【中钢AI现场2：如何靠微米级控制力年省成本千万？】热浸镀锌AI应用大解密

 生活中随处可见镀锌类产品，凡是有耐腐蚀需求的钢铁加工制品，包括作为建材使用的浪板、担当汽车门面的汽车钣金、每天都要打开的电冰箱，还有高阶电脑服务器外壳、家俱、彩色底板、滑轨、风管等等，都可能是运用中钢的热浸镀锌钢卷，加工制作而成。

热浸镀锌钢卷，是中钢的涂镀产品中的其中一项，年产量约有87.5万吨。中钢轧钢三厂第二热浸镀锌课课长罗万福就指出，每一批出产的钢卷，都需根据中下游客户需求，客制化调整镀锌膜厚，或是进行化成处理，在钢卷表面进行铬酸盐、耐指纹处理等动作，来因应不同加工制品所需的特性。

比如说，部分高阶电脑、服务器的外壳，不会再进行烤漆，而是直接裸用镀锌后的钢片，对这些厂商来说，就会要求镀较薄的锌层，才能维持产品表面品质美观。相对来说，生产建材浪板的厂商，对钢卷表面品质的要求就较低，而且考量到浪板恐架设在环境不佳的地方，反而要用越厚的锌层，来制造高耐蚀性的产品。

由于不同客户要求的镀锌模厚都不同（内行说法会用镀锌模重，以“公克／每平方米”来计），如何精准控制锌层厚薄，就成为中钢热浸镀锌厂的一大挑战。

中钢技术部门代理副总经理郑际昭指出，不同产品有不同规格的镀锌膜厚，若镀的太多、高于客户需求的厚度，由于锌是高成本的原料之一，就会造成成本的浪费；若镀锌层不符合产品规格，又将导致客户无法使用或加工后续问题，造成品质客诉。“如何控制的刚刚好，让客户审核过关，又能省成本，这是我们的目标。”

过去得靠老师傅依据经验法则来人工调参的作法，现在已经看不到了。以前，老师傅需将每一次的参数设定抄写到笔记中（如图所示），但现在透过AI，能更精准掌控特定生产参数下的镀锌膜厚。（摄影／洪政伟）

开发控制镀锌膜厚的自动调参AI，年省成本1,600万元

为了更精准控制镀锌膜厚，来减少生产浪费，中钢用AI开发了控制镀锌膜厚的制程调参AI，试图解决制程中的大量复杂参数，如何影响镀锌膜厚的问题。这类制程调参AI，也正是制造业最典型的AI应用之一。

郑际昭解释，要将镀锌厚度控制的恰如其分，并不容易，因为镀锌层厚薄的生产参数，包括气刀开口大小、与钢带的距离、气刀的气压、钢带厚度、钢带温度、产线速度等多重变因，都会影响镀锌膜厚。

过去，这些复杂参数的调整，都靠老师傅的经验来人工调参，罗万福表示，由于不同老师傅之间又有不同的经验法则，虽然留存了一本本抄满生产参数的笔记，但后人看不懂也难以吸收，造成经验传承的断层，“这对于面临员工退休潮的中钢来说，是很大的问题。”

而且，过去调整完参数后，需要等钢带经过100～200米的冷却，才有办法进行线上锌层厚度量测，若量测当下发现锌层过厚或过薄，回头调整生产参数时，中间就已经多生产了上百米的钢卷，换句话说，从参数调整到成品量测之间，存在冷却的时间差，“中间多镀的钢带，就会造成浪费。”郑际昭说。

为了克服这两大问题，中钢约从2年前开始投入制程调参AI的研发，先自动化搜集生产参数，累积上万笔大数据资料后，建立了一个AI模型，来归纳在不同参数组合下，所造成的镀锌膜厚变化。

去年初上线这项应用后，将参数带入AI模型中，就能即时预测出镀锌膜厚，虽然比不上直接量测的数据精准，但是，以此来即时修正生产参数，能避免冷却期间造成的锌层浪费，对于镀锌膜厚的控制，也比人为设定更准确。

罗万福指出，传统人工调参仍然有约20%会失准，但投入AI后，约只有3%结果失准，准确率达到97%左右，更能减少约4.5%的锌层的浪费。换算下来，一年就能省下1,600万元的成本，带来上千万元的效益。

建立检验区瑕疵辨识AI，降低人工目检负担

除了镀锌膜厚的生产控制面临挑战，热浸镀锌厂的另一大难题，则位于检验室中，以人工检测镀锌钢卷的表面缺陷时，具有一定程度的漏检率。

实际走访检验室，可以了解到员工过去要查验钢卷，需要在快速传输的钢带上，识别出钢卷表面的缺陷，而且，不只要识别钢卷单面的缺面，更要透过镜面反射，同步识别双面的缺陷，格外考验员工眼力，“所以我们都找年轻人来看，眼力比较好。”罗万福笑着说。

