英國 Converge 如何以 AI 與智慧感測翻轉百年混凝土工法引領營建業淨零轉型

在人類文明發展的歷程中，混凝土始終是建構城市與基礎建設最重要的材料。然而，這項擁有百年歷史的建材，其施工與品質管理流程至今仍高度依賴人工經驗與傳統試驗方式。從配比設計、強度驗證到拆模時機判斷，多數決策仍建立在試體結果與工程經驗，而非即時數據分析。

隨著缺工、工期壓力、ESG 與淨零碳排成為全球營建產業的新挑戰，人工智慧（AI）、物聯網（IoT）及數位孿生（Digital Twin）正逐漸改變傳統施工模式。近年來，英國營建科技公司 Converge 便是智慧混凝土（Smart Concrete）領域最具代表性的案例之一。它不只是開發感測器，而是透過 AI 與雲端平台，將混凝土從「被動等待檢驗」提升為「即時監測、智慧預測與決策最佳化」。

傳統混凝土品質管理的三大挑戰

(1).    試體環境差異，無法反映現地真實強度：目前普遍採用圓柱試體進行抗壓試驗，但因試體是在實驗室的標準環境中養護，與實際工地現場的溫度、濕度及養護條件存在顯著差異 。這導致測試結果無法完整反映現地（In-situ）結構體的真實強度。

(2).    等待測試結果拖延工期，增加施工成本：工程團隊通常必須等待試驗結果出爐後，才能進行拆模、施加預力或安排後續施工工序。這種被動等待不僅限制了施工進度，還會無形中增加設備租賃與整體的管理成本。

(3).    難以即時掌握溫度變化，增加結構龜裂風險：在進行大型基礎工程或巨積混凝土（Mass Concrete）施工時，若無法即時監控水化熱以及混凝土內外的溫差，極易因為溫度應力而產生裂縫 。這將直接影響建築體的耐久性與整體結構安全。

因此，營建業真正需要的，不只是更快速的檢測方式，而是能即時掌握混凝土狀態並提供決策依據的智慧管理系統。

Converge：讓混凝土真正「會說話」

Converge 成立於 2014 年，其核心競爭力在於整合 IoT 感測器、AI 演算法與雲端平台，建立完整的智慧混凝土管理模式。

在施工現場，Signal^®、Helix^® 等智慧感測器可埋設於混凝土內部，即時監測溫度、成熟度（Maturity）及養護歷程，並透過藍牙或長距離無線通訊，將資料持續回傳至雲端。針對大型基礎建設，更可搭配多點溫度探測與 Gateway，形成全天候的智慧監測網路。

真正的核心並非感測器，而是後端的 ConcreteDNA^® 平台。它整合配比設計、生產批次、試驗室資料、施工紀錄、環境資訊與感測器數據，建立每一批混凝土的 Digital Concrete Passport（混凝土數位履歷），形成完整的數位孿生（Digital Twin）。

ConcreteDNA^®：AI 如何協助工程決策

ConcreteDNA® 是一套超越單純資料庫的 AI 決策引擎，其核心功能與運作方式可歸納如下 ：

(1).   資料治理與強度預測 (Data Governance & Machine Learning)

Ø 系統首先整合來自 ERP、生產設備、試驗室及工地現場等多方資訊 。

Ø 運用機器學習（Machine Learning）分析不同材料、水膠比、養護條件及歷史強度資料，以建立精準的混凝土強度預測模型 。

(2).   預測分析與提升效率 (Predictive Analytics)

Ø 根據即時監測結果與歷史案例，預測最佳拆模時間、施工風險及品質異常情況 。

Ø 例如：系統能提前預告拆模時間（如「預估明日下午即可達到拆模強度」），協助工地主任及早安排工班、吊車與施工流程，大幅提升施工效率 。

(3).   綜合因素最佳化 (Optimization AI)

Ø 系統會同步考量強度、成本、工期及碳排放等多元因素，提出最佳化建議 。

Ø 促使混凝土管理模式從傳統的「事後檢驗」，成功轉型為「事前預測與持續最佳化」 。

(4).   持續學習與精進 (Continuous Learning)

Ø 每當完成一項工程或累積一筆新資料，AI 模型便會進行持續學習與修正，不斷提升預測能力 。

Ø AI 愈來愈精準的關鍵，不僅在於演算法本身，更仰賴於持續累積的工程實際數據 。

更重要的是，每完成一項工程、每累積一筆資料，AI 模型都會持續學習與修正，使預測能力不斷提升。真正讓 AI 愈來愈精準的，不只是演算法，而是持續累積的工程數據。

對台灣建材的啟發

Converge 的成功展現了營建科技的新方向，證明 AI 正逐步改變百年歷史的混凝土產業，將傳統被動等待試體報告的管理模式，轉型為智慧數據驅動的即時決策。其技術的真正價值在於建立完整的資料管理與智慧決策能力，不僅能透過即時監測與強度預測來縮短決策時間、提早安排拆模以降低施工成本，更能將品質管理轉變為事前預警，及早發現異常以降低返工與品質風險。此外，透過 AI 精準掌握早期強度發展，工程團隊能在確保安全的前提下，大膽提高飛灰、高爐石粉等低碳替代材料的使用比例，使 AI 成為推動低碳混凝土與達成 ESG 目標的重要推手。

振緯智匯觀點

振緯智匯認為，儘管 Converge 的經驗值得借鏡，但台灣並不能直接複製其模式，因為國內面臨著骨材來源、粒徑分布、含泥量、含水率的明顯差異，加上高溫、高濕及颱風等極端氣候因素，這些本土化變數都會直接影響 AI 模型的準確度。為了解決這些差異並持續改進，真正適合台灣的 AI 必須建立在深厚的本土化資料與工程經驗之上。未來的智慧建材平台除了既有的機器學習（Machine Learning）與預測分析外，更應擴大整合電腦視覺（Computer Vision）、大型語言模型（LLM）、物聯網（IoT）、ESG 分析及知識圖譜（Knowledge Graph），打造出涵蓋原材料、生產、施工到維運的全生命週期 AI 決策平台，讓 AI 輔助工程師做出最佳決策，共同推動台灣市場的品質提升與低碳轉型。