(二)製造加工

化材業者正在採用自動化技術，以實現製造與加工操作的高精確性、高效性。然而，化學品與材料產業的製造加工流程相當複雜，同時也需要大量的資源，包含時間、人力、原物料及能源等，因此，迫切需要創新的應對策略。下列為GenAI在化學品與材料產業製造加工中的應用說明。

(1)原料製備與製程設計開發

發展概況：透過GenAI工具，協助工作人員快速分析大量資料集，找到符合生產目標與法規標準的最佳原料，設計最佳化的化學反應與製程條件，將原材料製作成所需產品。

應用案例：德國Bioweg UG公司與美國Ginkgo Bioworks公司合作開發合成生物基聚合物替代材料，協助工作人員針對細菌纖維素(Bacterial Cellulose)進行研發，以生產更具優越性能特性的新產品，作為終端市場的原料。

(2)工廠設計規劃與製程設計最佳化

發展概況：運用GenAI工具，協助工作人員進行資料分析與製程模擬，找出生產設備的最佳配置，實現產品的目標效能，提供業者更具競爭力的生產流程。

應用案例：美國Pegasystems公司推出流程挖掘產品「Pega Process Mining」，工作人員可以使用此功能來進行工廠設計和佈局的分析，以控制各種參數，達到最佳生產目標。另外，德國西門子公司與美國微軟公司(Microsoft)合作，幫助軟體開發人員與自動化工程師加速可程式化邏輯控制器(Programmable Logic Controllers, PLC)產生程式碼，不僅製作流程節省時間，同時也降低錯誤機率。

(3)流程自動化與控制

發展概況：運用GenAI工具，協助工作人員即時監控製程變數、辨識偏移，精確地控制複雜的製造流程，提供製程參數調整的建議，提升材料的製造效率與品質。

應用案例：日本三井化工(Mitsui Chemicals Inc.)與日本IBM公司合作，使用AI平台「IBM Watson Discovery」，協助工作人員透過最佳化GPT指令提示，辨識與提取有助於新應用開發之潛在資料。

(4)產品品質控制

發展概況：透過GenAI處理大量數據的分析功能，辨識工作人員可能錯過的模式和相關性，及早發現品質異常，確保製造過的產品品質符合規範。

應用案例：美國陶氏化學公司(Dow Chemical)以AI物聯網技術開發出用於檢測生產環境中潛在的安全事件，以實現零安全相關事件之目標。工作人員在電腦視覺場景中使用Azure影片分析器，進行員工個人防護設備(Personal Protective Equipment, PPE)的監測、大門入口的監視等功能，以提升生產過程的安全性。

(5)產品性能測試與驗證

發展概況：透過GenAI工具，協助工作人員對產品進行測試與驗證，辨識傳統方法難以檢測到的趨勢、異常，確保測試目的、方法、條件、步驟等細節，符合產品指定的性能標準與要求。

應用案例：美國Sight Machine公司推出AI工具「Factory CoPilot」，其結合製造資料平台與Microsoft Azure OpenAI服務，能夠傳輸來自各機器、生產線和工廠的數據，對生產系統的運作狀態、性能及品質進行連續性的分析/評估，協助工作人員辨識意外停機、機器性能錯誤、品質異常等問題發生的原因，以改進製作過程。

(6)永續發展和效率提升

發展概況：透過GenAI工具，協助工作人員進行產品對環境影響的數據分析與模擬，同時在最佳化生產流程的條件下，為永續環境做出貢獻。

應用案例：美國陶氏化學公司(Dow Chemical)與造紙商合作，協助工作人員使用美國化學學會之化學摘要檢索服務(Chemical Abstracts Service, CAS)工具「SciFinder-n」，在超過2億種化合物資料庫中搜尋化學分子，以更快、更深入的方法來辨識潛在化學分子，同時實現更安全的製程條件，提高紙漿產量。

[本文同步刊登於科技發展觀測平台]