【中鋼AI現場1：1千5百度高熱密閉生產環境如何監控？】高爐AI應用大剖析

中鋼靠間接量測高爐生產數據，一步步打開黑盒子，運用AI即時監控爐況，提早預測異常生產狀況即時應變

文/翁芊儒 | 2021-03-04發表
攝影／洪政偉

高爐之於鋼廠，是不可或缺的一環。飄洋渡海的鋼鐵原料從港口上岸後，會先由煉焦工廠製成焦炭、燒結工廠製成燒結礦與鐵礦，加入其他次要原料後，就會來到鋼鐵融煉的第一站，高爐。

高爐的作用，就是透過一連串高溫熔融反應，將鋼鐵原料煉成鐵水。雖然說起來容易，實際上，高爐卻是一個複雜的煉鐵反應器。中鋼煉鐵廠高爐二課課長許雍達解釋，每一座高爐，都集合了非常多系統於一身，包括了爐體本身冷卻系統、熱風爐、原料輸送、出鐵、爐氣處理、頂壓回收發電、噴媒等環節，每個系統互相搭配，才能維持高爐穩定運作。

這個系統中，真正煉製鐵之處，就是外觀形似巨大養樂多瓶的高爐爐身。其運作原理，是從上方加入煉鐵原料，以一層焦炭、一層燒結礦與鐵礦的方式，盡量將原料均勻散布其中，再透過周邊的熱風爐，將空氣加熱，從高爐下部的鼓風嘴鼓進高爐，來加熱、還原，將鐵礦石融煉成鐵水與爐渣。

熔煉過程中，中鋼也透過鼓風嘴噴吹粉煤，來取代部分焦炭作為還原劑，可降低煉焦爐的負荷，並有利於爐熱調節；而爐內產生的高爐氣，也能在淨化後用來發電，並作為熱風爐及廠內的燃料，來達成節能、減少碳排放的效益。最後的鐵水與爐渣，則會分開取出，各自進行下一步的加工或販售。

許雍達指出，這套高爐生產的做法，早從十多年前就持續運作至今，但在過去，高爐內部高溫、密閉且不易觀測，難以得知爐況是否符合預期，「比如原料一層一層加入之後，到底分佈均不均勻？又要如何在爐溫下降之前，提早預測來因應？」

這些問題，隨著IoT與AI技術日漸成熟，中鋼開始蒐集更多生產數據，逐步翻轉過去熟悉的高爐運行操作。

落地27項高爐智慧應用，更即時掌握高爐生產動態

中鋼約從3年前開始，致力於研發高爐AI，不只開發高爐爐況監控的相關應用，也開發周邊設備的AI應用，比如原料輸送帶的預測維修、熱風爐生產效率與耗能監控、現場人員的安全監控等，截至今年初，已經完成27項高爐智慧應用的開發，依據應用的特性與適用場域，分散部署在4座高爐中。

由於高爐本身就像是一個黑盒子，為了掌握高爐的生產狀況，中鋼在高爐上裝設了多種感測器，就是要靠各種生產數據，一步步將盒子打開。

比如說，從高爐上方布料時，雖然是均勻旋轉布料，但實際布料情況還是會依據爐內氣流變化而改變，為了監控布料狀況並適時調整，中鋼在布料槽裝設了料面溫度儀與輪廓儀，來掌握布料形狀與高溫氣體的分布情形。在爐壁上，中鋼也裝測了溫度感測器，透過爐壁溫度變化頻率，來預測爐壁冷卻元件是否受侵蝕、內部是否結塊。

不只如此，為了預測爐熱變化，中鋼量測出鐵口的鐵水溫度變化，參考操作條件、鐵渣的化性分析，開發AI預測未來爐熱；也運用爐溫爐壓分布的異常數值，找出發生管道流異常的可能性。透過更即時發現異常並自動預警，就是要讓產線人員盡早發現問題，才能提前調整生產參數來因應。

