【中钢AI现场1：1千5百度高热密闭生产环境如何监控？】高炉AI应用大剖析

高炉之于钢厂，是不可或缺的一环。飘洋渡海的钢铁原料从港口上岸后，会先由炼焦工厂制成焦炭、烧结工厂制成烧结矿与铁矿，加入其他次要原料后，就会来到钢铁融炼的第一站，高炉。

高炉的作用，就是透过一连串高温熔融反应，将钢铁原料炼成铁水。虽然说起来容易，实际上，高炉却是一个复杂的炼铁反应器。中钢炼铁厂高炉二课课长许雍达解释，每一座高炉，都集合了非常多系统于一身，包括了炉体本身冷却系统、热风炉、原料输送、出铁、炉气处理、顶压回收发电、喷媒等环节，每个系统互相搭配，才能维持高炉稳定运作。

这个系统中，真正炼制铁之处，就是外观形似巨大养乐多瓶的高炉炉身。其运作原理，是从上方加入炼铁原料，以一层焦炭、一层烧结矿与铁矿的方式，尽量将原料均匀散布其中，再透过周边的热风炉，将空气加热，从高炉下部的鼓风嘴鼓进高炉，来加热、还原，将铁矿石融炼成铁水与炉渣。

熔炼过程中，中钢也透过鼓风嘴喷吹粉煤，来取代部分焦炭作为还原剂，可降低炼焦炉的负荷，并有利于炉热调节；而炉内产生的高炉气，也能在净化后用来发电，并作为热风炉及厂内的燃料，来达成节能、减少碳排放的效益。最后的铁水与炉渣，则会分开取出，各自进行下一步的加工或贩售。

许雍达指出，这套高炉生产的做法，早从十多年前就持续运作至今，但在过去，高炉内部高温、密闭且不易观测，难以得知炉况是否符合预期，“比如原料一层一层加入之后，到底分布均不均匀？又要如何在炉温下降之前，提早预测来因应？”

这些问题，随着IoT与AI技术日渐成熟，中钢开始搜集更多生产数据，逐步翻转过去熟悉的高炉运行操作。

落地27项高炉智慧应用，更即时掌握高炉生产动态

中钢约从3年前开始，致力于研发高炉AI，不只开发高炉炉况监控的相关应用，也开发周边设备的AI应用，比如原料输送带的预测维修、热风炉生产效率与耗能监控、现场人员的安全监控等，截至今年初，已经完成27项高炉智慧应用的开发，依据应用的特性与适用场域，分散部署在4座高炉中。

由于高炉本身就像是一个黑盒子，为了掌握高炉的生产状况，中钢在高炉上装设了多种感测器，就是要靠各种生产数据，一步步将盒子打开。

比如说，从高炉上方布料时，虽然是均匀旋转布料，但实际布料情况还是会依据炉内气流变化而改变，为了监控布料状况并适时调整，中钢在布料槽装设了料面温度仪与轮廓仪，来掌握布料形状与高温气体的分布情形。在炉壁上，中钢也装测了温度感测器，透过炉壁温度变化频率，来预测炉壁冷却元件是否受侵蚀、内部是否结块。

不只如此，为了预测炉热变化，中钢量测出铁口的铁水温度变化，参考操作条件、铁渣的化性分析，开发AI预测未来炉热；也运用炉温炉压分布的异常数值，找出发生管道流异常的可能性。透过更即时发现异常并自动预警，就是要让产线人员尽早发现问题，才能提前调整生产参数来因应。

而且，针对所有开发的生产数据监控与AI应用，中钢开发了综合炉况评分机制，能从原料分布、气流状况、目前风量、铁水产量、炉内温度等生产状况，为高炉当下的运行表现评分，让产线人员可以更直觉、快速地的了解当前高炉炉况，“中钢自己设定的目标，是要随时大于89分以上，”许雍达说。

克服AI落地挑战，中钢导入一站式生产数据监控平台

中钢过去开发AI应用时，是由技术人员设法取得生产数据，开发出AI模型，再由IT单位开发成应用程序，个别部署到现场中控室的单机电脑中。

许雍达指出，这个做法面临了三大挑战。首先，当时从生产环境搜集到的资料，位于封闭式的生产系统中，为避免透过外部线路存取资料时，可能带来的资安风险，“研究人员不能轻易的取得生产数据资料，分析费时费力。”

再加上，每一支开发完成的应用程序，都必须部署到中控室的单机电脑中，透过视窗界面来呈现，在应用程序分散在多台电脑的情况下，增加了电脑、网络的维护工作。不只如此，随着搜集到的资料量更大，AI分析也需要更大量的硬件运算需求，原有的主机资源逐渐不敷使用。

