AI加值智慧製造 鋼鐵傳產乘浪而起

芮嘉瑋／專欄 2021-01-28 02:45

2020年面對COVID-19(新冠肺炎)的襲擊，疫情籠罩之下各行各業幾乎空轉一年，投資購買設備及原料的腳步也都放緩，預期新的一年，隨著疫情穩定與經濟復甦，許多企業勢必加速添購設備和增加庫存料，鋼材需求可望隨著市場回升而轉強，且至少旺到第2季。

舉例來說，在汽車的構造上，有相當高的比例是使用鋼板，包括車門、引擎蓋、後車箱、底盤、車頂等，所以汽車業的好壞，間接影響了鋼材的需求。這2年汽車上游原材料反應了因電動車興起所展開的換車潮，從而鋼市好轉、鋼價高漲，幾乎各國都是如此。

隨著消費型態轉變，產品生命週期縮短，各行各業面臨客製化的挑戰，並在智慧工廠生產流程的訴求下，往往需要智慧機械、智慧製造設備以從事更複雜的生產工作，鋼鐵傳產業也不例外。然而，現有機器人或製造機台受限於原本功能單一又無法擴充的窘境，必須藉由人工智慧、物聯網、大數據等各種新興技術多元化功能的整合，以利製造業數位轉型升級，因應瞬息萬變的市場挑戰，凸顯「智慧製造」的概念是企業轉型升級的唯一出路。

何謂智慧製造？

經歷4次工業革命的演進，第4次工業革命被視為「工業4.0」，且因智慧製造是工業4.0的核心部件，在製造產業兩者幾乎可劃上等號，從而「工業4.0」常被稱為「智慧製造」。

在工業4.0的時代驅動下，現今製造業不斷與數種新興技術結合，從而工業4.0被定義為「製造技術中整合了網路安全(cybersecurity)、擴增實境(AR)、大數據、自主機器人(autonomous robots)、積層製造(additive manufacturing)、模擬(simulation)、系統整合(system integration)、雲端運算(cloud computing)和物聯網等技術使之具有自動化、聯網、數據交換以及智能工廠所需功能的系統平台」 。

因此，智慧製造實際上需要整合以上所述之各種關鍵領域技術的同步發展以建構出相應的產業生態體系，並在生產過程的每一個環節都能達到高度自動化、客製化與智慧化的先進製造模式，使生產環境具備自我感知、自我學習、自我決策、自我執行以及自我適應的能力，以適應快速變化的外部市場需求。

如何利用AI加持智慧製造

由於智慧製造包括連網(connection)、轉化(conversion)、虛擬(cyber)、認知(cognition)和自我配置(configure)等能力 ，其中利用機器學習、深度學習等AI技術使機器具備自我診斷並即時做出判斷的認知能力，就是AI之所以成為智慧製造核心技術之所在，它可以從大量原始數據中自動提取關鍵特徵及製造業中規律性的模式，進而學習過往曾經發生過的錯誤，以提前作預測及預警，藉此不僅可降低停機時間、提升製程效率，也可適時的根據產線作調整。

至於該如何利用AI加持智慧製造，讓我們看看國內鋼鐵龍頭中國鋼鐵股份有限公司(簡稱中鋼公司)，在其智慧生產技術中導入AI實現智慧製造的專利布局，提供製造業者掌握AI加值智慧製造，讓工廠轉型升級邁向智慧工廠。

中鋼發明一種透過人工智慧演算模組在生產製程中進行估測及控制的系統(TWI704019)，具體而言，係透過人工智慧演算模組所產生的估測鋼帶翹曲模型對鋼帶翹曲量進行估測，而該人工智慧演算模組係利用機器學習模組、深度學習模組或者使用一雲端伺服器模組評估該製程參數及該翹曲量。

該專利提供一種包含熱浸鍍鋅設備100、矯正機構130、感測模組150、人工智慧演算模組160以及最佳化演算模組165的熱浸鍍鋅鋼帶翹曲量估測系統。其中，該人工智慧演算模組160連接該感測模組150及該熱浸鍍鋅設備110，用以收集且評估該熱浸鍍鋅設備110中諸如產線速度、張力、鋼帶鋼種、鋼帶寬度、鋼帶厚度、鋼帶剛性等製程參數及翹曲量，進而可產生估測鋼帶翹曲模型，且該估測鋼帶翹曲模型包含一矯正干涉量，用以供矯正機構130矯正鋼帶。

經過大量數據的累積，該估測鋼帶翹曲模型還可以包含來自該最佳化演算模組165的製程參數最佳值，當類似或相同的製程參數(例如類似或相同鋼種)的鋼帶需要進行熱浸鍍鋅時，該估測鋼帶翹曲模型就會顯示諸如最佳張力、最佳產線速度、最佳矯正干涉量等製程參數最佳值，供操作者參考，從而獲得翹曲量最少且鍍鋅厚度一致的鍍鋅鋼帶。

