(攝影/洪政偉)

鋼鐵身為工業之母,無論在社會、經濟或生活層面,都扮演了重要角色。但一聯想到煉鋼廠,多數人還停留在傳統重工業、操作笨重機具的印象,殊不知,這個超大型的煉鋼機器,已經悄悄配備了人工智慧,正在歷經一場邁向工業4.0的智慧化轉變。

這一場變革,莫約從5年前開始推展。「我們展開數位轉型,是為了提升鋼鐵生產效率、降低成本、縮短交期,來提升產品競爭力。」中鋼技術部門代理副總經理鄭際昭,一句話點出轉型任務最重要的目的。

回憶起當初的決策,鄭際昭就不得不先談到中鋼多年來遭遇的困境。首先,是中國鋼廠崛起,面對更低鋼價的競爭壓力,還有日韓鋼廠強敵環伺,儘管中鋼已經是年產量千萬公噸的世界級鋼廠,還是要設法突圍。

不只如此,受到關稅與運輸成本影響,中鋼當前鋼鐵外銷的比例僅佔三成,有近7成的產品,銷往獲利更好的國內中下游業者,但伴隨而來的另一個問題,就是受限於較小的國內市場,必須滿足少量多樣的客製鋼種需求,「所以才會說,中鋼產品的性質是少量多樣,這是我們的宿命。」

面對中國鋼廠的競爭,以及少量多樣化產品造成的生產成本提升,「我們現在已經不能再拼量了,只有發展精緻鋼品來提高獲利,才有競爭生存的空間。」鄭際昭指出,中鋼要在有限的鋼鐵產量下,發展高技術含量、高獲利的產品,而非再走以量制價的路。

不過,打造精緻鋼品的前提,是製程能力的提升。為了持續優化製程,鄭際昭認為:「靠AI打造的智慧鋼廠,就是實現精緻鋼廠的關鍵一步。」這就是為何中鋼大手筆投資上億,也要不遺餘力發展AI,推動智慧製造的最大原因。

另一個原因,則是中鋼在面臨製程優化的壓力之餘,內部也進入退休潮,預計在未來十年內,將有數千名員工退休,規模超過目前員工人數的三分之一,換句話說,近半數經驗老到的技術人員,恐怕在幾年內相繼離職。如何將這些知識經驗傳承下來?不只要提前錄音錄影,將內隱知識數位化,中鋼也靠AI找出生產作業最佳化的解方。

於是,在種種挑戰下,中鋼決定在2016年展開轉型,要在過去高度自動化的鋼鐵製程基礎上,大步邁向智慧化。

三年摸索期:向外學習,內化AI導入經驗

中鋼從2016年開始,將智能產銷視為一大關鍵營運策略,並在內部成立了智能產銷委員會(PMIC),來系統性地推展工作任務。

鄭際昭指出,PMIC的性質,與中鋼各種任務導向的委員會相同,屬於功能性組織,雖不是正式的行政組織編制,卻是推動公司重要政策的關鍵一環。

但與其他委員會不同的是,PMIC的主任委員,並非由部門副總來擔任,而是在一開始,就由位階更高的執行副總王錫欽來率領,王錫欽升任總經理後,PMIC的主導位階也再提升,委員編制涵蓋了公司所有的一級主管在內,反應出中鋼對智能產銷策略的格外重視。鄭際昭肯定地說:「中鋼下定很大的決心,要推展智能產銷的工作。」

不過,被寄予厚望的智能產銷任務,一開始發展時,也歷經了一段摸索的歷程。當時,中鋼在PMIC成立技術小組,指定綠能與系統整合發展處作為召集人,來導入智慧化最核心的技術──「AI」,然而,在對這項技術還不夠了解的情況下,一方面要培訓內部AI開發的人才,一方面要找出合適導入的場景,更要建立起系統性導入AI的方法,對中鋼來說,每一個環節都是挑戰。

尤其剛開始,為了找出AI導入的場景,中鋼要求各廠區現場主管集思廣益,發想產線上有哪些智慧化的需求,能進一步提升生產效能、降低成本,並於PMIC會議上提出。初期,由於各廠處主管不了解AI的意義,雖然秉持著輸人不輸陣的精神,相繼提出了許多需求,但大多數提案,都是例行性自動化或資訊化的工作,並不屬於AI的範疇。

鄭際昭表示,儘管提出的不是AI問題,自動化也同等重要,「但是,這對於競爭力的提升還是不夠,我們要找到典型的智慧化導入案例。」

為此,中鋼向外尋求學習資源,透過指派員工接受專業培訓,培養出題端人才與解題端人才,前者學習如何定義AI問題、建立起AI導入觀念,後者則學習AI開發能力。一段時間後,各廠區開始提出更具建設性的問題,更能確實根據需求,找出更切合AI應用的場景。

