台塑導入AI拚轉型！120個專案展開中，喊出效益上看3億元|數位時代 BusinessNext

台灣石化龍頭台塑拼數位轉型，台塑董事長林健男今（14）日分享集團AI使用成效，除大專以上員工全都必須學習AI課程，集團內鎖定四大應用，總計有120個專案展開中，預計完成時將產生3億元效益。

為了強化與南台灣在地產業的互動與合作，工研院今日在台南六甲院區舉辦了南台灣產業大進擊創新論壇。在活動中，一口氣展示近30項在「數位轉型」、「在地優勢」及「培育新創」等三領域上的亮點技術。

其中，工研院長期的合作夥伴台塑企業董事長兼總經理林健男，也在論壇中發表演說，內容提到台塑近來導入人工智慧（AI）的作法與應用。

他強調，台塑自去年開始，全面推動AI相關技術的開發應用，以確保作業環境改善，並提升產品品質、生產及管理績效。在今年，也將進一步將AI的觀念普及到所有員工。

晉升工業4.0，AI不可或缺！台塑用人工智慧做到這4大應用

「AI是工業4.0中間的一環，如果沒有AI推行，工業4.0就無法發揮；我們認為AI才是王道，」林健男在演講一開始就開門見山地強調AI對於台塑而言的重要性。

首先，林建男分享了台塑從1970年開始，投入工業自動化、資訊化的歷程。他指出，台塑自2007年開始投入自動化生產管理系統、雲端與大數據的布局，一直到2016年，開始往工業4.0佈局。為了投入工業4.0所需的AI技術需求，台塑秉持著「自己的問題，自己解決」的精神，捐助3千萬元新台幣，協助成立台灣人工智慧學校。

展望未來的人工智慧發展趨勢，林健男強調，「以後每個人的工具就是AI，AI不是給特定人士所用。」因此， 現在在台塑內部，只要是大專學歷以上員工，AI課程都是基本培訓內容 。

目前，台塑希望可以透過AI技術達到4大應用情境：

1.產銷優化

為了要抬高達交率、優化產能、縮短生產週期，在接到訂單之後，台塑利用AI來推估要在哪個工廠生產、交期時間、以及整個運輸、輸送流程。同時，這樣的作法也可以協助客戶透過系統即時了解出貨資訊。

2.品質確保

在過去，使用人工抽樣檢驗，使得生產品質異常的原因追查不易。不過現在，透過AI的協助，台塑可以即時得知生產異常的原因，並且即時解決。

3.智慧保養

在過去，必須依靠老師傅經驗來判斷計畫性停機保養週期，也時常必須要等到設備異常警報、停機才能夠維修。不過在導入AI之後，透過數據化管理，可以提前得知設備可能出問題的時間，並且根據工廠適合的時間停機維修，降低維護成本、提升工廠工作安全。

4.降低成本（節能操作）

導入AI優化操作之後，可以兼顧設備安全運轉與產品品質，進而減低生產能耗。同時可以兼顧安全、品質與節能。

導入AI成效看得見！台塑未來還要加碼區塊鏈技術

也由於以上的種種優點，林健男說，「為了提高效益，我們不得不投資AI。」

不過，在導入AI到台塑工廠中之後，目前的成效如何？針對這個問題，林健男也提出數據說明。

他指出，目前台塑有120個AI導入專案正在進行，目前已經完成52案，所得到的效益估計已達到1億4千萬元新台幣；待120案皆完成之後，效益預估將超過3億。

展望未來，台塑在將AI佈局完善之後，也不會停下進化的腳步。

在把客戶、供應方、台塑三方的資訊連在一起、成立一個平台，將銷售量、預估生產時程、品質控管資訊連結再一起之後，林健男說，更重要的是下一步將會把區塊鏈技術導入。

「區塊鏈技術如果跟客戶一起導入的話，可以確保資料安全、不被更改，提升整體的安全性、保密性，」林健男說，未來希望透過區塊鏈技術，降低交易成本與風險，進而提升產業鏈效率。

責任編輯：蕭閔云

曾是台灣製造業重要根基的塑膠射出產業，如今正面臨人才斷層危機。尤其桃園聚集大量工業區與製造業者，老師傅退休、新人才接不上的現況，更是許多工廠正在面對的現實難題。

從汽車零組件、網通設備、醫療器材到半導體載具，許多產品都離不開射出成型。智穎智能創辦人暨執行長張詠翔指出，全球塑膠射出市場規模超過 3000 億美元，每年仍以約 3% 至 4% 的幅度成長。需求並未消失，只是製造基地從台灣、中國逐步往東南亞等地移動。但機器可以搬、訂單可以轉，老師傅數十年累積的經驗卻很難複製。

這道人才缺口，正是 2020 年成立的智穎智能切入市場的機會。團隊從桃園中原大學的研究能量出發，歷經近十年研究與工廠驗證，嘗試把老師傅腦中的射出經驗，轉化成可以計算、保存與持續學習的 AI 模型，解決產業第一線面對到的挑戰。

把老師傅經驗交給 AI，射出成型從「導航」走向「自駕」

「餐廳沒有廚師是不行的。有再好的設備，不會做的人還是會把它做失敗。」張詠翔如此比喻射出成型的技術門檻。當模具完成後，生產現場仍得依產品、材料與機台特性，調整溫度、速度、壓力、位置等條件；即使使用同一種塑料，不同產品的調整方式也可能完全不同。

