《AI創新百強》從「壞了才修」到提前預警，中鋼打開製程黑盒、年創8400萬效益

中鋼是台灣最大的一貫作業鋼鐵廠，2025年合併營收逾3172億元，製程涵蓋煉焦、燒結、煉鐵、煉鋼至軋延，鋼品橫跨鋼板、線材與冷熱軋等6大類。

身處這條長達數公里的製程鏈起點，「燒結工場」，這個負責將粉末狀鐵礦砂，點火加工成如「營養棒」般紮實、且充滿孔隙的塊狀物，好讓高爐能順暢「消化」煉鐵的第一道大門，其穩定度決定了後段高爐、煉鋼與整體能耗表現，成為中鋼生產部門助理副總經理黃崑濱近年最關注的戰場。

走進燒結工場，黃崑濱最先看到的，不是設備，而是時間。

降低人為不確定性，將老師傅智慧數據化

鐵礦砂、助熔劑等原料來自全球，各批次化性差異大，卻必須在短時間內完成配比與燒結。過去燒結礦化學成分分析，要先取樣送實驗室化驗，再回傳結果調整配方，從採樣到結果產出，要花5小時，導致決策時間長，調整成份有時效落差。

配比一旦失準，品質波動隨即放大。如果把燒結比喻成烘焙，當配方不對，烤出來的餅乾就會碎成粉末。在中鋼，這些碎裂的「細礦」因無法進入高爐，必須送回起點重新燒結。在導入 AI 前，「重複燒結」比例一度高達 36%至37%。 這種潛藏在製程深處的隱形浪費，正是中鋼必須攻克的效率堡壘。

黃崑濱直言，這並非操作失誤，而是原料特性的限制，「面對天然原料，不能只靠運氣。」

更大的不確定性，則來自人。燒結機的燒透點溫度需維持在攝氏320至340度之間，過去只能靠操作員觀察溫升曲線、調整機速。老師傅之間的經驗落差，直接反映在品質標準差上。再加上硫氧化物與氮氧化物等排放只能事後監測，設備必須保守運轉，成本與法遵之間難以兼顧。

中鋼推動AI的第一步，不是找技術，而是重新整理問題。2016年規劃成立「智能產銷委員會（PMIC）」，2018年開始AI專案開發，要求所有AI專案必須從生產KPI出發，由現場先把問題說清楚，再交由技術團隊解題。

從製程現場找痛點，拆解AI 4大課題

燒結製程因此被拆解為4個可量化課題。第一，是原料即時掌握。中鋼在配料區導入中子射線自動監測儀，這具儀器就像是安裝在輸送帶上的「透視眼」。過去，鐵礦砂的化性分析需採樣後送入化驗室，一來一回就是5小時的時間差；現在，當每小時數千噸的礦砂在輸送帶上奔流時，監測儀能利用穿透力極強的中子射線，即時掃描出礦砂內部的微量元素比例。

這項「在線分析」的技術，讓中鋼不必再等待化驗報告，就能根據即時數據動態調整原料配比，將燒結礦原料配比調整週期從5小時縮短至15分鐘，協助中鋼打開製程黑箱，讓生產流程透明化。

第二，是燒透點精準控制。中鋼透過 AutoML（自動化機器學習）模型，整合複雜的製程參數。AutoML就像是AI領域的「自動導航系統」，過去要建立一套精準的預測模型，往往需要數據專家耗費數月手動調校；現在則透過自動化技術，讓系統像「超級選秀會」一樣，自動在成千上萬種演算法中選出預測溫度最精準的方案。這不僅大幅縮短研發週期，更讓AI能精準預測10分鐘後的燒透溫度，進而反推最佳機速，確保每批礦石都能在最完美的狀態下完成燒結。

第三，是環保與成本的同步最佳化。中鋼利用類神經網路（模仿大腦思維的邏輯模型）、XGBoost（精準預測的數據工具）與灰狼演算法（模仿狼群狩獵策略、尋找最優解的智慧工具），這套 AI 組合能提前15分鐘預測硫氧化物與氮氧化物的排放趨勢。有了這15分鐘的「預視期」，中鋼不再需要為了怕超標而盲目投入昂貴藥劑，而能精確計算出最佳投藥量與環保系統的用電排程。這不僅讓排放數據守住紅線，更讓環保系統用電量降低 20%、用水量減少 9%，實現了環境永續與經營成本的雙贏。

最後，則是設備穩定度。13MW的大風車一旦停機，生產隨即停擺。中鋼為其加裝物聯網感測器，建立數位孿生（digital twin）模型，讓設備狀態由「定期保養」轉為即時監測。

模型建好，真正的考驗才開始。黃崑濱很清楚，若AI建議與現場經驗衝突，第一線人員不可能立刻買單。對老師傅而言，錯一次的代價，可能是一整爐報廢。

技術面同樣困難。燒結機速與燒透點溫度呈現高度非線性關係，還存在時間延遲，模型必須反覆驗證。大型變頻馬達的感測佈建，也受限於設備規格與原廠圖資，導入門檻不低。

中鋼的解法，是讓AI直接接受營運數據檢驗。當節電、降耗與故障預警逐月反映在實績上，現場態度開始轉變。黃崑濱形容這個過程，「數據是冰冷的，但績效是溫暖的。」第一線人員的信任，也正是這樣一步步建立起來的。

從壞了才修，到提前預測生產風險

當AI真正融入決策，燒結製程的運作邏輯也隨之翻轉。決策不再等問題發生後修正，而是提前預測、事前控制。中鋼統計，AI相關專案從2024年開始，每年創造效益超過8400萬元，年減碳量達4萬6千多噸，相當於241座高雄中央公園的吸碳量。

成果也實質反映在經營數據上。中鋼統計，2024年AI系統全面運作後，對標導入前的基準值，燒結製程的產能顯著提升了4.3%。更關鍵的指標在於「細料率」下降了4%，代表產出物中，因品質不合格而必須送回原點「重新燒結」的碎粉比例因此減少。

此外，在節能減碳上，成效同樣顯著。透過AI對環保系統的精準操控，2024年中鋼年度省電量超過115萬度、用水量則減少1.3萬噸。若單看環保處理設備，用水與用電量更分別驚人地降低了9%與20%。而被視為生產命脈的13MW大風車，一年原本高達72小時的無預警停機搶修時數也正式歸零，象徵中鋼從「壞了才修」的傳統模式，跨入「預知維護」的智慧階段。

對中鋼而言，導入AI最關鍵的改變，是現場決策方式的轉換。

當現場操作標準逐步一致，品質不再因人而異，環保數據可追溯，風險管理也前移到決策之前。「數位轉型與低碳轉型，其實是同一條路，」黃崑濱觀察，當精準控制製造過程，能源使用量及碳排放量自然下降，「轉型是為了讓3K（骯髒、危險、辛苦）的工作環境，更有尊嚴。」

中鋼的經驗也顯示，AI關乎的不只技術，而是從把問題定義清楚開始。當決策能被數據支持，第一線員工才會相信AI所帶來的改變，提升生產效率與節能減碳，才能同時成立。

百強AI應用心法
「AI 轉型最怕的是『拿著鎚子找釘子』。我們選擇先回頭整理最雜亂的現場數據，把地基打深。這套基礎工程確實耗時，但唯有把製程黑盒變透明，AI產出的績效才會是溫暖且可複製的。」—中鋼生產部門助理副總經理黃崑濱

核稿編輯：康育萍、黃巧惠