實作AI的過程中,中鋼除了培訓AI工程師的實戰能力,建立自己的技術團隊,也尋求外部專家的支援,與大專院校、工研院等單位合作,透過協作AI專案,逐漸內化AI導入經驗。而後,中鋼維持著提案、實作、結案、新提案的循環,滾動式累積AI開發經驗,兩年前開始更有組織、系統性的落地AI。

應用起飛期:確立目標,系統性落地AI

歷經了幾年的嘗試與發展,中鋼從2019年開始,更有章法的推動工廠智慧化。這一年,中鋼訂定了三大發展主軸,分別是建構混合雲智能平臺(Technology)、助集團員工進行AI訓練(Talent)以及全面推動智能方案(Team),簡稱3T,更積極運用雲端、大數據、AI等新興科技,來建構產銷智慧化系統,目的要驅動制度、流程、組織及營運模式的變革。

「那一年,有點像是迎接第二波AI應用的概念,跟第一波相比,執行的會更到位。」鄭際昭表示:「3T也是過去就持續進行的工作,只是會更具系統性地來執行。」

比如說,中鋼利用多年時間,逐步建立起開發AI應用所需的基礎架構環境,在感知層方面,強調建立資料傳輸的標準介面,來蒐集大量生產資料;在網路層,則是建置私有雲來整合生產資料,並執行連線的AI應用服務,在雲端統一管理AI,來取代過去在個別主機上部署與維運的做法;而在應用層,則是運用了大數據迴歸分析、最佳化應用求解,以及機器學習、深度學習的技術,依據應用特質選擇相應技術來開發。

中鋼在導入AI上,也有一套明確的組織分工。在發想AI問題時,會由最了解生產狀況的各廠區主管,來找出產線的智慧化需求,若經評估可行,就會交由電控處的工程師,擔任類似於資料工程師的角色,負責從現場的系統中取出生產數據。

接下來,就會進入AI演算法開發環節,由自動化及檢測系統發展組,擔任資料科學家的角色,來開發AI模型。完成開發後,中鋼的子公司中冠資訊,會接續扮演軟體開發的角色,負責將AI模型開發成應用軟體系統,部署到線上環境,實際將AI應用落地。

AI落地後,中鋼也發展出一套衡量成效的方法,以產程自動率作為衡量指標,來了解第一線人員的使用情形。

自動率,指的是以AI來取代人工,進而達到自動化的比率。舉例來說,過去要檢測成品瑕疵,都是靠人工目檢來判斷,但在剛開始導入AI時,員工可能不信任AI,並無大量採用AI判讀結果,等到時間一長,AI也確實發揮功能後,員工開始願意將工作交由AI執行,原流程的自動化程度才會提升。因此,從產程的自動率,就能快速了解AI是否為產線人員帶來助益。

「AI上線之後,我們會去看有多少比例的操作,是透過AI來影響決策。」鄭際昭表示,AI決策的比例越高,就代表採用的單位越認同AI導入成果,就越能透過AI,來減輕現場員工的工作負擔。

更多AI應用落地後,中鋼在2020年中,舉辦了第一屆AI成果競賽,讓導入AI的單位,向他人分享計畫執行過程,以及實際帶來的效益,一來具有激勵參加者的作用,二來也讓他人觀摩,了解AI可以達到哪些成效,藉此來形成全公司的企業AI文化。甚至在未來,中鋼預計要將AI競賽擴大為集團規模,培養全中鋼集團加速導入AI。

「靠AI打造的智慧鋼廠,就是實現精緻鋼廠的關鍵一步。」中鋼技術部門代理副總經理鄭際昭指出,中鋼要在有限的鋼鐵產量下,發展精緻鋼品來提升競爭力,前提靠AI提升製程能力,邁向工業4.0。(攝影/洪政偉)

AI落地還得克服鋼鐵製造現場的技術難題

除了花費許多時間,來建立中鋼自己的AI開發能力、導入方法與基礎建設,要實際將AI落地煉鋼場景,中鋼也面臨了許多挑戰。

比如說,在煉鐵、煉鋼等高溫熔煉的環境,受限高溫等環境因素,許多生產數據根本無法量測,也就難以發展AI。

鄭際昭指出,以高爐的運作情形來看,是從上方加入煉鋼原料,再從下方鼓進熱風,將鐵礦石高溫熔煉製成鐵水與爐渣,整個熔煉過程密閉且高達1,500度。在這個煉鐵反應器中,雖然能間接量測部分溫壓數值,但高爐內部還是個黑盒子,實際的熔融狀況、爐氣分佈、爐渣分佈,都難以量測,也就較難透過AI,精準預測生產狀況。