而且，針對所有開發的生產數據監控與AI應用，中鋼開發了綜合爐況評分機制，能從原料分佈、氣流狀況、目前風量、鐵水產量、爐內溫度等生產狀況，為高爐當下的運行表現評分，讓產線人員可以更直覺、快速地的了解當前高爐爐況，「中鋼自己設定的目標，是要隨時大於89分以上，」許雍達說。

克服AI落地挑戰，中鋼導入一站式生產數據監控平臺

中鋼過去開發AI應用時，是由技術人員設法取得生產數據，開發出AI模型，再由IT單位開發成應用程式，個別部署到現場中控室的單機電腦中。

許雍達指出，這個做法面臨了三大挑戰。首先，當時從生產環境蒐集到的資料，位於封閉式的生產系統中，為避免透過外部線路存取資料時，可能帶來的資安風險，「研究人員不能輕易的取得生產數據資料，分析費時費力。」

再加上，每一支開發完成的應用程式，都必須部署到中控室的單機電腦中，透過視窗介面來呈現，在應用程式分散在多臺電腦的情況下，增加了電腦、網路的維護工作。不只如此，隨著蒐集到的資料量更大，AI分析也需要更大量的硬體運算需求，原有的主機資源逐漸不敷使用。

這三大挑戰，讓中鋼在2019年底，率先在二號高爐場域，規劃建置AIoT智慧分析平臺，更找來研究部門、子公司中冠資訊共同研發，利用二號高爐在去年大修的期間，同步導入該場域。

這套AIoT平臺最主要的目的，是要將分散部署在不同電腦的AI應用，整合到同一個Ｗeb平臺中，讓員工只要以瀏覽器開啟入口網站，登入帳密，就能一站式管理高爐所有的生產資訊。

建置過程中，中鋼不只以Web介面重新設計AI應用儀表板，也將過去難以取得的生產數據整合到一個資料平臺，供技術人員更方便的分析取用資料，更建置了專屬AI應用的硬體資源，取代分散部署到電腦主機的方法。

許雍達指出，AIoT平臺上線後，中控人員不只能即時查看重要的生產資訊，當高爐發生任何異常狀況，平臺也會自動觸發告警，並顯示操作指引，讓員工可以依照指示排除異常，將異常狀況可能帶來的傷害降到最低。

比如說，當AI偵測到四號高爐的爐身發生結塊，就能利用過去一段時間的溫度變化，去推測結塊情形的演變，系統也會提供操作指引，來建議員工應使用哪一種應對模式，才不會導致結塊問題更嚴重。

處置完成後，員工也可以直接在介面中回報，將此次事故處理過程提交出去，作為歷史維運紀錄，而且，過去類似事故的處理方法與結果，也會同步附件於操作指引的介面中，提供緊急處理時參閱。

除了上線網頁版的AIoT監控平臺，中鋼也接續打造了行動裝置版本，只要安裝到手機上，具登入權限的中控人員，就能隨時隨地掌握生產即時動態，了解異常狀態資訊。

今年初，二號高爐完成大修，這套AIoT平臺已經導入二號高爐場域中。中鋼也正在規劃，要將AIoT平臺導入其他座高爐中。許雍達表示，更長久的計畫，則是要開發煉焦、燒結兩大原料加工廠的智能模組，並且整合到AIoT平臺來監控運用，「這樣一來，我們在高爐的現場就能看到原料加工廠的生產數據，如果有異況，高爐也能同步調整、配合。」

高爐AI應用大剖析

「高爐出了問題，就得降風停產，如果能見微知著，在發生狀況前預先防範，就能降低損失產量的風險。」中鋼技術部門代理副總經理鄭際昭，一句話點出高爐AI的重要性。

用AI煉鐵，導入27項高爐場域智慧應用，被中鋼視為第一個進化里程。27項應用中，中鋼不只開發高爐爐況分析監控，也開發周邊設備的AI應用，比如原料輸送帶的預測維修、熱風爐生產效率與耗能監控、現場人員的安全監控等。

