（摄影／洪政伟）
钢铁身为工业之母，无论在社会、经济或生活层面，都扮演了重要角色。但一联想到炼钢厂，多数人还停留在传统重工业、操作笨重机具的印象，殊不知，这个超大型的炼钢机器，已经悄悄配备了人工智能，正在历经一场迈向工业4.0的智慧化转变。
这一场变革，莫约从5年前开始推展。「我们展开数位转型，是为了提升钢铁生产效率、降低成本、缩短交期，来提升产品竞争力。」中钢技术部门代理副总经理郑际昭，一句话点出转型任务最重要的目的。
回忆起当初的决策，郑际昭就不得不先谈到中钢多年来遭遇的困境。首先，是中国钢厂崛起，面对更低钢价的竞争压力，还有日韩钢厂强敌环伺，尽管中钢已经是年产量千万公吨的世界级钢厂，还是要设法突围。
不只如此，受到关税与运输成本影响，中钢当前钢铁外销的比例仅占三成，有近7成的产品，销往获利更好的国内中下游业者，但伴随而来的另一个问题，就是受限於较小的国内市场，必须满足少量多样的客制钢种需求，「所以才会说，中钢产品的性质是少量多样，这是我们的宿命。」
面对中国钢厂的竞争，以及少量多样化产品造成的生产成本提升，「我们现在已经不能再拼量了，只有发展精致钢品来提高获利，才有竞争生存的空间。」郑际昭指出，中钢要在有限的钢铁产量下，发展高技术含量、高获利的产品，而非再走以量制价的路。
不过，打造精致钢品的前提，是制程能力的提升。为了持续优化制程，郑际昭认为：「靠AI打造的智慧钢厂，就是实现精致钢厂的关键一步。」这就是为何中钢大手笔投资上亿，也要不遗余力发展AI，推动智慧制造的最大原因。
另一个原因，则是中钢在面临制程优化的压力之余，内部也进入退休潮，预计在未来十年内，将有数千名员工退休，规模超过目前员工人数的三分之一，换句话说，近半数经验老到的技术人员，恐怕在几年内相继离职。如何将这些知识经验传承下来？不只要提前录音录像，将内隐知识数字化，中钢也靠AI找出生产工作最佳化的解方。
於是，在种种挑战下，中钢决定在年展开转型，要在过去高度自动化的钢铁制程基础上，大步迈向智慧化。
三年摸索期：向外学习，内化AI导入经验
中钢从年开始，将智能产销视为一大关键运营策略，并在内部成立了智能产销委员会（PMIC），来系统性地推展工作任务。
郑际昭指出，PMIC的性质，与中钢各种任务导向的委员会相同，属於功能性组织，虽不是正式的行政组织编制，却是推动公司重要政策的关键一环。
但与其他委员会不同的是，PMIC的主任委员，并非由部门副总来担任，而是在一开始，就由位阶更高的执行副总王锡钦来率领，王锡钦升任总经理後，PMIC的主导位阶也再提升，委员编制涵盖了公司所有的一级主管在内，反应出中钢对智能产销策略的格外重视。郑际昭肯定地说：「中钢下定很大的决心，要推展智能产销的工作。」
不过，被寄予厚望的智能产销任务，一开始发展时，也历经了一段摸索的历程。当时，中钢在PMIC成立技术小组，指定绿能与系统整合发展处作为召集人，来导入智慧化最核心的技术──「AI」，然而，在对这项技术还不够了解的情况下，一方面要培训内部AI开发的人才，一方面要找出合适导入的场景，更要建立起系统性导入AI的方法，对中钢来说，每一个环节都是挑战。
尤其刚开始，为了找出AI导入的场景，中钢要求各厂区现场主管集思广益，发想产线上有哪些智慧化的需求，能进一步提升生产性能、降低成本，并於PMIC会议上提出。初期，由於各厂处主管不了解AI的意义，虽然秉持着输人不输阵的精神，相继提出了许多需求，但大多数提案，都是例行性自动化或信息化的工作，并不属於AI的范畴。
郑际昭表示，尽管提出的不是AI问题，自动化也同等重要，「但是，这对於竞争力的提升还是不够，我们要找到典型的智慧化导入案例。」
为此，中钢向外寻求学习资源，透过指派员工接受专业培训，培养出题端人才与解题端人才，前者学习如何定义AI问题、建立起AI导入观念，後者则学习AI开发能力。一段时间後，各厂区开始提出更具建设性的问题，更能确实根据需求，找出更切合AI应用的场景。