这三大挑战，让中钢在2019年底，率先在二号高炉场域，规划建置AIoT智慧分析平台，更找来研究部门、子公司中冠资讯共同研发，利用二号高炉在去年大修的期间，同步导入该场域。

这套AIoT平台最主要的目的，是要将分散部署在不同电脑的AI应用，整合到同一个Ｗeb平台中，让员工只要以浏览器开启入口网站，登入账密，就能一站式管理高炉所有的生产资讯。

建置过程中，中钢不只以Web界面重新设计AI应用仪表板，也将过去难以取得的生产数据整合到一个资料平台，供技术人员更方便的分析取用资料，更建置了专属AI应用的硬件资源，取代分散部署到电脑主机的方法。

许雍达指出，AIoT平台上线后，中控人员不只能即时查看重要的生产资讯，当高炉发生任何异常状况，平台也会自动触发告警，并显示操作指引，让员工可以依照指示排除异常，将异常状况可能带来的伤害降到最低。

比如说，当AI侦测到四号高炉的炉身发生结块，就能利用过去一段时间的温度变化，去推测结块情形的演变，系统也会提供操作指引，来建议员工应使用哪一种应对模式，才不会导致结块问题更严重。

处置完成后，员工也可以直接在界面中回报，将此次事故处理过程提交出去，作为历史维运纪录，而且，过去类似事故的处理方法与结果，也会同步附件于操作指引的界面中，提供紧急处理时参阅。

除了上线网页版的AIoT监控平台，中钢也接续打造了行动装置版本，只要安装到手机上，具登入权限的中控人员，就能随时随地掌握生产即时动态，了解异常状态资讯。

今年初，二号高炉完成大修，这套AIoT平台已经导入二号高炉场域中。中钢也正在规划，要将AIoT平台导入其他座高炉中。许雍达表示，更长久的计划，则是要开发炼焦、烧结两大原料加工厂的智能模组，并且整合到AIoT平台来监控运用，“这样一来，我们在高炉的现场就能看到原料加工厂的生产数据，如果有异况，高炉也能同步调整、配合。”

 高炉AI应用大剖析 

光是二号高炉，中钢就投资约5,700万元来建置智慧应用，投资的金额虽大，但带来的效益更可观，预估每年可以降低成本3,270万元，减少排放温室气体2,217吨。（摄影／洪政伟）

“高炉出了问题，就得降风停产，如果能见微知著，在发生状况前预先防范，就能降低损失产量的风险。”中钢技术部门代理副总经理郑际昭，一句话点出高炉AI的重要性。

用AI炼铁，导入27项高炉场域智慧应用，被中钢视为第一个进化里程。27项应用中，中钢不只开发高炉炉况分析监控，也开发周边设备的AI应用，比如原料输送带的预测维修、热风炉生产效率与耗能监控、现场人员的安全监控等。

其中，高炉本身的炉况监测，更是AI开发的重点任务，因为高炉就像是一个黑盒子，为了掌控高炉的生产状况，中钢得在高炉上装设多种感测器，以AI监控生产数据，才能提前发现问题，并及早因应。

因此，在众多应用中，中钢特别介绍7项与高炉炉况分析相关的智慧应用，揭密1,500度高热密闭的生产环境，如何靠AI监控。

 1  炉内布料情形监控

 技术关键  靠扫描感测仪器与热像仪，侦测原料、粉尘、高温气体分布状况，并将资料视觉化

 效用  监控气流是否稳定、布料形状是否符合预期

将原料从炉顶添加到高炉时，过去无法得知实际布料状况，但现在，中钢在炉顶布建扫描感测仪器，就能即时侦测原料在高炉内的分布，同时透过炉内的热像仪，扫描粉尘、高温气体的分布，就能比对得知目前气流是否稳定，布料形状是否符合预期。中钢也将量测到的数据，以视觉化的方式来呈现。

 2  管道流预警AI

 技术关键  透过AI判断炉内压力与温度分布是否超过异常值，来预测管道流异常

 效用  提早预测管道流异常发生可能性，调整生产参数来因应

一般来说，高炉运作的理想情况，是从下面鼓风，炉气均匀往上传递，将原料还原熔融。但是，若炉气无法稳定通过炉料，而是累积在某个区块，就可能因为压力蓄积过大往上窜出，造成炉顶泄压阀排放，或造成设备损伤。“气集中在一个地方，压力大到一个程度就会往上冲，就好像人打嗝，不能等到冲上来，要想办法及时拯救。”郑际昭形容。