但是，人力识别缺陷的方法，仍有其局限，除了不是所有缺陷都能肉眼识别，人也一定会眨眼，无法不间断盯着钢卷检验，加上钢带一直在动态传输，都提升了识别缺陷的难度。罗万福举例：“以前比较夸张的状况，检验员还会因为没有检查完全，把钢卷送到处理线慢慢看，但这样会增加出货的时间，造成产线的负担。”

为此，中钢导入了另一个同为制造业的典型AI应用，训练出瑕疵检测模型，透过影像辨识技术，在即时的钢带影像画面中自动标记缺陷的位置、形状、大小、严重程度，抓出缺陷后，再经由人工复查是否确实。换句话说，过去要由人工全检所有钢卷的查验流程，现在能以AI自动辨识来取代，人工只需复查经AI标示出缺陷的钢带区域即可，不仅大幅省下查验人力，更提升了缺陷识别的的准确率。

罗万福指出：“过去用人工检验，会有一定的漏检率，可能5%～10%，真的很难每一个缺陷都看到。”但在加入AI后，几乎不再发生漏检，瑕疵辨识准确率提升到95%以上，进一步提升了钢卷品质。

人工查验除了有漏检的风险，更大的问题，则是在于没有一套记录的机制，将钢带表面的查验记录保存下来。

“以前遇到客户说，在100米的地方有一个缺陷，你们怎么没看到？我们就只能认了，因为没有记录。”罗万福指出，没有记录机制，就无法得知缺陷到底是发生在自家工厂，还是客户的工厂中。

但现在，透过AI检查钢卷表面，自动标示出缺陷位置与种类后，将这些纪录留存下来，未来遇到客户反应类似情形，就能提供当初查验留存的缺陷地图（Defect Map），来证明工厂出货时的品质无虞。

“所以我们不只是导入AI，还把整套记录建立起来。”罗万福说。

目前，检验区的瑕疵辨识AI已经在去年正式上线，但这项技术，还不足以完全取代人工查验，除了缺陷处需人工复查，部分非表面瑕疵的缺陷，比如钢片侧面成波状等形状缺陷，还是需要靠人眼来识别。

进料区也设瑕疵辨识AI，找出上游厂缺陷钢卷

除了在后段的检验区导入瑕疵辨识AI，中钢也正在将该技术导入前段进料区。这是因为，部分在后段检验到的钢卷表面瑕疵，可能不是在热浸镀锌厂造成，而是在前一厂区制成钢卷时，就已经生成。

罗万福指出，一般来说，钢品表面的缺陷可能是在传送钢带的过程中，因下方滚轮沾附不明物体，而在钢带表面残留印迹，“不外乎是压痕、刮痕、或是一些污染，”当发现这些缺陷，就得去找出造成缺陷的来源，并确实清除干净，确保下一卷钢卷的生产过程不会留下缺陷。

然而，在后段检验区查验出缺陷，回头在制程中查找缺陷来源时，若缺陷并不是在热浸镀锌厂区生成，可能需要花费更多时间来判定缺陷来源。不只如此，热浸镀锌产线从头到尾大约要经历2,000米的加工运送，若是在前一厂就已经产生严重缺陷，原本就不合格的钢卷，又多进行了近2,000米的制程，对镀锌原料来说也是种浪费。

“如果可以在进料区就先检测出来，就能马上可以判断，这一卷钢卷还要不要继续生产。”罗万福说。

而且，越早发现缺陷，也能越快通知上游工厂找出生产流程的问题，不只能避免产出更多有瑕疵的钢卷，快速撤查出同一批生产的瑕疵品，也能减少其他下游厂误用瑕疵品的可能性。

因此，中钢正在开发前段进料的瑕疵辨识AI系统，但不是只用于找出缺陷而已，而是要与后段检验区瑕疵辨识系统所拍到的画面，进行整合比对，来检视前端所发现的缺陷，是否就是造成后段缺陷的原因，借此建立缺陷演化分析的AI模型。

这个AI模型，能用来判断进料时不同类型的瑕疵，经镀锌制程后是否还会留存下来，当模型越准确，就能判断前段缺陷的危害程度，来节省更多的浪费。

“这就是我们的产业专业知识，去定义出这个缺陷类型是不是刮痕、这道刮痕镀锌后还能不能看得见、这卷钢卷能不能继续生产？”罗万福说。

罗万福表示，若在后段检验区发现钢卷瑕疵，一吨钢卷就要损失200美元以上，一卷钢卷约20吨重，换算成台币，就会损失12万元以上，“能即时找出缺陷，预先判断要不要继续生产，就是成本控管的关键。”