而老師傅的珍貴之處，不只是記住參數，而是知道面對材料、機台與環境變化時如何修正。智穎智能要做的，就是把這些難以傳承的「火候」拆解成可以運算的製程邏輯。目前其 AI 解決方案已應用於超過 200 種材料、50 多種產品類型。

把老師傅的經驗轉化為製程邏輯後，第一步就是讓 AI 協助操作人員找到合適的成型條件。智穎智能為此開發智能成型導引系統，工廠只要輸入材料、機台規格、產品尺寸等資訊，sMolding 便能計算第一組成型參數；若試模後出現產品缺陷，再由 sTroubleshooting 提供修正建議。

「它就像導航。我今天告訴你要從 A 點到 B 點，但不知道路怎麼走，導航會把路徑算給你。」張詠翔說。對射出成型而言，這條「路徑」就是溫度、速度、壓力與位置等參數如何組合。以半導體載具試模為例，傳統方式需 7.5 小時，導入系統後縮短至 2 小時，材料使用量從 23 公斤降至 8.7 公斤，整體試模成本降低 64%。

但找到正確參數只是第一步，真正進入量產後，工廠面對的「路況」還會持續改變。溫溼度、材料批次與機台耗損，都可能讓原本設定好的製程條件產生偏移。智穎智能因此進一步開發 StabMolding 成型穩定模組，透過射出壓力數據持續監控品質，並依生產狀態自動補償關鍵參數。換言之，AI 不只在試模階段提供一條正確的「導航路徑」，進入量產後還能因應製程變化持續修正，進一步朝「自駕」邁進。

從產線驗證到海外布局，桃園如何助攻智穎智能跨過0到1？

但要讓 AI 真正走進工廠，智穎智能採取 SaaS 訂閱模式，將核心運算留在雲端持續學習與更新，降低中小型製造商一次投入大量資金的門檻。另一項差異則是「跨廠牌」。現實中的射出工廠往往同時擁有台灣、日本、歐洲不同品牌與年份的設備，因此智穎智能的方案既能導入既有設備，也能與射出機、控制器業者合作，在新機出廠時直接整合。「一個工廠不會只有一個廠牌，就像你家的車庫不會永遠只放同一品牌的車。」張詠翔說。

對智穎智能而言，AI 真正走進製造現場的關鍵，在於不同世代、不同品牌的設備都能導入。只是對工業 AI 而言，降低導入門檻還不夠，更關鍵的是能否取得真實產線反覆驗證。對從中原大學研究成果衍生創立的智穎智能而言，桃園不只是公司所在地，也提供了技術走向市場的第一塊試驗場。「對新創來說，第一個就是要經費、要人才、要場域，再來就是客戶與合作夥伴資源。」張詠翔說。

成立初期，團隊透過桃園市政府研發補助、新創競賽與基地進駐等資源，降低早期研發與營運負擔。更重要的是，桃園密集的製造業聚落，本身就是智穎智能最直接的潛在市場。透過市府串聯工業區與在地企業，智穎智能在創業初期接觸到位於桃園的「良器」，成為公司第一個客戶。從概念驗證、產品調整到實際導入，合作一路延續至今。對必須進入產線反覆驗證才能成熟的工業 AI 而言，第一個願意開放場域的客戶，意義遠超過第一筆營收。

如今，從桃園製造現場磨出的解決方案也開始往海外走。「日本這一次，完完全全都是桃園市政府帶著我們去做這件事情。」張詠翔表示，透過市府帶領團隊前往日本神戶，智穎智能接觸當地官方與企業資源。在市府引薦下，團隊成功對接了神戶知名加速器，更取得日方針對外資新創設立公司與拓展市場的兩階段實質補助資訊。目前團隊正籌備日本布局，為下一階段海外市場拓展做準備。

AI 解決「怎麼生產」後，下一步是「替誰生產」

當 AI 開始解決「怎麼生產」，張詠翔看到的下一個問題，是「替誰生產」。部分製造商提高生產效率後反過來問他，如果我的產能多了 20%，但沒有多 20% 的訂單，我何必要做那麼快？

這個問題催生了智穎智能下一階段的製造媒合平台構想。隨著供應鏈分散至不同國家，品牌要在海外重新尋找符合特定規範與製程能力的供應商，也愈來愈困難。團隊因此希望串聯既有使用 AI 方案的製造商，讓品牌端能依條件尋找供應商，也讓製造端的閒置產能有機會被看見。團隊預計 2027 年上半年推進平台服務，初期規劃串聯超過 200 家製造商與破千台機器。

從中原大學的研究，到桃園工廠提供第一個實際驗證場域；從把老師傅經驗變成 AI「導航」，再走向能自行修正製程的「自駕」，智穎智能試圖數位化的，是製造業最難被保存的資產：人的經驗。而當全球供應鏈持續移動、製造基地愈來愈分散，這套從桃園工廠磨出的 AI，下一步不只要替老師傅找到數位接班人，也要重新連結散落全球的製造能力。
而「Meet 桃園+」也期盼持續透過計畫的媒體報導與宣傳資源，將更多像智穎智能這樣扎根在地、走出海外的創業故事傳遞出去，讓外界看見桃園豐沛且具實戰力的創新動能。