AI 應用

化工材料

Profet AI 協助化工企業透過模型分析、預測及模擬,達成化工配方研發加速與連續型製程改善

應用場景

配方最佳化、生產預測、市場預測

現況​

化工產業與台灣經濟息息相關,其原材料供應廣泛,從民生工業到高科技產業都有所需。根據經濟部統計局資訊,化學工業產值於 2022 年已超過 5 兆,排名台灣製造業第三;而石化、塑膠、橡膠是化工產業的重要組成,其產業鏈從原油提煉到塑膠生產、橡膠混煉、人造纖維合成等民生必需品的加工,涵蓋了上、中、下游的生產流程。

挑戰​

然而,現代化工生產面臨多種挑戰。其中包括研發配方分析困難,製程改善所需面對的品質問題排查時間延長以及操作條件對產率的影響。此外,原物料價格波動和庫存管理也是不可忽視的挑戰,給生產帶來了複雜性和成本不確定性。

化工配方研發加速

配方研發的難點在於實驗數據的分析以及最佳配方的尋找,導致企業在研發成本、效率上的挑戰。

痛點分析

  • 分析難度高:原物料種類複雜高,實驗數據有限,混合物的特性為非線性的變化、且須同時滿足多個特性要求
  • 實驗成本高昂:某些特定實驗、或是成品的檢驗需花費大量時間與金錢,影響新品開發速度
  • 倚賴人員的經驗:配方的設計倚賴資深工程師的經驗,但該經驗難以有效傳承給新進員工

成果效益

  • 運用數據模擬,節省 30-50% 研發時間
  • 優化配方組合,減少 50% 以上實驗設計組數

批次生產產率預測

多樣化的來料、操作與監控導致生產數據複雜,傳統統計難以有效洞察品質關鍵因素。

痛點分析

  • 無法進行線上檢驗:產物在反應槽內無法直接測量,往往要過好幾小時甚至幾天才能知道生產結果
  • 難以判斷產率:過去透過工程師經驗來判斷產率,即便有 DCS 搜集之數據,也難以進行分析
  • 產率不佳問題:由於無法精準調參,可能導致導致產率不佳,或產出規格不符而導致產能浪費與額外庫存

成果效益

  • 分析影響各別品質的關鍵要因,提升工廠產能 7.6%
  • 預測生產結果,進行精準調參數,提升產率 10.5%

塑化原料價格趨勢預測

塑化原料價格波動會直接影響企業的生產成本,帶來風險和不確定性。

痛點分析

  • 資料分析困難:塑化原料有上游物料及大盤價格可參考,但缺乏有效分析方法
  • 資訊不對稱:採購人員透過供應商通知才得知原料價格異動,無法即時調整採購策略
  • 採購時程受影響:原料價格波動可能導致採購時程受到影響,進而影響生產排程及產品交期

成果效益

  • 透過模型原物料價格的變動趨勢,成功降低採購成本 5.2%
  • 確保穩定採購計畫,提高產品交貨穩定度 8%