再者，由於一般的鋼捲產品需要經過諸如煉鋼、熱軋和冷軋等許多生產階段，為了讓產品的機械性質符合預定的規範，過去往往依賴人為經驗調整生產階段的製程參數，然而，人為經驗難以即時反應生產線狀況，中鋼就此發明一種適用於一軋延系統之製程參數的調控方法(TWI708128)，當執行完一部分的生產階段以後，可以即時地計算下一個生產階段的製程參數，其中之製程參數的調控方法包括根據歷史資料建立一機器學習模型，後續並將測試資料輸入至機器學習模型以預測目前產品的機械性質等步驟。

在該專利之軋延系統的運作流程示意圖中，在步驟220，可根據這些歷史資料來建立一個機器學習模型221，此機器學習模型221是要根據生產參數來預測產品諸如拉伸強度、降伏強度和伸長率等的機械性質，換言之在訓練階段中生產參數是作為機器學習模型221的輸入，機械性質則作為機器學習模型221的輸出。機器學習模型221可以是卷積神經網路、支持向量機、決策樹或任意合適的模型。

在步驟230，對目前在線上的產品執行部分的生產階段。在步驟240中，將測試資料輸入至機器學習模型221以預測目前產品的機械性質，並判斷所預測的機械性質是否符合一規範。在步驟250中，依照預設生產參數進行下一個生產階段。

如果步驟240的結果為否，則執行一搜尋演算法以取得最佳的生產參數，並據此實施下一個生產階段(步驟260)。其中，執行搜尋演算法以取得調控後參數的步驟包括：設定一利益函數；將尚未完成生產階段的可調控參數與線上資料合併後輸入至機器學習模型以取得預測機械性質，並根據利益函數計算出預測機械性質的誤差值；以及取得最小誤差值所對應的可調控參數以作為調控後參數。

此外，中鋼亦發明一種設備監診方法(I398629)，係在設備故障監診分析流程的邏輯下導入類神經網路(neural network)之人工智慧，以便在決策分析時有效解決故障類型分類方面問題。

給台灣製造業的建議與展望導入AI技術、配合感測器收集各類數據以及大數據分析進行諸如產線異常診斷或品質監控，以維持機器正常運作無虞是智慧工廠有效運作的基礎。然而，智慧製造除了藉由智慧機械建構智慧生產線、透過雲端和物聯網分析資料、AI自主監測診斷調整產線產能之外，虛實整合系統(或稱網路實體系統，Cyber-physical systems)也是構成工業4.0創建智慧製造所需的功能之一，整合物理模型、感測器資料和歷史數據，在虛擬空間即時模擬呈現生產狀態，透過遠程監視或跟踪與工廠現有的資訊管理系統緊密整合，建立完整資訊生態系統才能透過AI即時彙整資訊進行決策。

未來製造業仍將是全球產業不可或缺的一環，隨著工業4.0的蓬勃發展，台灣製造業在邁向智慧製造過程中，所有智慧化的步驟都需要運用AI來執行分析、診斷、預測或決策等工作，欣見國內鋼鐵龍頭已率先落實AI加值智慧製造，然而若能整合虛擬(Cyber)，強化與工業物聯網之整合，更可提升透過AI提高組織運作效率及效能的目的。

過去製造業藉由大量生產與低價競爭已非決勝關鍵，如何協助國內產業在後疫情時代轉型升級，是當前的重要議題。持續強化在地製造業與資訊業領域的技術整合優勢，透過機器學習、類神經網路或深度學習等AI技術的導入，並與使用者/消費者連結形成完整的製造服務體系，將可望從傳統製造體系中依賴人為經驗、人力需求及規格一致的常態，轉換為自動化、客製化、智慧化和靈活彈性化的智慧製造。本文以鋼鐵龍頭之典範轉移為例，以期台灣所有製造產業均應具備智慧製造的軟硬實力，才能持續在全球製造體系中發光發熱。

附圖：鋼帶翹曲量估測及控制系統結構示意圖。芮嘉瑋
台灣專利號I708128之軋延系統的運作流程示意圖。芮嘉瑋

資料來源：https://www.digitimes.com.tw/tech/dt/n/shwnws.asp?cnlid=1&cat=140&id=0000602586_r1c6gnef7wl2247ink60m