其中，高爐本身的爐況監測，更是AI開發的重點任務，因為高爐就像是一個黑盒子，為了掌控高爐的生產狀況，中鋼得在高爐上裝設多種感測器，以AI監控生產數據，才能提前發現問題，並及早因應。

因此，在眾多應用中，中鋼特別介紹7項與高爐爐況分析相關的智慧應用，揭密1,500度高熱密閉的生產環境，如何靠AI監控。

1 爐內布料情形監控

技術關鍵 靠掃描感測儀器與熱像儀，偵測原料、粉塵、高溫氣體分佈狀況，並將資料視覺化

效用 監控氣流是否穩定、布料形狀是否符合預期

將原料從爐頂添加到高爐時，過去無法得知實際布料狀況，但現在，中鋼在爐頂布建掃描感測儀器，就能即時偵測原料在高爐內的分佈，同時透過爐內的熱像儀，掃描粉塵、高溫氣體的分佈，就能比對得知目前氣流是否穩定，布料形狀是否符合預期。中鋼也將量測到的數據，以視覺化的方式來呈現。

2 管道流預警AI

技術關鍵 透過AI判斷爐內壓力與溫度分布是否超過異常值，來預測管道流異常

效用 提早預測管道流異常發生可能性，調整生產參數來因應

一般來說，高爐運作的理想情況，是從下面鼓風，爐氣均勻往上傳遞，將原料還原熔融。但是，若爐氣無法穩定通過爐料，而是累積在某個區塊，就可能因為壓力蓄積過大往上竄出，造成爐頂洩壓閥排放，或造成設備損傷。「氣集中在一個地方，壓力大到一個程度就會往上衝，就好像人打嗝，不能等到衝上來，要想辦法及時拯救。」鄭際昭形容。

為了提早發現管道流的情形，中鋼在高爐爐殼上設置壓力量測與溫度量測點，分別將溫度與壓力的分佈視覺化呈現，若結合兩者數值，發現壓力差超過異常值，或是局部溫度過高，AI判斷為管道流異常可能發生，「系統會發出預警，引導操作人員先降低風壓、風量，」中鋼煉鐵廠高爐二課課長許雍達表示，越早預測出管道流異常，就能越早調整生產參數，來避免管道流發生。

3 爐壁厚度監測AI

技術關鍵 透過爐壁探鑽深度與周圍壁面溫度變化的關聯性，訓練AI靠爐壁溫度變化，判斷爐壁厚薄

效用 預測爐壁冷卻元件受損情形，安排檢修時程

高爐爐壁冷卻元件（冷卻壁）若被蝕破，就可能造成嚴重的生產危機。然而，單從高爐外觀，無法得知爐壁冷卻元件被侵蝕的程度，中鋼以往只能定期量測來推斷爐壁狀況，定期檢修，來降低意外風險。

要監測爐壁厚薄，中鋼在爐壁裝設測溫感測器，找出溫度與爐壁厚薄的關聯性。鄭際昭解釋，一般來說，爐壁變薄後，測得的爐壁溫度會升高，雖然鐵水在壁面結塊或脫落，也會造成可能造成溫度改變，但相較於正常爐壁狀況，溫度變化頻率會較為劇烈。

因此，中鋼以探鑽點位附近的歷史溫度變化，結合實際探鑽的厚度訓練AI模型，再套用到高爐其他測溫點位上，來推測爐壁不同位置的侵蝕狀況。

4 爐壁結塊預測AI

技術關鍵 透過爐壁溫度變化頻率預測結塊情形

效用 監測到爐壁溫度變化異常，提早因應避免結塊情形惡化

高爐溫度一旦降低，就可能造成鐵水冷卻結塊、附著在爐壁上，若爐壁的結塊大量滑落，導致爐氣異常溢出，就可能發生操作上的危險，「許多高爐曾經因為高爐內部結塊過大，掉落時打到鼓風嘴，導致鼓風元件受損漏氣。」許雍達說。

