從實驗室到工廠現場：alcemy 如何用 AI 重寫水泥去碳的遊戲規則

一家柏林新創，如何在短短數年內讓全德三分之一的水泥廠運行 AI 品管，並將低熟料水泥從「月球任務」變成商業現實？

 

背景：水泥去碳的核心難題

水泥佔全球 CO₂ 排放量的 5–8%，降低熟料（clinker）使用比例是最直接的去碳途徑。然而熟料比例一旦降低，水泥品質的波動性大幅上升，企業必須投入大量人力監控與補救，導致低碳水泥在商業上長期不划算。這個「品質與成本無法兼顧」的困境，正是 alcemy 的創業起點。

 

公司緣起

alcemy 由 Leopold Spenner 於 2018 年創立於柏林。身為德國第五大水泥商 Spenner GmbH 的家族後代，他對產業痛點有第一手認識。alcemy 的解方：讓 AI 即時預測品質、自動給出最佳生產參數，使低熟料水泥的大規模量產從技術可行走向商業可行。

 

核心技術：兩大模組

模組一：水泥廠 AI 品管

即時分析化學成分、礦物學特性及粒徑分佈，預測關鍵品質參數並回饋控制站，讓熟料比例可安全降低同時維持強度標準。

模組二：預拌混凝土廠即時預測

   整合拌合廠生產數據與預拌車感測器。這與韓國 POSCO 的車載監控理念不謀而合，透過監測運送過程中的數據，實現從「黑盒」到「白盒」的透明化轉型。

 

里程碑一：全球首例商業化 CEM X（2024 上半年）

alcemy 與 Spenner GmbH 共同完成全球首例商業化低熟料水泥量產——CEM X（熟料含量 < 30%）。相比傳統標準水泥約 80% 的熟料含量，CEM X 碳排放降低整整 65%，且具備耐久性與商業競爭力。此前，這個成就只在實驗室條件下實現過，從未在工廠規模量產。

 

里程碑二：千萬美元融資與進軍美國（2024 年 7 月）

alcemy 完成由 Norrsken VC 領投的 1,000 萬美元融資，Galvanize Climate Solutions 與 AENU 跟投。資金用於持續研發與拓展新市場。美國首站為 TITAN America 佛羅里達廠，在不到一年內即回報水泥品質特性明顯改善，並為降低熟料因子創造條件。截至融資公告時，alcemy 技術已覆蓋德國三分之一水泥廠與超過 40 家預拌混凝土廠。

 

振緯智匯結語：AI 賦能材料的轉型引擎

alcemy 的成功路徑為台灣及全球營建業提供了三項重要啟示：

Ø  數據即資產：重工業 AI 的黃金機會在於整合既有數據（如攪拌廠功率曲線、感測數據），將其轉化為即時品質預測引擎。

Ø  動態配比時代：未來工廠將具備隨原料波動（如熟料比例、骨材品質）而即時調整配方的人工智慧。

Ø  ESG 的數位驗證：透過 AI 精準計算減碳效益，將低碳水泥從「月球任務」轉變為符合商業效益的綠色實績。

SteveYu觀點：AI 的真正價值在於降低不確定性，讓工程師得以在更複雜的低碳配比空間中安全探索，而非取代專業判斷。

 

