發表文章

混凝土也有「指紋」?日本安部日鋼工業的 AI 落地實踐與技術深度解析

圖片
混凝土也能像人臉辨識一樣,擁有專屬的「數位身分證」? 日本預力混凝土( Prestressed Concrete, PC )指標企業 安部日鋼工業( Abe Nikko Kogyo ) ,近年攜手 NTT 西日本與 AI 企業 ExaWizards ,將電腦視覺、物聯網( IoT )與水化動力學深度導入預鑄工廠與重大土木工程現場。 本文深入拆解安部日鋼工業的三大核心 AI 落地技術,並探討這波數位轉型如何為混凝土產業帶來突破性的升級路徑。 一、 核心專利:混凝土骨材配置 AI 認證技術(特許第 7369316 號) 傳統工程中,構件主要依靠條碼標籤、噴漆編號或 RFID 晶片進行管理。然而,在戶外暴曬、地下潮濕、雨水沖刷與紫外線侵蝕下,實體標籤極易在數年內脫落、磨損或受損,導致構件在長達 50 ~ 100 年的生命週期中失去追溯性。 安部日鋼工業打破「附加外部標籤」的思維,直接利用材料本身的微觀物理特性: 1.    特徵形成原理: 在預鑄構件表面指定微小區域進行輕度物理研磨(深度僅數毫米),露出水泥砂漿與天然粗細骨材交織的截面。由於天然骨材的 粒徑大小、幾何外形、長寬比以及空間相對拓撲座標 具有絕對的物理隨機性,構成了獨一無二的「混凝土天然指紋」。 2.    AI 演算法架構: Ø 影像特徵萃取( Feature Extraction ): 採用深度卷積神經網路( CNN )與視覺 Transformer ( ViT )架構,自動濾除現場光影變異、微細刮痕、表面風化色差與髒污雜訊,精準標定骨材幾何質心與邊界特徵。 Ø 高維向量檢索( Vector Matching ): 將研磨面影像轉換為高維拓撲特徵向量,透過特徵比對演算法與工廠出廠時註冊於雲端資料庫的原始檔案進行 1:N 快速檢索。 3.    工程價值: 現場工程師僅需使用平板或智慧型手機拍照, AI 即可在數百毫秒內完成個體唯一識別( Individual Identification ),實現預鑄 PC 構件(如鐵道軌枕、箱梁節段、地下儲水槽塊體) 終身不滅的數位履...

【技術專欄3】SteveYu 推出乾混砂漿 AI 模型,打造業主專屬的工程決策儀表板

圖片
在過去的工程實務中,乾混砂漿 ( 包土 ) 往往被單純視為「配方」或「施工」層面的技術問題。然而,對於開發商、建設公司或工程管理單位而言,真正需要解答的核心問題其實是: 這個案場到底要花多少錢?隱藏的風險在哪裡?碳排量如何估算?供應商與包商的選擇,會不會反過來吃掉耐久性與工期? 這正是振緯智匯開發「 SteveYu 乾混砂漿 AI 模型:業主決策儀表板 」的出發點。 它不僅僅是一個配比計算工具,我們更將其定位為振緯智匯的 配比績效方案 之一。系統將案場條件、砂漿品項、施工工法、供應鏈數據與風險係數,深度整合成一個高度可操作的決策介面,讓業主在最早期的規劃階段,就能精準掌握工程概算、碳排足跡、工期評估,並快速產出決策報告。 📍 打破傳統估算限制:從案場條件,快速建立決策基準 傳統估算往往需要等待完整的 BOQ (工程數量清單),但在決策儀表板中,使用者只需輸入案場地址(結合 Google Maps 定位),並設定案場區域、供料廠運距、總樓地板面積 (GFA) 、建築類型、匯率與成品售價係數,就能瞬間建立全案的估算基礎。 這個設計能大幅縮短早期方案的比較時間。業主不需在資訊不透明的階段盲目摸索,用 GFA 與建築類型量比,就能進行具備數據支撐的初步推估。 🏢 全棟視角:將乾混砂漿從「單品項」拉升至「全案總價預測」 系統的第二個亮點,是依據總樓地板面積與建築類型,自動推估不同乾混砂漿應用部位的施作面積與造價(涵蓋磁磚黏著劑、內牆批土、自流平地坪、防水砂漿、 EIFS 保溫系統等十餘種品項)。 在這裡,業主看到的不再只是「一包材料多少錢」,而是整個乾混砂漿系統在全棟建築中的成本占比。儀表板會直接彙整 完工總價、每平方公尺 GFA 單價、風險調整總價,以及 A1–A4 階段的碳排估算 。這讓材料選擇的影響,直接連結到企業的預算與 ESG 目標。 圖一 全棟完工總價預測(依總樓地板面積) 圖二 造價與碳排計算明細(每 m² ) 圖三 供應商選擇優劣 圖四 施工包商評比條件 🧠 AI 賦能單品項深入分析:成本、風險、碳排、耐久與工期一次看清 這是儀表板真正發揮「決策中控台」價值的地方...