比如中鋼想發展一套爐熱預測模式,透過現在高爐的布料情形、鼓風溫壓,來預測未來鐵水溫度變化趨勢,若預測到爐熱可能降低,就能即時調整調生產參數來因應,「這是理想的情況。」鄭際昭表示,但礙於許多數據難以測量,AI預測的精準度仍是一大挑戰。

又或是將鐵水運送到轉爐,將鐵煉製成鋼時,生產過程中,鋼胚表面上可能產生缺陷,但生成表面缺陷的生產參數,可能包括過熱度、鋼液溫度跟凝固溫度差、澆鑄速度、冷卻速度、鑄粉狀況等,「如果能確實量測到這些參數,建一個AI模型不難,但問題就在於,很多生產數據是量測不到的。」鄭際昭舉例,比如在鑄模內的鑄粉分布狀況,就量不到,難以發展更精確的AI演算法。

中鋼一位AI工程師,綠能與系統整合研究發展處的研究員許朝詠,則將資料品質視為中鋼AI落地難題。他分享,鋼捲製造過程中,動輒處於900度以上的高溫中,處理過程也可能噴水冷卻,在影像資料的取得上,會有不夠清楚的問題。而且,在開發影像辨識模型時,也可能因工業環境不易控制,造成取得影像的品質差異大,比如在同樣位置不同時間點拍攝的影像,可能因光源不同,導致影像呈現不同效果。

不只如此,部分AI應用場景,也會受限於空間配置,無法擺下GPU伺服器、或高計算能力的設備,甚至連網路線都無法部建。這些情境,對於現場資料取得,或是AI實際部署上線,都會帶來一定程度的挑戰。

開花結果期:解決生產痛點,朝精緻鋼廠邁進

歷經重重難關的洗禮,砸下破億元的投資,中鋼AI發展邁入第5年,終於交出一張漂亮成績單。

5年來,中鋼主要運用AI來優化生產流程,聚焦開發產線AI應用。最重要的進化里程碑,莫過於在高爐場域導入27項智慧應用開發,不只有高爐本身爐況的AI監控,也開發周邊設備如原料輸送帶的預測維修、熱風爐生產效率與耗能監控、現場人員的安全監控等應用,中鋼估計,光是在二號高爐導入AI,每年就能降低約3,270萬元的成本,更別提中鋼現行四座高爐中,都部署了AI應用。

除了高爐AI,其他廠區也開始競相應用AI來優化製程,比如熱浸鍍鋅廠,就運用兩大製造業典型AI應用,分別是AI製程調參與AI瑕疵檢測,前者用來預測不同參數組合下的鍍鋅膜厚變化,後者用來檢測鋼捲表面瑕疵,光是鍍鋅成本,就預估年省1,600萬,還能進一步提升產品品質。

中鋼也早在2018年,就整合了多項機器學習技術,打造了能全自動吊運鋼捲的無人天車設備,換句話說,拖板車司機僅靠自己一人就能在數分鐘內,完成數十噸鋼捲的裝卸任務,過程中甚至只需要刷卡報到、一鍵確認後就能自動執行。這套無人天車系統,2019年甚至外銷超過10套,說明了AI開發不僅能自用,更有機會對外服務、銷售。

面對少量多樣的鋼種需求,所帶來的高生產成本問題,中鋼也試圖以AI作為解方。

比如說,中鋼一次轉爐煉鋼的生產量就高達250公噸,當客戶訂購的鋼品數量過少,只需20噸的特定鋼品,由於製程有其生產條件限制,面對客戶的少量需求,中鋼難以滿足,否則多生產的230噸鋼品,囤積到最後就是回爐重造,無端增加生產成本。因此,過往的作法,會等湊到足量類似鋼品的訂單,才一次啟動煉製。

為了提高生產效益,中鋼開發了鋼種成分分析模型,找出不同鋼種之間共通的成分特性,將原先超過一萬類的鋼種數量簡化為較少種類,再針對不同客戶少量需求的訂單,找出能合併煉製的訂單組合,透過下游的製程參數微調,就能以一種可滿足所有訂單的鋼種,來交付生產,就能更快湊成一爐能煉製的量,來降低生產成本。

在決定接單前的冶金設計與製程模擬上,中鋼也用AI來縮短時程。一般來說,中鋼接到客戶詢單,需要先進行冶金設計、找出製程參數,試製生產後,才能判斷能否生產特定機械結構的鋼品。過去,通常得靠技術人員多年的經驗,確定冶金成分與製程條件搭配可行,才會回覆客戶能否接單。