【土木系蔡克銓教授團隊榮獲行政院傑出科技貢獻獎】

本校土木系蔡克銓教授，長期率研究生和國家地震工程研究中心(國震中心)助理研究員吳安傑先生、莊明介博士及技術師王孔君博士研發結構抗震技術，以「挫屈束制支撐技術研發與應用」獲「2017年行政院傑出科技貢獻獎」。典型挫屈束制支撐 （buckling-restrained brace, BRB）的造法是將鋼斜撐的核心段表面貼薄橡膠後以鋼套管及內灌混凝土共同圍束，當BRB受拉時可降伏，受壓力時核心由鋼管混凝土所圍束亦可避免挫屈而穩定發展出降伏強度。因此建築受震擺盪時，BRB可充份發揮鋼材的優異韌性來吸收地震能量，減輕建築受震反應。

蔡教授自2000起發展出多款斷面與接合型式的挫屈束制支撐，創新提出搭接式BRB，方便用螺栓或焊接與構架接合，並使接合長度縮短而提高核心長度與抗疲勞壽命。更研發「槽接式挫屈束制支撐」技術，採方或圓型單管構造，端接合長度短，外觀、經濟性與耐震性能均優，能更省成本嘉惠使用者。另發展槽接式BRB構件與隅板之雲端運算設計程式，可全自動設計並輸出構件及接合細部尺寸。曾進行過上百組BRB實尺寸構件與十多組構架試驗研究，累計超過30名碩博士生及研究人員投入研究，包括兩位分由德國與紐西蘭來台的博士後研究員。發表超過30篇國內外期刊文章，技術在7個國家先後取得超過34項發明或新型專利，技術移轉授權至國內15間及紐西蘭1間鋼構廠，全球共累計已超過130件新建或補強建築工程案採用，累計生產已超過16,000組；得到經濟部國家發明創作金牌及銀牌（2004, 2014）及科技部傑出技術移轉貢獻獎三次（2004, 2012, 2013）。

蔡教授於本校土木系畢業後（1977），赴美國史丹佛大學取得土木工程碩士（1980），並曾在舊金山Skidmore, Owings and Merrill公司從事建築結構設計（1980-1984），在柏克萊加州大學由已故Egor P. Popov教授指導完成博士學位（1988）。蔡教授為中華民國及美國加州註冊土木及結構工程師，於1989年起在本校土木系任教，自1995年起在國震中心兼任組長， 2003至2010年任國震中心主任。持續從事研究與推廣應用近三十年，聚焦研究鋼結構抗震接合及消能裝置、鋼構架耐震分析與設計方法、及地震工程模擬分析與實驗技術，指導臺大土木工程碩博士生已畢業共一百零捌位。

蔡教授曾因研究國內習用鋼梁與箱型柱接合之受力變形行為而獲美國James F. Lincoln Arc Welding Foundation頒International Excellence Award (1992)。北嶺地震發生(1994)後，協助美國SAC聯盟之研究需求，應邀撰鋼梁柱抗彎接合之State-of-the-Art專文。另研發出多種鋼造減震構件，三角形鋼板消能裝置曾獲行政院傑出科學與技術榮譽獎（1995），專利一直免費被工程界採用。率隊研發之泛用型非線性靜動態結構分析程式PISA3D，已廣獲用於地震工程研究、教學與工程實務。研究多利用大型結構實驗及先進之結構分析技術，以提出簡易之工程應用方法為目標；與學生在國內外共同發表超過三百篇的技術論著，獲頒19項工程論著獎，包括二次詹氏論文獎（2002, 2015）及美國土木工程師學會論文獎(ASCE Moisseiff Award 2017)。曾獲科技部傑出研究獎三次，中技社科技獎（2005），侯金堆榮譽獎（2007），臺大終身特聘教授(2009)，俄羅斯國際工程院通訊院士（2013），東元獎（2015），宗倬章先生講座（2015），國研院傑出科技貢獻獎五次。現擔任本校攝影社、管樂團、管弦樂指揮培訓社三社團指導老師及國震中心顧問，持續指導臺大研究生與國震中心研究人員及國內外學者合作研究。因長期指導美加地區研究生來台參與研究成果豐碩，將於2018年四月接受美國鋼構造協會（AISC）在年會頒特殊成就獎（Special Achievement Award）。
行政院傑出科技貢獻獎網址
https://www.most.gov.tw/folksonomy/list…

【臺大材料所跨國團隊發展極高強度低成本新穎鋼材榮登《Science》期刊】

臺大參與兩岸三地合作發展極高強度、高延性、低成本新穎鋼鐵材料，汽車、航太、及能源工業都需要高強度且高延性的金屬材料來提高能源效率並降減溫室氣體排放量。然而，金屬材料的強度和延性經常是魚與熊掌不可兼得，增加強度的同時往往導致材料延展性下降，進而影響料成形性與衝擊性能。兩岸三地年輕學者合作研究突破過往材料差排理論，大幅提高強度同時仍使材料兼具延展性。此項研究於2017年08月24日發表於《Science》期刊，篇名為《High dislocation density induced large ductility in deformed and partitioned steels》)，全文請參照連結B. B. He et al., Science, 10.1126/science.aan0177 (2017)。