為了維持爐況穩定與操作安全，中鋼開發了爐壁結塊預測AI，當發現溫度變化波動越來越小，就能推測爐壁內部結塊，並提前調整高爐的生產條件，避免結塊情形更嚴重。

許雍達表示，這套AI應用目前部署在三、四號高爐，因為這兩座高爐的爐內冷卻元件形式與一、二號高爐不同，更容易發生產生爐壁結塊問題，較有應用AI的急迫性。

5 爐熱溫度預測AI

技術關鍵 量測出鐵口的鐵水溫度變化，參考操作條件、鐵渣的化性分析，學習預測未來爐熱

效用 預測未來2～4小時內的爐熱變化，提前調整生產參數來因應

對於正在生產鐵水的高爐來說，必須維持一定的爐熱，高爐才能穩地熔煉鐵水，若溫度異常大幅下降，就可能造成爐冷危機，需花費許多時間調整加熱，一旦惡化至鐵水凝固無法排出，復原工作會很困難。

「發生一次就是上億的損失，所以我們要盡可能避免走到這一步。」鄭際昭點出爐熱預測的重要性。

中鋼在建立爐熱溫度預測AI時，就是透過量測出鐵口的鐵水溫度變化，參考操作條件、鐵渣的化性分析，學習預知未來2～4小時的爐熱趨勢，藉此訓練出爐熱預測的AI，若預測到未來爐熱可能下降，就能即時調整生產參數，微調風溫、噴煤量，來維持爐熱的穩定。

6 鼓風嘴噴煤預警AI

技術關鍵 透過大量鼓風嘴噴煤影像訓練AI判斷異常

效用 自動化找出噴煤槍過短、噴煤口堵塞等異常影像，減少人力監控負擔

中鋼透過在鼓風嘴噴吹粉煤，來減少原料焦炭的使用，同時，也能透過粉煤噴吹量來調節爐熱。不過，粉煤噴吹的狀況，過去需要人工監控，透過攝影機將風口影像傳輸到中控室，來監測是否發生噴嘴阻塞、或是噴煤槍設備耗損的情形，而且，需監控的影像還不只一個，光是二號高爐就有30個風口影像需要監控。

為了減少人力的負擔，中鋼正在運用歷史監測影像，訓練影像辨識AI，來自動監診噴煤槍設備，找出噴煤槍過短、噴煤口堵塞等異狀。

7 高爐原料粒徑分析AI

技術關鍵 透過原料粒徑影像資料，訓練AI進行粒徑分析

效用 即時辨識原料粒徑大小與分布，調整入料情形來降低燃料率

將原料送入高爐時，若原料的粒徑大小符合預期、分布較平均，有助於爐況穩定、降低燃料率。中鋼甚至推算，高爐燃燒料率每減少1%，每年可以減少上億的燃料經費，因此，中鋼用AI來即時辨識原料的粒徑大小，即時計算進入到高爐原料粒徑分布，以及是否混雜到其他原料等情況，再根據分析結果來調整原料分布，有助於穩定爐況、降低燃料率。

附圖：光是二號高爐，中鋼就投資約5,700萬元來建置智慧應用，投資的金額雖大，但帶來的效益更可觀，預估每年可以降低成本3,270萬元，減少排放溫室氣體2,217噸。（攝影／洪政偉）

資料來源：https://www.ithome.com.tw/news/142938

三層電路貼在皮膚上，延展度 800%！這款「電子刺青」還能控制機器手

作者 雷鋒網 | 發布日期 2021 年 02 月 12 日 0:00 |

聽過「電子紋身」（Electronic Tattoo）嗎？早在 2013 年，Motorola 高級副總裁 Regina Dugan 就曾拿出看似普通紋身貼紙的產品。Regina Dugan 表示這款電子紋身是行動式智慧設備，可惜並未多展示充滿未來感的那面。

