原文連結：高耗能石化廠 如何透過AI推動產業永續？
作者：陳梓元
2021 年最夯關鍵詞「淨零碳排」已不是個口號，這將是實際影響企業能否生存的關鍵，尤其一直以來被認為高耗能、高污染的石化產業首當其衝，因應台灣石化內需市場小，約有七成仰賴出口。歐盟預計在 2026 年全面針對高耗能產品徵收碳稅，且要求供應鏈足跡達到碳中和，一旦正式實施上路，企業勢必需要將碳議題納入成本考量。
那麼，AI 可以在這一連串的永續政策中扮演什麼角色？台灣塑膠工業股份有限公司保養中心組長鄭琦聰指出，並非為了 AI 而 AI，而是將它看做一個轉型的工具，透過數據輔助人做更精準的預測與判斷。
重資本低人力 設備規格要求堪比航空、核能業
石化業屬於高資本與高技術密集產業，單一個石化廠就有上萬台設備，仰賴自動化的程度相當高，鄭琦聰指出，一個廠裡面的一個班大概十多個人，大部分的時間是由監控中心在調度指揮，所以現場實際操作的人並不多。然而石化產業跟航空、核能產業十分類似，對於設備可靠度的要求非常高，不容許出錯。
為此，早期的做法是，會買一台一樣的設備在旁邊備用，然而並不是所有設備都適用這種做法，加上備用機器長時間不使用反而容易壞，因此開始有「定期保養」以及使用感測器偵測的「預知保養」。直到後來國外開始出現可靠度保養、風險式管理等概念，台塑逐步導入智慧保養，透過 AI 掌握設備的風險，並提供現場人員因應這些風險的設備管理對策。
智慧保養對於石化廠來說其實是相當衝擊的概念，鄭琦聰表示，傳統觀念認為保養效益不高，設備故障交給外包公司維修即可，但是後來發現這樣的模式並不適合台灣，原因之一是台灣中小企業規模小，負擔不起昂貴設備，因此外包廠不見得熟悉這些設備；其二是高階設備的技術人才不容易找。於是，台塑成立自己的訓練中心，並透過導入AI提升保養效率。
更換潤滑油一次500萬 AI協助判斷換油時機
導入 AI 究竟對能夠對石化產業帶來什麼助益？鄭琦聰認為，現階段 AI 能做的主要是「人機協同」，協助現場人員工作更加輕鬆有效率。「一個石化廠最少有三到四萬多個設備，負責保養的設備工程師主管只有三十人，未來人數規模可能會再減少，但機器會更複雜，只能透過數位轉型、導入AI，管理上萬個零件。」
他舉例，石化廠的設備資產購置都是上億起跳，甚至到十幾億，換一次潤滑油需要五百萬元，大約兩年換一次。這與一般汽車換機油的觀念天差地遠。一般認為潤滑油是消耗品而且便宜，不管好壞換掉都無妨，但是石化廠的油就不一樣，因為油需具抗化學性、抗高溫、抗消耗，必須加入很多特殊原料，無法隨意處理。更換時間通常只能跟著原廠建議，但成本也相對較高，也有宣稱跟原廠相似的廠家想要提供油品，但造價不菲的機器實在經不起冒險。
當時就開始思考，最佳的換油時機是什麼時候？如何讓油品能夠穩定而且長效？油品再生系統為此而誕生，它可以偵測油品是否有水分導致變質，並且進一步查漏，檢查製程物是否有跟油混在一起，即時發現瑕疵。鄭琦聰提到，光一個油品就需要有諸多的考量，若按原廠建議更換，雖然可以保持設備穩定，但是對環境並不友善。
透過智慧監診整理數據趨勢 做為保修依據
石化廠還有另外一個特性，設備的停、開機並不是一個按鈕按下去就好，因為化學反應需要時間，如果一瞬間停止，化學反應都會被破壞，因此現場人員要知道需要多少時間停機，好利用這段時間來備料並且跟製程人員溝通。鄭琦聰提出「智慧監診」的概念，可以24小時不停止地將設備資料提供給設備保養管理者參考，什麼時候檢修、什麼時間停機，都不再只靠老師傅的經驗，而是有憑有據，溝通界面也統一，做出最佳的決策。
這樣做的好處，在於可以大幅降低降低抄錶的人力，然而，要全面智慧化還有許多客觀因素需要克服。廠內的設備數量太多，加上有些設備是較早期建置，並不是所有的設備都能安裝感測器，而且工廠內的無線傳輸通信品質也是關鍵，因此不可能直接裝設無線感測器。另一方面，早期設備沒有防電磁波的保護，若是好幾百億的石化廠因為電磁波干擾而停機，後果將不堪設想。因此有些重要、高敏感的設備還是需要用保守的方法，而這些成本與風險的判斷，最終還是需要由人來做決策，而非AI。
導入新創No Code AI解決方案 降低進入門檻
對於傳統石化業而言，要大幅度的導入AI確實有很多需要克服的門檻，「這個工作（工具）到底能不能幫助到現場的人，還是它會增加大家的負擔？」鄭琦聰坦言，對現場工作人員而言，最好可以有一個系統即插即用，其他額外的工作愈少愈好。「我們很多企業剛導入ERP都氣得半死，所以我們從 No Code AI 開始入手。」綜合評估後，台塑決定與新創公司詠鋐智能（Chimes AI）展開合作，做為導入AI的第一步。
鄭聰琦進一步強調，市面上也找不到即插即用的系統，No-Code AI 的好處在於可以快速上手，詠鋐智能執行長謝宗震也認為，在部門人數不多，資料科學工程人員也有限的情況下，No-Code 確實可以降低風險，並且減少大量的溝通成本，只需要有設備保養人員的領域知識，掌握資料的特性，並依照想要達到的目的整理、清理資料，放到 No-Code AI 平台就能達到預測的效果。