为了提早发现管道流的情形，中钢在高炉炉壳上设置压力量测与温度量测点，分别将温度与压力的分布视觉化呈现，若结合两者数值，发现压力差超过异常值，或是局部温度过高，AI判断为管道流异常可能发生，“系统会发出预警，引导操作人员先降低风压、风量，”中钢炼铁厂高炉二课课长许雍达表示，越早预测出管道流异常，就能越早调整生产参数，来避免管道流发生。

 3  炉壁厚度监测AI

 技术关键  透过炉壁探钻深度与周围壁面温度变化的关联性，训练AI靠炉壁温度变化，判断炉壁厚薄

 效用  预测炉壁冷却元件受损情形，安排检修时程

高炉炉壁冷却元件（冷却壁）若被蚀破，就可能造成严重的生产危机。然而，单从高炉外观，无法得知炉壁冷却元件被侵蚀的程度，中钢以往只能定期量测来推断炉壁状况，定期检修，来降低意外风险。

要监测炉壁厚薄，中钢在炉壁装设测温感测器，找出温度与炉壁厚薄的关联性。郑际昭解释，一般来说，炉壁变薄后，测得的炉壁温度会升高，虽然铁水在壁面结块或脱落，也会造成可能造成温度改变，但相较于正常炉壁状况，温度变化频率会较为剧烈。

因此，中钢以探钻点位附近的历史温度变化，结合实际探钻的厚度训练AI模型，再套用到高炉其他测温点位上，来推测炉壁不同位置的侵蚀状况。

 4  炉壁结块预测AI

 技术关键  透过炉壁温度变化频率预测结块情形

 效用  监测到炉壁温度变化异常，提早因应避免结块情形恶化

高炉温度一旦降低，就可能造成铁水冷却结块、附着在炉壁上，若炉壁的结块大量滑落，导致炉气异常溢出，就可能发生操作上的危险，“许多高炉曾经因为高炉内部结块过大，掉落时打到鼓风嘴，导致鼓风元件受损漏气。”许雍达说。

为了维持炉况稳定与操作安全，中钢开发了炉壁结块预测AI，当发现温度变化波动越来越小，就能推测炉壁内部结块，并提前调整高炉的生产条件，避免结块情形更严重。

许雍达表示，这套AI应用目前部署在三、四号高炉，因为这两座高炉的炉内冷却元件形式与一、二号高炉不同，更容易发生产生炉壁结块问题，较有应用AI的急迫性。

 5  炉热温度预测AI

 技术关键  量测出铁口的铁水温度变化，参考操作条件、铁渣的化性分析，学习预测未来炉热

 效用  预测未来2～4小时内的炉热变化，提前调整生产参数来因应

对于正在生产铁水的高炉来说，必须维持一定的炉热，高炉才能稳地熔炼铁水，若温度异常大幅下降，就可能造成炉冷危机，需花费许多时间调整加热，一旦恶化至铁水凝固无法排出，复原工作会很困难。

“发生一次就是上亿的损失，所以我们要尽可能避免走到这一步。”郑际昭点出炉热预测的重要性。

中钢在建立炉热温度预测AI时，就是透过量测出铁口的铁水温度变化，参考操作条件、铁渣的化性分析，学习预知未来2～4小时的炉热趋势，借此训练出炉热预测的AI，若预测到未来炉热可能下降，就能即时调整生产参数，微调风温、喷煤量，来维持炉热的稳定。

 6  鼓风嘴喷煤预警AI

 技术关键  透过大量鼓风嘴喷煤影像训练AI判断异常

 效用  自动化找出喷煤枪过短、喷煤口堵塞等异常影像，减少人力监控负担

中钢透过在鼓风嘴喷吹粉煤，来减少原料焦炭的使用，同时，也能透过粉煤喷吹量来调节炉热。不过，粉煤喷吹的状况，过去需要人工监控，透过摄影机将风口影像传输到中控室，来监测是否发生喷嘴阻塞、或是喷煤枪设备耗损的情形，而且，需监控的影像还不只一个，光是二号高炉就有30个风口影像需要监控。

为了减少人力的负担，中钢正在运用历史监测影像，训练影像辨识AI，来自动监诊喷煤枪设备，找出喷煤枪过短、喷煤口堵塞等异状。

 7  高炉原料粒径分析AI

 技术关键  透过原料粒径影像资料，训练AI进行粒径分析

 效用  即时辨识原料粒径大小与分布，调整入料情形来降低燃料率

将原料送入高炉时，若原料的粒径大小符合预期、分布较平均，有助于炉况稳定、降低燃料率。中钢甚至推算，高炉燃烧料率每减少1%，每年可以减少上亿的燃料经费，因此，中钢用AI来即时辨识原料的粒径大小，即时计算进入到高炉原料粒径分布，以及是否混杂到其他原料等情况，再根据分析结果来调整原料分布，有助于稳定炉况、降低燃料率。