2016 年 YouTube 一支影片，幾位生物駭客展示將電子設備植入皮下的過程──設備差不多硬幣大小，由一個印刷電路板、5 個表面貼裝發光二極管（SMD LED）組成，由矽膠包裹，一塊 3 伏特電池供電。

設備植入並受磁鐵觸發後，LED 燈會發光，皮膚會出現一朵梅花。

如果你覺得電子紋身只是廠商炒概念、科學怪人開腦洞，那就錯了。

2018 年，美國卡內基美隆大學的科學家就將電子紋身寫進論文，用液態金屬合金塗覆銀奈米顆粒，兩者融合後形成電路，經過印刷，紋身就可輕鬆轉移到皮膚，且導電性也很高。

當時參與研究的卡內基美隆大學助理教授 Carmel Majidi 表示：這是電子印刷領域的突破。

就在最近，中國科學家也聯合打造出電子紋身。

2021 年 1 月 13 日，論文發表於《科學》雜誌子刊《科學─進展》，題為「Multilayered electronic transfer tattoo that can enable the crease amplification effect」（可實現摺痕放大效果的多層電子傳遞紋身）。

論文作者來自南方科技大學（深圳灣實驗室生物醫學工程研究所）、首都醫科大學生物醫學工程學院及中國科學院大學國家奈米科學技術中心。

什麼是「電子紋身」？

看過前文，大概能對電子紋身下個定義：「能直接貼在皮膚上的超薄電路」。電子紋身可隨著皮膚狀態任意拉伸彎曲，可說是穿戴式設備的最高境界了。運作原理是 NFC（Near Field Communication，近距離無線通訊），能讓設備靠近時交換數據的技術。

NFC 是在 RFID（無線射頻身分辨識）技術的基礎上結合無線連接技術研發而成，日常場景也為各類電子產品提供安全快捷的通訊支援。行動支付、文件傳輸、門禁、手機與車鑰匙集合的背後，都離不開 NFC──轉到電子紋身，NFC 可確保訊號傳遞。

其實電子紋身有很多用途，如耳機、無線收發器、電源、噪音檢測器、測謊儀等等。作者也提到：「電子紋身在皮膚健康和運動感測有很大潛力。」

然而電子紋身目前問題是：固形性、黏性和多層性等特性不能並存，是研究人員設計新型電子紋身的起因。

多層電子傳遞紋身

研究人員設計出「多層電子傳遞紋身」，即 multilayered electronic transfer tattoo（下稱 METT）。

為了組成多層電路模板，科學家用到兩種材料，一是金屬聚合物導體（metal-polymer conductors），二是彈性體嵌段共聚物（elastomeric block copolymer）。

METT 共有 3 層：

黏合層（adhesive layer）：很薄（~8μm）的壓敏膠，受外部壓力時，黏合層使 METT 與皮膚緊密附著。

釋放層（release layer）：矽酮膜，主要目的是便於電路模板從釋放膜剝離。

兩者間的電路模組：含 3 層電路，每層都嵌有可拉伸導體的聚苯乙烯─丁二烯─苯乙烯（SBS）薄膜（~14μm）。

第一、二層電路上有應變感測器，數量分別為 11 和 4，第三層電路上有一個加熱器。

由於金屬─聚合物導體（metal-polymer conductor）有良好延展、可重複性，因此可用作應變感測器。

如下圖 A、B 所示，基於金屬─聚合物導體的應變感測器電阻，隨著拉伸應變增加而增加，METT 甚至可容易拉伸到 800%，遠遠超過皮膚最大變形度。

METT 可用於溫度調節、運動監測和機器人遠端控制，具高延展性（800%）、固形性和黏性，可做到摺痕放大效果，因而能將聚集應變感測器的輸出訊號放大 3 倍。事實證明，無需任何溶劑或加熱，METT 就能在不同表面牢牢附著。

