傳統品管流程透過事後化驗分析產品品質，由於取樣分析非連續式，且化驗需要作業時間，無法即時監控品質，若有異常發生仍會持續產生降級料。亞東石化（台灣）二廠建立品質預測模型，模型可較以往提早2-3小時取得品質預測值，即早調整製程參數。以每小時生產200公噸產品估算，提早3小時發現異常可避免約600公噸的不合格品，折合約新台幣1,500萬元的異常降級損失。減少降級損失可有效提高原物料使用效率，避免資源浪費。目前模型準確度約95%。

1. 建立品質預測模型：運用歷史資料進行四種AI演算法訓練建模，包括深度學習類神經網路、支援向量機、隨機森林及捲積神經網路等
2. AI模型驗證：以實際數據驗證，選出最佳品質預測演算法模型