实例化AI的过程中，中钢除了培训AI工程师的实战能力，建立自己的技术团队，也寻求外部专家的支持，与大专院校、工研院等单位合作，透过协作AI专案，逐渐内化AI导入经验。而後，中钢维持着提案、实例化、结案、新提案的循环，滚动式累积AI开发经验，两年前开始更有组织、系统性的落地AI。
应用起飞期：确立目标，系统性落地AI
历经了几年的尝试与发展，中钢从年开始，更有章法的推动工厂智慧化。这一年，中钢订定了三大发展主轴，分别是建构混合云智能平台（Technology）、助集团员工进行AI训练（Talent）以及全面推动智能方案（Team），简称3T，更积极运用云端、大数据、AI等新兴科技，来建构产销智慧化系统，目的要驱动制度、流程、组织及运营模式的变革。
「那一年，有点像是迎接第二波AI应用的概念，跟第一波相比，执行的会更到位。」郑际昭表示：「3T也是过去就持续进行的工作，只是会更具系统性地来执行。」
比如说，中钢利用多年时间，逐步建立起开发AI应用所需的基础机构环境，在感知层方面，强调建立数据传输的标准接口，来蒐集大量生产数据；在网络层，则是建置私有云来整合生产数据，并执行联机的AI应用服务，在云端统一管理AI，来取代过去在个别主机上部署与维运的做法；而在应用层，则是运用了大数据回归分析、最佳化应用求解，以及机器学习、深度学习的技术，依据应用特质选择相应技术来开发。
中钢在导入AI上，也有一套明确的组织分工。在发想AI问题时，会由最了解生产状况的各厂区主管，来找出产线的智慧化需求，若经评估可行，就会交由电控处的工程师，担任类似於数据工程师的角色，负责从现场的系统中取出生产数据。
接下来，就会进入AI演算法开发环节，由自动化及检测系统发展组，担任数据科学家的角色，来开发AI模型。完成开发後，中钢的子公司中冠信息，会接续扮演软件开发的角色，负责将AI模型开发成应用软件系统，部署到线上环境，实际将AI应用落地。
AI落地後，中钢也发展出一套衡量成效的方法，以产程自动率作为衡量指针，来了解第一线人员的使用情形。
自动率，指的是以AI来取代人工，进而达到自动化的比率。举例来说，过去要检测成品瑕疵，都是靠人工目检来判断，但在刚开始导入AI时，员工可能不信任AI，并无大量采用AI判读结果，等到时间一长，AI也确实发挥功能後，员工开始愿意将工作交由AI执行，原流程的自动化程度才会提升。因此，从产程的自动率，就能快速了解AI是否为产线人员带来助益。
「AI上线之後，我们会去看有多少比例的操作，是透过AI来影响决策。」郑际昭表示，AI决策的比例越高，就代表采用的单位越认同AI导入成果，就越能透过AI，来减轻现场员工的工作负担。
更多AI应用落地後，中钢在年中，举办了第一届AI成果竞赛，让导入AI的单位，向他人分享计划执行过程，以及实际带来的效益，一来具有激励参加者的作用，二来也让他人观摩，了解AI可以达到哪些成效，藉此来形成全公司的企业AI文化。甚至在未来，中钢预计要将AI竞赛扩大为集团规模，培养全中钢集团加速导入AI。
「靠AI打造的智慧钢厂，就是实现精致钢厂的关键一步。」中钢技术部门代理副总经理郑际昭指出，中钢要在有限的钢铁产量下，发展精致钢品来提升竞争力，前提靠AI提升制程能力，迈向工业4.0。（摄影／洪政伟）
AI落地还得克服钢铁制造现场的技术难题
除了花费许多时间，来建立中钢自己的AI开发能力、导入方法与基础建设，要实际将AI落地炼钢场景，中钢也面临了许多挑战。
比如说，在炼铁、炼钢等高温熔炼的环境，受限高温等环境因素，许多生产数据根本无法量测，也就难以发展AI。
郑际昭指出，以高炉的运作情形来看，是从上方加入炼钢原料，再从下方鼓进热风，将铁矿石高温熔炼制成铁水与炉渣，整个熔炼过程密闭且高达1,度。在这个炼铁反应器中，虽然能间接量测部分温压数值，但高炉内部还是个黑匣子，实际的熔融状况、炉气分布、炉渣分布，都难以量测，也就较难透过AI，精准预测生产状况。