遠端控制機器手臂

不僅如此，為了展示新型電子紋身的可擴展性，科學家更製造出 7 層 METT，當成可拉伸加熱器。

上圖 A 是 7 層加熱器俯視圖，每個電路層都包含一個基於金屬─聚合物導體的加熱器，兩端有 2 個連接點，用於與其他層加熱器形成垂直電連接。因此，7 個加熱器就以串聯方式連接電源。

上圖 B 展示不同層基於金屬─聚合物導體的加熱器，透過連接點形成的電連接。

論文介紹，除連接點外，金屬─聚合物導體透過 SBS 形成良好電絕緣，熱成像時未發現短路。研究結論之一是，隨著層數增加，紋身的順應性隨厚度增加而降低，兩層電子紋身足以滿足大多數功能。

科學家將 METT 實際應用──透過手指彎曲發出的訊號放大，透過藍牙傳輸到機器手臂，因此 METT 能遠端控制機器手臂，模仿人手動作時也不會出現異常震動。

論文表示，團隊已透過 2 層 METT 做到以 6 個自由度遠端控制機器手，透過 3 層 METT 以 15 個自由度遠端控制機器手。

可肯定的是，未來電子紋身在醫療、VR 和可穿戴式機器人方面有巨大潛力。

附圖：▲ 蘋果手機上的 NFC 功能。
▲ 科學家測試 METT 應變感測器的機電性能。

資料來源：https://technews.tw/2021/02/12/multilayered-electronic-transfer-tattoo/

10 美元訓練機器人！麻省理工學院發布低成本感測器手套，物體識別率可達 76%

Posted on 2019/05/31
鉅亨網

【為什麼我們要挑選這篇文章】在機器人的發展上，「抓握」是個關鍵的課題。不同於一般的機械手臂，只要設定一定的抓握力道和模式就好，如果要讓機器人有更廣泛、靈活的應用，就必須讓它掌握人類的抓握方式。

麻省理工學院近期發布感測器手套，能讓機器人學習物品抓握，而且精準度高達 76%。更重要的是，它的成本只要 10 美元，讓企業可以用台幣 300 元的感測手套，發展尖端的物聯網、機器人科技。（責任編輯：郭家宏）

科學期刊《Nature》近期發表一份研究，由麻省理工學院與人工智慧實驗室共同發布的感測器手套，能讓機器人識別並掌握物品，進行如同人類手掌般的觸覺反饋。

研究人員透過感測器手套與多種物品進行互動，並將數據紀錄下來，提供給深度學習網路做為學習素材。實驗發現，感測器系統對於物品的識別精準率達到 76%，同時可以估算 60 公克內的多數物品。
感測器系統精準率達 76%，助於機械工具與人機互動發展

感測器手套的基本原理，在於透過對手套施加壓力所產生的電阻變化，進而產生數據。研究人員表示，此研究有助於未來推動機械工具發展，甚至達到進一步的人機互動。

相較於人類能以適當的力度掌握物品，機器人向來較難獲得精準的觸覺反饋。儘管如此，近年來在數據及計算領域發展的幫助下，更精準的觸覺反饋已不是問題，使用柔性材料製作的感測器手套，其貼合人手的設計，已能夠獲得高清晰度的觸覺數據。

成本僅 10 美元，具有商業化優勢

在研究成本部分，先前發布類似的感測器手套造價高達數千美元，且只依靠 50 個感測器蒐集數據，相較之下，此版本的手套成本僅 10 美元（約新台幣 315 元），同時佈滿 548 個傳感器與 64 個導電電極，較低的成本意味著該產品未來在擴展與商業化上有更多的優勢。

談到應用前景，研究者李昀燭表示，感測器手套能夠記錄人類進行複雜任務時的觸覺反饋，透過機器學習幫助機器人完成類似的任務，甚至能將感測器面積擴大，幫助機器人與人類進行更精細的互動，也有助於設計更貼合人類需求的產品，具有潛在發展空間。

資料來源：https://buzzorange.com/techorange/2019/…/31/sensor-on-glove/