摄影/余至浩
国内生育率低落，产业面临少子化缺工问题如何解决？老牌钢铁业者在新兴AI浪潮下如何推动数位转型，中钢近期分享如何运用AI加速数位转型，并提出4大对策，包括研发人机协作技术，运用数位双生及生成式AI等技术，来克服缺工、经验难以传承的挑战。
中钢绿能与系统整合研发处研究员许朝咏表示，中钢约从2014年开始导入AI，主要应用在产线、销售端，然而尽管中钢投入大量资源研发AI应用，并且实际落地使用，但却发现这些AI技术很难为企业带来明显效益，因为企业发展AI多是以单一技术或单一产线为目标，以中钢研发无人天车为例，目标是让无人天车技术得以实现，但并不容易可以量化，难以呈现为公司带来的效益。
因此，2023年他们转换方向，推动数位转型不仅要让AI技术能够落地，而且不论是报表或是整体的营运绩效上，最终要带来实际效益。中钢成立的数位转型推动小组，前身为智能产销委员会，目的是在生产及销售两个部门推动AI技术，研发部门则提供生产及销售部门必要的技术支援。
去年成立的中钢数位转型推动小组，他们将资讯及行政部门纳入，其中资讯部门负责资讯流的串接整合，行政部门则负责数位转型的教育训练及管理，AI核心技术训练、数位赋能等等。
中钢委托资策会以全球7大钢厂为对象，归纳钢铁业者数位转型的4大目标方向，提升生产效率、低碳化制造、智慧化营运、投资新产品，这些目标与中钢推动数位转型的目标不谋而合。
如同其他产业在营运上所面临的困境，钢铁业也受到少子化劳力短缺冲击，并且面临台积电等科技业者竞争人才，「对于中钢而言，过去在南部招募人力并不是问题，现在招募人才除了要和同业竞争，还要和科技业竞争，过去听到的是台积电要来了，现在最常听到的是同仁要去台积电了」，许朝咏说。
劳力短缺不只影响生产力，对员工高龄化的中钢而言，人才招募不易，新血来不及补充，年轻的员工愈来愈少，衍生出经验传承难题，老员工的经验难以交给新员工。
4大对策克服缺工难题
「中钢导入数位技术的整体目标就是，达到2大目标，提升工作效率、加速经验传承」，许朝咏说。中钢提出4大对策，包括提升人机协作程度、提升AI导入效率、建立高效训练模式、提升经验扩散速度。
中钢导入不同的数位技术来实现2大目标，例如提升人机协作程度，结合AI电脑视觉、远端控制、低延迟通讯技术，让人员可以在安全的环境下操控设备；基础建设方面，导入混合云架构，让AI应用能在云地协作式开发、维运，加速推动AI普及；导入数位双生技术，以数位模拟真实的生产环境，以了解虚拟环境的变数对真实世界产生影响；运用生成式AI开发行政、操作、维护各方面的数位助理。
开发天车人机协作技术、远端协作技术
在钢铁的生产环境中，不论原料或半成品，重量多达数吨，一般机械手臂难以搬运，因此中钢多仰赖天车吊运物料，约有一千多部不同的天车，用于搬运不同的物料及设备，每天天车吊运作业成为钢铁产线的重要工作。
为了提高人机协作方面，过去仰赖人工上下天车，在驾驶舱操控天车吊运物料，天车位于厂房的高架上，驾驶操控的天车手因吃饭、上厕所，经常需要上下天车，现场作业环境也有工安疑虑，为了推动自动化，几年前中钢研发AI无人天车，不需人工驾驶，让天车透过电脑视觉及雷射测距，判定需要吊运的钢卷位置，自动化吊运钢卷作业。
但是，由于AI难以完成细致化的吊运作业，因此天车虽为三轴同动，中钢仅在限制环境下让AI操作天车，例如AI无人天车只能两轴同动，无法执行三轴同动作更细致化的操作，即使无人天车能够24小时作业，难以完全取代人力。
因此在无人天车之后，中钢也开发天车的人机协作技术，他们在天车作业环境部署5G及Wi-Fi，并建立 5G及Wi-Fi网路备援，满足天车远端控制的低时延通讯需求，搭配大频宽传输天车作业的即时影像，开发智能辅助夹取技术，包括改造天车防撞系统、人员安全辨识系统、天车半自动驾驶技术。
以小钢胚的天车吊运作业为例，传统上，天车手和地面人员协作，天车手操作电磁吸盘吊运多个钢胚，从A储位吊运到B储位，每次吊运的钢胚数量由地面人员计算后，输入到仓储管理系统（WMS）。
为克服缺工问题，中钢在天车吊臂上架设摄影机，利用AI电脑视觉辨识天车所吊运的小钢胚数量，然而，他们很快发现储位大量的钢胚，导致AI辨识吊运钢胚数量容量误判，因此他们在摄影机旁边再加装雷射线，每次天车吊起多个钢胚，将雷射线打在被吊起的钢胚上，由AI侦测雷射线区分被吊起的钢胚和储位的其他钢胚，自动计算吊起的小钢胚数量，利用这个方式，在天车多次吊运测试下，AI计算钢胚数量的正确率提高到99%。
