组织、人才和技术5年布局,中钢如何用AI炼成智慧钢厂


发布时间:2021-05-04 10:11 作者:宝峰

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。

组织、人才和技术5年布局,中钢如何用AI炼成智慧钢厂

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。」

组织、人才和技术5年布局,中钢如何用AI炼成智慧钢厂

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。

组织、人才和技术5年布局,中钢如何用AI炼成智慧钢厂

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2016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2016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2019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2020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1,500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900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3,270万元的成本,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1,600万,还能进一步提升产品品质。

中钢也早在2018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,2019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250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230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

● 2016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)

● 2017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

● 2018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

● 2018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

● 2019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

● 2019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

● 2020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

● 2020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

● 2021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

智慧 钢铁 工业

上一篇: 上海向全球高层次人才发出最新“求贤帖”

下一篇: 鱼目混杂的主播行业,有人才也有垃圾