資料來源： Carbon Herald (2024年7月)、Cemex Ventures、Global Cement、alcemy 官方公告

留言

張貼留言

這個網誌中的熱門文章

從廢料到黃金：奧地利「SmartStreet」計畫如何利用 AI 重新定義循環營造

圖片
  循環經濟的「最後一哩路」 在追求淨零碳排的趨勢下，提高瀝青與混凝土回收料（ RAP/RCA ）的比例已是業界共識。然而，傳統回收流程中「原料品質不穩定」與「性能難以預測」的痛點，始終是限制高品質再生材料普及的絆腳石。 今天，振緯智匯帶大家深入了解奧地利營造巨頭 Porr 推動的 「 SmartStreet 」計畫 (2025-2028) 。看他們如何透過神經網路與電腦視覺，打破再生材料的技術天花板。   核心技術：神經網路如何「預見」材料強度？ 「 SmartStreet 」計畫的核心不只是增加回收量，而是實現「精準預測」。 該計畫訓練了一套先進的人工神經網路（ ANN ），將回收料的物理特徵數位化。系統能根據輸入的回收料種類、比例及添加劑參數，即時預測最終成品的機械性質： 強度預測 ：精準掌握馬歇爾穩定度與抗壓強度。 耐久性模擬 ：在生產前即可預估抗疲勞開裂性能，確保道路壽命。 生成式洞見 ： AI 能主動提供最佳化混拌設計建議，將傳統的「試錯法」轉變為「數據驅動法」。   靈魂之窗： AI 如何「看透」髒亂的回收碎石？ 很多業界先進會問： AI 真的能看懂工地上那些髒亂、混雜的回收碎石嗎？ 在奧地利 Porr 的「 SmartStreet 」計畫中，答案是肯定的。這套系統的核心在於「多模態感測技術」，它並非單純的拍照辨識，而是將「幾何視覺」與「化學光譜」進行深度融合（ Deep Fusion ）。 振緯智匯為您深入剖析這套強大系統的運作機制，共分為三個關鍵層次： 1. 感測層：超越人類視覺的「多模態感測器」 系統於輸送帶上方安裝工業級的在線監測硬體，整合了超越人類視覺的「感官」： (1). 「幾何之眼」 (RGB 工業相機 ) ：配合陣列式 LED 光源，克服工地粉塵與陰影干擾，專注抓取材料的形狀、紋理、顏色等表面特徵。 (2). 「化學之眼」 ( 近紅外光譜儀 , NIR) ：這是系統的核心秘密。 NIR 利用不同化學鍵對特定波長紅外光的獨特吸收率，抓取材料獨一無二的「化學指紋」。 2. 特徵提取層：將原始數據轉化為數位資訊 AI 演算法不直接看圖片，而是將感測層收集到的原始數據提取為模型能理解的特徵向量： (1). ...
閱讀完整內容

不只是影像辨識：詳解韓國 POSCO 如何以 AI 與 IoT 打造「會思考」的混凝土管理系統

圖片
  在營建工程中，混凝土被視為結構的「骨骼」，其品質決定了建築的壽命與安全。然而，傳統的品管模式往往依賴人工經驗，且存在顯著的資訊滯後（如需等待 28 天強度報告）。韓國營建龍頭 POSCO E&C （浦項建設） 以 AI 與 IoT 技術 為核心，成功建立了一個「 預拌混凝土全生命週期智慧管理平台 」，將原本各自分散的生產、運輸、施工與養護數據徹底打通，真正實現了從「黑盒」到「白盒」的透明化轉型。   四大關鍵環節：數據驅動的品質革命 振緯智匯 為您深入剖析這套系統的四大技術核心，看 AI 與物聯網如何重新定義工程管理： 1.     拌合機內的智慧（ Mixer Intelligence ）：影像 AI 即時反饋 系統在拌合機內部安裝攝影機，利用視覺 AI （ Vision AI ）即時分析混凝土的表面紋理與稠度。 AI 模型能精準判斷坍度（ Slump ），並 自動、實時地調整 水、水泥或藥劑用量。這意味著，每一批出廠的混凝土都能精準符合 KS （韓國工業標準），將人為誤差降至最低。   2.     數據鏈接與防止非法加水： IoT 車載監控 預拌車是品質最易失控的環節。 POSCO 在車上安裝傳感器與 GPS ，即時監測拌合筒旋轉速度與水量。系統會記錄出廠時的水灰比與運送時間，一旦抵達工地，會核對所有數據。若發現異常的水量變化（即有非法加水疑慮），系統會發出警報，確保每一立方米的混凝土都符合數位驗證標準。   3.     告別 28 天的等待： AI 強度預測模型 這是最具突破性的功能。 POSCO 訓練了一個深度學習模型，輸入歷史配比、水泥特性、砂石品質以及施工當天的溫度、濕度。在澆置時， AI 能在 數天甚至數小時內 ，預測出該批混凝土在 28 天後 的抗壓強度。這讓工地經理能提前預判風險，避免重大經濟損失與工期延誤。   4.     埋入式物聯網傳感器：智慧溫度與濕度監控 混凝土澆置後的養護（ Curing ）決定強度發展。 POSCO 將無線傳感器埋入混凝土結構中， 24 小...
閱讀完整內容