然而,只靠經驗累積還不夠,從高達數萬筆的冶金設計與製程參數資料中,中鋼分析兩者對鋼品機械性質的影響,釐清錯綜複雜的生產關係,開發了鋼品冶金設計與製程動態調控AI輔助系統。現在客戶詢單時,就能透過找出鋼品機械性質條件相近者,逆向倒推所需的冶金設計與製程條件,來判斷生產參數並試製,更快回覆接單。

這項應用甚至能用於生產當下,若發現前段製程發生變異,恐導致鋼品品質改變,透過AI也能快速找出後段製程生產參數的調整方式,將鋼鐵機械性質補救回來,避免因造成生產時間、成本的增加,降低延遲交貨的風險。

系統性累積的專家知識能量,就是AI發展基石

從眾多AI的開發過程,不難發現,中鋼正致力於把「內隱知識外顯化」,也就是將員工的操作製程的經驗,轉為數位化記錄,更有系統性地蒐集專家的知識經驗資料。

蒐集足夠的資料後,下一步,中鋼更要將「外顯知識標準化」,用既有的流程、知識、資料,建立起AI判讀規則,自動找出最佳化解方。比如生產排程AI即是典型一例,透過老師傅的排程邏輯記錄與其他資料,來開發AI,自動在不同生產條件下,找出最佳化的排程邏輯,來輔助決策。這同時也是中鋼面對內部退休潮的應對之道。

鄭際昭表示,找出知識、標準化、優化的過程,是中鋼努力的目標,不過,知易行難,他也坦言,在理想的道路上,還有很長的路要走。

 中鋼AI轉型祕訣: 

 找對問題、創造規模效應 

「如果問我重來一次,要如何改進,來少走一些彎路?我會說,要找對問題來發展,而不是散彈打鳥。」中鋼技術部門代理副總經理鄭際昭點出,出對題目就是加速AI實現的關鍵。尤其,中鋼過去要求各廠處提案,一次就有近百個題目要篩選評估,必須懂得收斂出真正重要的問題,找出產線痛點來聚焦解決,才能更有效率地導入AI。

在選擇問題的過程中,不同層級單位之間也需要密切討論,來評估AI導入的可行性,「不是一個人就能出好題目。」鄭際昭表示,發想一個好題目固然重要,但不能只停留在空泛的理想,若沒辦法集眾人之力,來精準定義問題,了解資料蒐集、AI建模、應用導入等面向的可行性,仍無法將想像付諸實現。

鄭際昭更建議,在導入AI時,「與其到處點火,結果一個點都沒有燒起來,不如聚焦在一個場景,同時開發多個AI應用,形成規模效應。」

這正是中鋼的做法,從單點式的發想AI應用,逐漸串連發展,在各廠區形成各自的智慧藍圖,比起零星分散的AI應用,中鋼透過規模式的開發,更大程度的發揮AI價值。

不只是高爐AI,中鋼也還有其他藍圖在持續進行中,光是智慧工廠,就有高爐、冷軋、熱軋等藍圖,除了製程AI,其他也有智慧設備、智慧營運的藍圖正在發展中。鄭際昭表示:「我們是更全觀的檢視問題,而不是針對單一個案去做。」

 中鋼AI導入大事記 

● 2016年:中鋼為提升集團競爭力,以打造智能產銷為布局,成立智能產銷委員會(PMIC)

● 2017年:PMIC成立技術小組,規劃中鋼AI發展方向;技術部門也建立AI研究團隊,專責AI技術研發,開發示範應用方案

● 2018年:選派了優秀種子人員進入臺灣AI學校,培養出題端人才,同時也由國家網路中心培訓領域專家,培養解題端人才

● 2018年:在智能應用方面,開發完成並正式啟用無人天車吊運鋼捲,至今已完成超過30萬顆鋼捲自動吊運

● 2019年:由各廠處提出一百多件智能化專案,進行全面導入,更聚焦公司級智能方案重點開發。導入過程中,與工研院、成大及中山大學AI中心合作,系統性匯集資源進行聯合開發

● 2019年:以中鋼出題、工研院解題方式,與工研院合作發展智慧工安

● 2020年:建置多個AIoT雲平臺,其中煉鐵智慧中心納入高爐、煉焦、燒結等工廠一站式監控數據,完成多個智能模組開發,並利用AI來監控生產過程,這是中鋼第一個透過場域智慧藍圖規劃的方式,來達成產線智能進化的里程碑

● 2020年:舉辦AI成果競賽,評比各廠區開發完成的AI應用,具激勵與觀摩作用,更藉此培養企業AI文化

● 2021年:中鋼以深度學習,機器學習及電腦視覺等技術,逐步提升鋼鐵製程效率並開創新製程,至今漸獲成效

資料來源:中國鋼鐵,iThome整理,2021年2月

 相關報導  前進中鋼AI大現場

熱門新聞

Advertisement