智慧把关品质与耗能　亚东石化开创AI大未来

　　
　　2016年AlphaGO打败世界围棋棋王，开启了人工智慧蓬勃发展的时代，各企业均积极投入相关开发与应用。亚东石化配合集团数位转型的脚步，观音二厂在建厂期间即执行工业4.0系统的建置，以智能化系统平臺为核心，延伸VR教育训练、Smart电子化巡检、智慧化物流管理、安全及能源电子看板、制程现场电视墙监控系统等，建构全新的智能化工厂，并且进一步导入AI于制程应用，让品质预测与能源管理也愈来愈聪明！

品质预测　洞察先机
　　有鑑于AI技术已日臻成熟，亚东石化技术部于2018年开始将AI导入制程，希望协助氧化制程品质预测和工厂的主动式能源管理。由于早期的制程中，品质都是依化验分析结果调整，取样和分析相隔一段时间，当发生异常时，无法即时掌握品质变化。近期採用模型预测控制（MPC）虽可改善此问题，但传统模型的建置和更新不易，而且在非线性区段也较不准确，若能透过AI 大数据建模，将可提升品质预测的精准度。

　　另一方面，过去的能源管理方式大多採取事后分析（每週／每月检讨）再进行调整，效率不彰，且能源耗用在不同炼量下，无法靠DCS（分散式控制系统，Distribution Control System）的警报功能得知是否异常，因此，亚东石化希望借助AI之力，即时监测能源单耗的变化，以提早因应和调整，使能源耗用常保正常，进一步强化节能减排。

　　为了快速熟悉机器学习与人工智慧相关内容，专案团队先进行初步的AI建模评估，以Rapidminer软体工具探索AI的应用，进行AI深度学习建模与验证。一开始是採用离线作业的方式，执行制程操作条件和品质数据的收集与处理，再用深度学习演算法（DNN）进行建模测试，对同仁而言，因为AI是全新的科技领域，过程中不免遭遇许多困难，例如：时间差的调整、两条生产线品质差异大、系统数据不符合、仪錶数据不合理…等，所幸经过多次测试与调校后，终于获得可行的氧化制程品质预测模型，确定专案的可行性。为求慎重起见，亚东石化找来3家厂商进行PoC测试（概念性验证，Proof of Concept），最终才选定合作厂商。

　　此专案由亚东石化提供PTA生产相关的专业知识（Domain Knowledge），并协助适当地处理数据，包括：时间落差、Outlier数据排除…等，结合PTA专业知识与AI演算法程式设计，建立良好的模型，在氧化制程品质预测上获得极佳的结果，且与化验室分析相比，AI氧化品质预测可提早2～3小时取得数据，让盘控人员得以提早调整制程参数，以稳定产品品质。

能源管控　主动出击
　　第二项以AI技术开发主动式能源管理的应用是业界的创新构想，亚东石化找来工研院合作，共分两阶段进行。第一阶段先收集大量能源相关的操作资料，并做适当的数据处理，再以Rapidminer建立AI能源基线，确定模型的准确度够高后，才将数据转予工研院，进行AI演算法的程式码编写，和建立AI能源基线模型（AI Energy Baseline，EBL）。上线运用时，以AI能源基线模型预测的合理能源单耗为基准，辅以设定合理的范围做为管控界限，即时呈现能源单耗的趋势。当即时能耗数据超出管控范围，代表可能发生异常能耗。

　　即时发现异常还不够，要能迅速找到异常的原因，才能使管理更到位，因此进入第二阶段：开发「能耗异常设备自动查找」功能。亚东石化与工研院人员深入讨论每一个用电和发电设备、锅炉，以及热交换器等能耗设备，收集并筛选数据，再结合AI技术与统计分析，建立每个设备特徵值（Feature Engineering）的合理范围，以此特徵值模型为基准，即时比对各设备在该产能下的数据，当超出正常范围时，便可判断设备异常，通知生产人员处理。

　　其实整套AI系统建置过程，牵涉跨领域复杂的技术，必须多方且深入的釐清、沟通讨论，专案团队不厌其烦、追根究底，竭尽所能让系统更完善，也让亚东石化不仅在AI领域初试啼声便有好成绩，更保有AI原始程式码与相关技术资讯，等于拥有自主的AI技术能力，未来还可延伸应用于制程高阶控制、优化操作条件，以及设备故障预警系统等，持续提高生产效率、降低营运成本。亚东石化跨入AI的第一步，期盼为提升公司的数位竞争力迈出一大步。#