绿色创新

创新技术开发须符合环保法规要求，鼓励研发对环境友善，减少能资源消耗产品。

• 开发设计阶段：致力环境毒害物质之去除，避免物质残留于产品或污染环境
• 生产阶段：减少能资源的损耗及有害物质的排放
• 产品检验：针对新开发生产之产品，配合客规进行第三方机构检验

符合法规

对外购买之制程技术，系为已开发技术，符合相关法规要求。

推行智慧物流与服务

建构即时资料库系统(PI)，积极纳入「物联网」资讯新元素，推行智慧物流与服务

培养 AI 管理人才

培养新一代的AI管理人才，创造「智造」新价值

触媒效率适化AI专案 【EOG工场】

效益：

将触媒适化调整作业，从过去依赖资深作业人员的经验法则，转变为利用AI深层学习。藉由过去实际操作资料的分析，AI能提供触媒适化操作数据，未来能有效传承这些知识并快速准确找到最佳触媒适化点，节省原料成本并提高生产效率。

制程反应优化 AI 专案【制程开发部】

效益：

新品转批次生产时，常需要多次实验和经验法则来调整配方比例。透过建立AI模型，研发人员能迅速收敛变因，找出趋势，减少实验组数，提升研发效率并节省研发成本。

新产品制程最适化AI 专案【材料开发部】

效益：

在新品开发时，变因繁多。透过AI深层学习模型收敛变因，预测制程参数趋势，不仅缩短新产品的开发时间，还能降低生产能耗与碳排放。

GAS 压缩机预防维护 AI 专案【工务部】

效益：

建立AI深层学习模型来分析压缩机的振动数据，找出异常比例，推测影响振动异常的关键因子，预测未来保养时程。当异常因子数据不稳定时，系统可即时检测并建议是否需进行维修，确保设备的稳定运行。

客户需求订单预测 AI 专案【气营部】

效益：

效益：透过AI深层学习模型，整合客户液位储槽资料、使用及出货频率，推演出客户需求预测模型，完善生产排程并优化派车数量，降低空车率，提升物流效率。

反应器参数分子量推演 AI 专案【EOD工场】

效益：

在批次生产作业中，根据理论量设定原料进料量，并在反应过程中取样化验，若有不足则追加原料。透过AI深层学习模型预测产品分子量是否符合规格，期望减少取样次数甚至不需取样，减少反应器闲置时间，提高产品品质。

生产条件优化 AI 专案【EC 工厂】

效益：

针对产品(HPEC & 半导体CO2)的生产参数建立AI深层学习模型，找出造成品质不稳定的要因。应用于制程中，能稳定操作条件，逐步减少重工和排放，稳定产品品质，提高生产效能。