乏明確應用策略，更遑論進一步導入生成式AI或大型語言模型等新興技術。AI的浪潮正在衝擊各行各業，而新科技的導入往往需要歷經陣痛期，業者需要充分了解自身的生產過程和需求，並選擇合適的AI技術應用方案。以數位雙生為例，數位轉型進程即將從技術採用邁入商業模式的轉變階段，對於單一化的一/二次加工作業，生產前可事先分析該批次工件所需的工序與時間，作業時亦可配上即時回饋的作業數據，以優化下批次作業品質，並間接改善整體作業生產成本。此外，為了能讓數據智慧分析與自動學習，仍需AI協作，數據對管理者才能變得有意義，數位雙生才能變得更完整。爰此，傳統製程就可蛻變為有機成長的生產模式，從持續不斷的製程優化過程中，提供產品升級與創新的機會，裨益業者永續發展，以及開發更多新興且多元的加值服務模式。

再者，隨著競爭壓力與日俱增，如何提升營運韌性為業者即將面臨的課題。倘若業者僅採取觀望態度，長久下將對AI技術產生距離感、冷漠感，競爭優勢勢必逐漸邊緣化。然而，業者若想實現AI的應用成效，加速AI投資所帶來的企業價值，並確保永續經營，應再次檢視以下目標：

(一)AI導入目的：運用AI科技之際，應審慎思考並明確定義最終目標，並非每個單位都非得自行開發AI模型。釐清投資AI技術的動機，有助於業者在許多面向做出最佳選擇，例如：投資項目與方式、自建模型、尋找合作夥伴或是購買AI技術解決方案等，檢視自身所求為何，使投資與營運策略保持一致，簡化公司決策過程。

(二)AI應用處於何種階段：協助業者鑑別目前公司內部AI應用狀態，同時，檢視與目標間存在的差距。現今AI技術已經全面嵌入電子郵件、辦公室作業平台、廠商供應鏈等各式軟體。不過，以策略性角度而言，相較AI應用成熟的業者與剛開始導入AI的業者，在AI所需的載具與環境應用上的確存在不同差異。

(三)AI應用對象優先次序：相較布署前，業者會將布署後的潛在價值及其衍生的時間與成本進行比較，其準則包含：如何選擇並整合現有技術與數據、導入每套模型可行性、可操作性、投資報酬率、公司營運能從其中獲益多少等評估項目，業者亦可視自身工廠作業環境需求，添加其他維度的評估項目，有助於更準確地對AI應用進行排序。

(四)落實AI與轉型結果：建立責任制是AI轉型成功與否的關鍵，有助於業者將每個應用載具或環境，對應到明確的績效指標與營運成果，間接協助業者找出數位轉型瓶頸，以及確保AI技術應用與投資效益，讓兩者不斷優化。另外，導入AI的成本控制亦相當重要，不僅可提高各部門在AI支出花費的可視性，亦可將使用量回饋至各單位，協助公司內部做為內控制度機制以管控成本，確保分配的公平性與合理性。

綜上所述，AI技術對於鋁金屬工廠的應用具有重要意義，能夠提高生產效率、優化品質控制、降低生產成本，並滿足不同工廠的需求。然而，要實現AI技術的最大價值，業者需要充分了解自身的需求與製程，並選擇合適的AI技術應用方案，裨益業者在AI轉型下，可長遠穩健發展。
 

(本文作者為金屬中心執行產業技術基磐研究與知識服務計畫產業分析師)