「金屬材料經過塑性變形，差排密度提高，故強度提高，但延展性變差，此稱為加工硬化。」

這段敘論述幾乎可以被視為材料科學的定律，而香港大學機械工程系黃明欣博士過去便一直思索以提高「可動差排」密度來維持塑性的理論與可能性，合作團隊中北京科技大學羅海文博士認為能以中錳鋼合金系統來進行材料設計，而臺灣大學顏鴻威與程冠儒則以電子顯微鏡技術進行機構解析。該團隊認為以調配雞尾酒的方法能夠使材料的顯微結構更複雜，若能同時有效控制複雜顯微結構以及變形組織演化，則有機會提高可動差排密度來維持塑性，最後團隊以「變形繼以配分（deformation & partition, D&P）」的技術實現了此具有突破性機械性能的鋼鐵材料。此新穎合金具有2.0GPa以上之降伏強度（材料抵抗塑性變形的能力），而其均勻延伸率仍可達到16%以上。

研究團隊設計了Fe-10Mn-0.47C-2Al-0.7V (in wt. %)的中錳鋼來實現變形繼以配分（D&P）的製程， 通過適量冷軋變形，隨後進行低溫回火（400 °C）得到高差排密度的D&P鋼，此特殊鋼的介穩態沃斯田鐵鑲嵌在高差排密度的麻田散鐵中（詳見圖1）。麻田散鐵是在冷軋的過程由沃斯田鐵相變形成的，而在低溫回火時，麻田散鐵中的碳會配分給沃斯田鐵，保留了麻田散鐵的差排密度，同時避免了中高碳麻田散鐵的脆性，更值得注意的是，此類型差排雖然密度極高，卻能夠維持其滑移的自由度。另一方面，獲得碳配分的沃斯田鐵能在材料變形過程中相變態形成麻田散鐵，輔助性地共同維持了材料的高均勻延伸率(延性)。

相較於普遍使用的超高強度汽車鋼（圖2: DP 780和Q&P 980）和應用於航空及國防工業的麻時效鋼，新開發的D&P鋼不僅具有更高的屈服強度，而且擁有更好的延伸率。研究團隊中的幾位學者近期已經獨立發表許多突破強度和延性之間抵換的新型鋼種(詳見圖2)，其中包含黃明欣團隊於2015年研發的納米雙晶鋼(Nano Twin Steel)，顏鴻威團隊於2015年發表的超細晶雙相鋼(UFG-Duplex Steel)，羅海文於2016年發表的相變/雙晶誘發應變中錳鋼(TRIP/TWIP M-Mn Steel)，但是鋼鐵之強度都停滯在約1500 MPa左右，透過合作薈萃三人過去的顯微結構控制技術與經驗，使D&P鋼之機械性大幅突破過去之研究成果。

除了差排理論與機械性能上的突破，D&P鋼不僅達到了麻時效鋼的強度（圖2: Maraging Steel），並具有優異的延展性，而其原材料價格僅有麻時效鋼的20%。因此，通過顯微結構與缺陷的複雜化與可控化，研究團隊在降低經濟成本的同時得到了超高強度的鋼鐵。因此，D&P鋼具有工業生產的潛力，而「如何調配可動差排」這樣的概念亦能廣泛應用於汽車、航太、以及能源等工程材料領域當中。

此研究由香港大學主導，協同北京科技大學、臺灣大學和香港城市大學的青年科學家共同合作所完成的，為兩岸三地青年科學家成功合作的例子。顏鴻威博士師承臺灣材料顯微結構大師楊哲人教授，於2014年8月回到臺灣大學任教，並成立「顯微結構與缺陷物理研究團隊」，透過此研究指導程冠儒同學相關學理與技術，團隊成員特別感謝臺灣大學與科技部材料學門的經費補助，使其能在2015年研究室草創狀態下就展開D&P鋼之顯微結構與變形機制剖析研究，其間獲英國Oxford Instruments設備助拳，最後於2016年底順利完成這項合作研究。臺灣大學自陸志鴻校長1972年建立第一部穿透式電子顯微鏡，至楊哲人教授建立先進鋼鐵組織控制學群，迄今已經有高過40年歷史，而程冠儒同學繼承了臺大悠久的顯微結構分析傳統，並展現驚豔之研究成果，相當難得。未來臺大將持續深耕顯微結構與缺陷分析之專業教育、先進設備、以及前瞻應用研究。