 图解热浸镀锌生产流程 

摄影-洪政伟

若用一句话来解释热浸镀锌方法，就是将钢卷放入锌槽，使其双面都沾附锌液，让钢片表面附着一层薄薄的锌，能耐腐蚀。不过，实际上要生产出一卷卷数吨的热浸镀锌钢卷，需要经过一连串复杂的处理流程，先后进入进料区、退火区、镀锌区、调质整平区、涂覆区、检验区、出料区，才能完成热浸镀锌的作业。

中钢开发的AI应用，位于生产流程中的进料区、镀锌区与检验区。在进料区与检验区，运用了AI瑕疵检测技术，来取代部分人工查验作业，在镀锌区，则运用了AI制程调参的技术，找出不同生产条件下的最佳化制程调参作法。

 １  进料区：进行的解卷、剪裁、焊接的步骤，先运用解卷机，将入料的钢卷摊开，剪裁后，再利用焊接机，把两个钢卷接在一起，形成一个连续钢卷，类似于将两个卷筒式卫生纸的纸面连起来的样子。

 2  退火区：透过温度变化，达成特定产品所需的机械性质，比如高强度钢，需要在特定制程条件下才能生产而成。

 3  镀锌区：镀锌区主要配备一个锌槽，并透过气刀来将多余的锌液刮除，借此来控制锌的膜厚（公克／每平方米），中钢可生产单面每平方米40～200公克的热浸镀锌钢卷，越薄的镀锌层，用于越高阶的产品，也越考验镀锌的技术。

 4  调质整平区：运用调质轧延机将刚镀完锌的光滑钢板，依据客户的需求，加上特定的表面纹路，比如部分要求高粗糙度的钢板，就会以调质轧延机赋予特殊的表面。

 5  涂覆区：在钢品表面进行特殊处理，比如在用于家电外壳的钢板上，进行耐指纹处理；又或是在用于抽屉滑轨的钢板上，涂上高润滑涂剂，确保钢板能承受超过一万次的拖拉。

 6  检验区：查验每一卷钢卷表面是否有瑕疵。检验室内设置了钢卷的垂直检验区及水平检验区，前者需透过镜面反射，同步识别钢卷双面缺陷，后者则能从不同角度发掘瑕疵。

 7  出料区：依据客户对钢卷宽度与重量的需求，将钢卷裁边修改成特定尺寸，再分卷成不同吨数的钢卷，或是将钢卷焊接成超过原尺寸的钢卷来出货。

 AI瑕疵辨识如何取代人工目检 

 作业流程？

实际走访检验室，可以了解到员工过去要查验钢卷，需要在快速传输的钢带上，识别出钢卷双面的缺陷。但是，过去的作业流程，存在一定漏检率，更可能因为没有检查完全，把钢卷送到处理线重复检验，而延迟出货时间，造成产线负担。（如图示：人工目检1、2）

导入AI后，透过影像辨识技术，员工现在已经可以坐在控制室，看系统自动抓出钢卷表面缺陷，再进行人工复查。如此一来，不仅大幅省下查验人力，更降低了缺陷识别的漏检率。（如图示：AI作法1、2）

除了在检验区导入，中钢也正在开发进料区的瑕疵检测AI，要提前检验出上游钢厂造成的瑕疵，拦截瑕疵品进入产线加工，来减少镀锌原料浪费。（如图示：AI作法3）

 人工目检１ 

人工垂直检验钢卷

过去要查验钢卷，员工需要在快速传输的钢带上，识别出钢卷表面的缺陷，且不只要检查单面，透过镜面反射，还得同步识别钢卷另一面的缺陷。图为垂直检验区的实际检查流程。（摄影／洪政伟）

 人工目检２ 

人工水平检验钢卷

除了垂直检验，查验人员也需水平检验钢卷，从不同角度发掘钢卷表面缺陷，比如冲模过程中，可能产生类似于污点的缺陷，即可在此检验出来。（摄影／洪政伟）

 AI作法１ 

以摄影机搜集钢带表面影像

为了取代人工目检，中钢将摄影机装设在垂直检验区的钢带底部，也就是图中绿色激光光点的位置；拍摄到的钢带表面影像，则会显示到控制室的屏幕画面中，同步进行影像辨识来查找瑕疵。（摄影／洪政伟）

 AI作法２ 

系统自动标示缺陷位置与种类

在控制室内，员工可以直接从屏幕看见钢卷表面检查情形，若AI侦测到任何瑕疵，系统会同步标注出缺陷位置、形状、大小、严重程度，提供明确的缺陷资讯，节省人力目检的负担。（摄影／洪政伟）

 AI作法３ 

训练进料区瑕疵辨识AI

左边屏幕是检验区瑕疵检测系统，右边屏幕则是进料区瑕疵检测系统。目前，中钢正在开发进料区瑕疵辨识AI，更要借由与后段瑕疵辨识所拍摄画面的比对，来建立缺陷演化AI分析模型。（摄影／洪政伟）