许朝咏表示，AI落地经常发生的问题大多和环境有关，他认为AI专案应用有3个层次，第一个层次是单纯使用AI技术，因为条件不可控，使得AI技术难以符合现场环境；第二个层次是限定环境使用AI，以天车吊运钢胚为例，使用雷射线即是限定环境使用AI技术，但是容易因为环境变异造成AI辨识失准；第三个是精确设计环境后使用AI技术，控制雷射线只打在吊起的钢胚上，在设计的环境中就能很好地使用AI技术。
另外，中钢也开发天车远端协作技术，在第二热轧钢带工厂，利用5G专网涵盖钢卷储区，透过5G网路及Wi-Fi网路备援，建立低延迟网路来传送控制命令，同时改造天车系统，将控制讯号拉到控制室，使其可以远端控制，天车手不需登上高处的天车，只要在地面上安全的操作台，透过多个萤幕呈现不同视角的天车操作即时影像，从远端操控天车吊运钢卷。
天车手在地面的控制台远端操控天车，中钢也盘点天车吊运钢卷作业程序，评估哪些程序适合由人工操作，例如吊取钢卷、放置钢卷比较适合人工远端操控，其他程序如电子围篱、防撞系统、钢卷号码辨识、点到点移动控制则可由AI代劳，如此一来，每个天车的人工操作负担大幅降低。
如图所示，天车手只需在地面控制台，透过多个萤幕来远端操控天车吊运钢材：
许朝咏表示，原本的人工操控天车程序，在导入人机协作后，人工操控只剩下夹取、放置钢卷，其他则由AI自动化控制，天车手的工作负担降到原本的20%，天车手剩余时间可以切换操控其他天车，未来一个人可以远端操控多台天车，提高工作效率。
运用数位双生技术模拟天车操控、高炉内布料情形
为了训练新手操控天车，中钢打造模拟训练系统，利用数位双生技术打造钢卷仓库的数位分身，天车新手可以先在钢卷仓库的模拟环境中，练习操控天车吊运钢卷，这套训练系统支援驾驶舱操控及远端遥控操作，让天车手考照的同时，先熟悉未来的工作环境。
在钢铁的生产过程中，高炉用于高温熔炼原料产生铁水，但是高炉内上千度高温，高炉内操控在钢铁业的产线过程中如同盲盒，高炉内布料的情形不易被了解，中钢运用数位双生技术打造高炉的数位分身，
许朝咏指出，中钢透过Nvidia Omniverse建立高炉布料的模拟，模拟高炉炉顶布料到料面的情况，了解和真实高炉的布料情况是否一致，从模拟系统的布料变动，预测判断真实高炉布料的结果。
以生成式AI打造数位助理，加速经验传承、职能训练
为了加速新旧员工的经验传承，以及新手员工的训练，中钢也运用生成式AI，以多年累积的既有知识库结合ChatGPT，开发个人的数位助理。以生成式AI数位赋能员工，将他们不具备的技能、知识，让他们具备或是能够从系统中提取。
许朝咏认为让员工大量使用生成式AI，最终他们会从工作场域中找出合适的生成式AI应用，并且提出他们的需求。
目前中钢内部已有生成式AI应用，例如将设备、线路资料格式化后存于资料库，传统上，不会SQL语法的员工需要仰赖熟悉SQL语法的其他人协助，从资料库中取得需要的资料，现在利用生成式AI，不会SQL语法的员工得以自然语言提出问题，由AI生成SQL语法从资料库中取得资料，再以自然语言回答。
中钢运用生成式AI开发工程小管家，工程人员遇到问题，可以自然语言像系统提问，由小管家搜寻资料后回复：
另一个生成式AI的应用实例是在维修指引方面，资深员工多年从事维修工作所留下的文件，中钢根据这些文件开发维护指引系统，结合生成式AI，维护人员遇到不熟悉的维护难题，可以自然语言向指引系统提问，由指引系统找寻资料答复，让新手员工学习如何维护设备。
许朝咏指出，数位转型过程中最重要的是，如何导入数位技术协助员工完成工作，中钢在推动数位转型中导入各种数位技术，例如导入AI来开发远端操作人机协作，利用人工和AI各自的优点打造人机共同作业，以提升工作效率，其次是导入数位双生技术，在建立数位分身的过程，借此机会盘点内部的资讯流是否足以呈现实境情况，以及虚境模型能不能解释实境的现象，「能够做到这两件事，数位双生才能带来效益」。另外，中钢导入混合云，结合低程式码工具，让员工可以快速建立AI应用，最后运用生成式AI建立专家询问系统，活用过去员工的经验资料，让新进员工汲取知识，获得经验传承，达到训练效果。