比如中钢想发展一套炉热预测模式，透过现在高炉的布料情形、鼓风温压，来预测未来铁水温度变化趋势，若预测到炉热可能降低，就能即时调整调生产参数来因应，「这是理想的情况。」郑际昭表示，但碍於许多数据难以测量，AI预测的精准度仍是一大挑战。
又或是将铁水运送到转炉，将铁炼制成钢时，生产过程中，钢胚表面上可能产生缺陷，但生成表面缺陷的生产参数，可能包括过热度、钢液温度跟凝固温度差、浇铸速度、冷却速度、铸粉状况等，「如果能确实量测到这些参数，建一个AI模型不难，但问题就在於，很多生产数据是量测不到的。」郑际昭举例，比如在铸模内的铸粉分布状况，就量不到，难以发展更精确的AI演算法。
中钢一位AI工程师，绿能与系统整合研究发展处的研究员许朝咏，则将数据品质视为中钢AI落地难题。他分享，钢卷制造过程中，动辄处於度以上的高温中，处理过程也可能喷水冷却，在图像数据的取得上，会有不够清楚的问题。而且，在开发图像辨识模型时，也可能因工业环境不易控制，造成取得图像的品质差异大，比如在同样位置不同时间点拍摄的图像，可能因光源不同，导致图像呈现不同效果。
不只如此，部分AI应用场景，也会受限於空间配置，无法摆下GPU服务器、或高计算能力的设备，甚至连网络线都无法部建。这些情境，对於现场数据取得，或是AI实际部署上线，都会带来一定程度的挑战。
开花结果期：解决生产痛点，朝精致钢厂迈进
历经重重难关的洗礼，砸下破亿元的投资，中钢AI发展迈入第5年，终於交出一张漂亮成绩单。
5年来，中钢主要运用AI来优化生产流程，聚焦开发产线AI应用。最重要的进化里程碑，莫过於在高炉场域导入27项智慧应用开发，不只有高炉本身炉况的AI监控，也开发周边设备如原料输送带的预测维修、热风炉生产效率与耗能监控、现场人员的安全监控等应用，中钢估计，光是在二号高炉导入AI，每年就能降低约3,万元的成本，更别提中钢现行四座高炉中，都部署了AI应用。
除了高炉AI，其他厂区也开始竞相应用AI来优化制程，比如热浸镀锌厂，就运用两大制造业典型AI应用，分别是AI制程调参与AI瑕疵检测，前者用来预测不同参数组合下的镀锌膜厚变化，後者用来检测钢卷表面瑕疵，光是镀锌成本，就预估年省1,万，还能进一步提升产品品质。
中钢也早在年，就整合了多项机器学习技术，打造了能全自动吊运钢卷的无人天车设备，换句话说，拖板车司机仅靠自己一人就能在数分钟内，完成数十吨钢卷的装卸任务，过程中甚至只需要刷卡报到、一键确认後就能自动执行。这套无人天车系统，年甚至外销超过10套，说明了AI开发不仅能自用，更有机会对外服务、销售。
面对少量多样的钢种需求，所带来的高生产成本问题，中钢也试图以AI作为解方。
比如说，中钢一次转炉炼钢的生产量就高达公吨，当客户订购的钢品数量过少，只需20吨的特定钢品，由於制程有其生产条件限制，面对客户的少量需求，中钢难以满足，否则多生产的吨钢品，囤积到最後就是回炉重造，无端增加生产成本。因此，过往的作法，会等凑到足量类似钢品的订单，才一次启动炼制。
为了提高生产效益，中钢开发了钢种成分分析模型，找出不同钢种之间共通的成分特性，将原先超过一万类的钢种数量简化为较少种类，再针对不同客户少量需求的订单，找出能合并炼制的订单组合，透过下游的制程参数微调，就能以一种可满足所有订单的钢种，来交付生产，就能更快凑成一炉能炼制的量，来降低生产成本。
在决定接单前的冶金设计与制程模拟上，中钢也用AI来缩短时程。一般来说，中钢接到客户询单，需要先进行冶金设计、找出制程参数，试制生产後，才能判断能否生产特定机械结构的钢品。过去，通常得靠技术人员多年的经验，确定冶金成分与制程条件搭配可行，才会回覆客户能否接单。
