根據國際能源總署(IEA)分析顯示，在工業領域中能源消耗與碳排放皆為次多的產業是鋼鐵業。當前全球對於降低從事工業活動所造成環境污染具有一定共識，因此對鋼鐵業來說，能源密集度必須下降是基本訴求，這也促使鋼鐵業未來勢必得儘可能將能源效率提升到最大化，而此或將成為未來鋼鐵業產業升級的發展重點。
鋼鐵產業與各行各業關係密切，舉凡機械業、汽車業、造船、運輸、建築等產業皆有密切關聯性，鋼鐵業也常被業界稱為「工業之母」，更是台灣具代表性的產業之一。
不過據了解，工業領域中能源消耗最多的產業為石化業，約佔29%，其次為鋼鐵業21%。而二氧化碳直接排放量最多的則是水泥業，約佔26%，其次為鋼鐵業的24%，不論何種能源耗損，鋼鐵業始終榜上有名。
為此2019年世界鋼鐵協會啟動能源效率提升(Step Up)的計畫，希望藉由包括煉鋼原料、能源投入、提高產量以及設備維護等四階段的流程改善，來提升鋼鐵業的能源效率。也率先於2019年在5家鋼廠測試，預計2020~2025年進行更廣泛的推廣。
計畫中也分別針對4個流程改善提出相應的具體指標，像是在煉鋼原料方面，則需從源頭優化原料品質與使用，由於原料的等級對於能源密集度和碳排放量有直接關係，藉由從源頭優化選料可提高生產效率，降低排放。
此外，提高能源效率是確保資源效率的關鍵，也有助於減少廢棄物的產生。另外像是透過提高產品良率，則可使鋼鐵在生產過程中增加產量，減少廢品或重回煉鋼爐冶煉的機會，進而減少能源使用，降低能源密集度。除了從以上3種面向著手，透過加強鋼廠的設備維護，確保設備可靠度減少停機損失，也可藉此降低每噸鋼鐵生產的能耗。
當前新興技術大舉深入傳統產業，成為傳產產業改善生產問題的助力，藉由物聯網、人工智慧(AI)、大數據分析等，傳統產業如今也正翻身成為科技型的製造業，金屬中心產業分析師陳建任因此也指出，藉由實施能源管理系統、AI等技術，實可用於如強化與確保設備運行的可靠性。以設備維護來說，透過埋設感測器偵測、監控並記錄，可預測生產設備的耗損，提早預防故障。
根據台灣人工智慧學校統計，在傳統產業中，預測性維護被歸類為製造業最想透過AI解決的問題，也是目前傳產在智慧製造投入項目中，最為廣泛的應用。在能源效率必須提升的強大訴求下，未來也可望成為刺激國內鋼鐵產業加速藉由智慧製造技術升級轉型的推動力。
以台灣中鋼某熱軋鋼帶生產線為例，熱軋鋼帶工廠的主要功能是將鋼胚加熱至約1,230度，然後經過連續製程製成熱軋鋼捲，設備配置密集、運轉條件相當嚴苛，有高溫、高濕、變轉速、大負荷等特性。該年產能超過1,000萬噸，產值超過1,000億元，可想而知，一旦主要設備故障或產品缺陷未能即時排除，將造成嚴重的生產與商譽損失。
中鋼因此也自主研發一套名為「FOMOS-AI」的智能設備線上監診系統，以AI為技術核心，依據不同操作模式與設備動態特性建立6種智能分析模組， 透過監測模組與診斷法則，有效地發揮預警效果，甚至改變過去維護模式，掌握主要失效模式的特徵，一旦明顯劣化就會排入計畫性維修，以降低對產能的衝擊。
而全球第五大鋼鐵廠的南韓浦項鋼鐵(POSCO)，被外界稱作傳產界的高科技新銳。浦項鋼鐵早早就開始投入AI技術發展，例如其針對扁鋼胚的品質控制，會透過表面缺陷感測器，蒐集扁鋼胚的表面品質數據，利用大數據分析與深度學習，建立扁鋼胚品質的預測模型，用來即時線上監視扁鋼胚的生產。
此外，浦項鋼鐵在2017年翻修鼓風爐，在加入AI系統後，能夠自動控制熔爐、延長使用壽命，據浦項鋼鐵內部人員表示，預計這座智慧型熔爐的壽命，應可遠多於平均的15年。
留言 0