然而，只靠经验累积还不够，从高达数万笔的冶金设计与制程参数数据中，中钢分析两者对钢品机械性质的影响，分清错综复杂的生产关系，开发了钢品冶金设计与制程动态调控AI辅助系统。现在客户询单时，就能透过找出钢品机械性质条件相近者，逆向倒推所需的冶金设计与制程条件，来判断生产参数并试制，更快回覆接单。
这项应用甚至能用於生产当下，若发现前段制程发生变异，恐导致钢品品质改变，透过AI也能快速找出後段制程生产参数的调整方式，将钢铁机械性质补救回来，避免因造成生产时间、成本的增加，降低延迟交货的风险。
系统性累积的专家知识能量，就是AI发展基石
从众多AI的开发过程，不难发现，中钢正致力於把「内隐知识外显化」，也就是将员工的操作制程的经验，转为数字化记录，更有系统性地蒐集专家的知识经验数据。
蒐集足够的数据後，下一步，中钢更要将「外显知识标准化」，用既有的流程、知识、数据，建立起AI判读规则，自动找出最佳化解方。比如生产排程AI即是典型一例，透过老师傅的排程逻辑记录与其他数据，来开发AI，自动在不同生产条件下，找出最佳化的排程逻辑，来辅助决策。这同时也是中钢面对内部退休潮的应对之道。
郑际昭表示，找出知识、标准化、优化的过程，是中钢努力的目标，不过，知易行难，他也坦言，在理想的道路上，还有很长的路要走。
中钢AI转型秘诀：
找对问题、创造规模效应
「如果问我重来一次，要如何改进，来少走一些弯路？我会说，要找对问题来发展，而不是散弹打鸟。」中钢技术部门代理副总经理郑际昭点出，出对题目就是加速AI实现的关键。尤其，中钢过去要求各厂处提案，一次就有近百个题目要筛选评估，必须懂得收敛出真正重要的问题，找出产线痛点来聚焦解决，才能更有效率地导入AI。
在选择问题的过程中，不同层级单位之间也需要密切讨论，来评估AI导入的可行性，「不是一个人就能出好题目。」郑际昭表示，发想一个好题目固然重要，但不能只停留在空泛的理想，若没办法集众人之力，来精准定义问题，了解数据蒐集、AI建模、应用导入等面向的可行性，仍无法将想像付诸实现。
郑际昭更建议，在导入AI时，「与其到处点火，结果一个点都没有烧起来，不如聚焦在一个场景，同时开发多个AI应用，形成规模效应。」
这正是中钢的做法，从照菜单点式的发想AI应用，逐渐串连发展，在各厂区形成各自的智慧蓝图，比起零星分散的AI应用，中钢透过规模式的开发，更大程度的发挥AI价值。
不只是高炉AI，中钢也还有其他蓝图在持续进行中，光是智慧工厂，就有高炉、冷轧、热轧等蓝图，除了制程AI，其他也有智慧设备、智慧运营的蓝图正在发展中。郑际昭表示：「我们是更全观的视图问题，而不是针对单一个案去做。」
中钢AI导入大事记
●年：中钢为提升集团竞争力，以打造智能产销为布局，成立智能产销委员会（PMIC）
●年：PMIC成立技术小组，规划中钢AI发展方向；技术部门也建立AI研究团队，专责AI技术研发，开发示范应用方案
●年：选派了优秀种子人员进入台湾AI学校，培养出题端人才，同时也由国家网络中心培训领域专家，培养解题端人才
●年：在智能应用方面，开发完成并正式启用无人天车吊运钢卷，至今已完成超过30万颗钢卷自动吊运
●年：由各厂处提出一百多件智能化专案，进行全面导入，更聚焦公司级智能方案重点开发。导入过程中，与工研院、成大及中山大学AI中心合作，系统性汇集资源进行联合开发
●年：以中钢出题、工研院解题方式，与工研院合作发展智慧工安
●年：建置多个AIoT云平台，其中炼铁智慧中心纳入高炉、炼焦、烧结等工厂一站式监控数据，完成多个智能模块开发，并利用AI来监控生产过程，这是中钢第一个透过场域智慧蓝图规划的方式，来达成产线智能进化的里程碑
●年：举办AI成果竞赛，评比各厂区开发完成的AI应用，具激励与观摩作用，更藉此培养企业AI文化
●年：中钢以深度学习，机器学习及电脑视觉等技术，逐步提升钢铁制程效率并开创新制程，至今渐获成效
数据来源：中国钢铁，iThome整理，年2月