本期『鋼鐵減碳與製程循環』技術專題，由工研院材化所及中興大學的專家學者群，撰寫關於低碳煉鋼反應的「高爐多尺度近實模擬整合應用技術」、「鋼鐵產業低碳製程技術發展趨勢」、「高氧化鋁液態造渣劑之電弧爐節能效益評估」及彩鋼塗料低碳化的「低溶劑聚酯與鋼品彩塗塗料技術發展趨勢」四篇文章，從不同面向深入介紹鋼鐵低碳冶煉技術手段，以及下游鋼品加工耗材減碳契機。未來期待與國內鋼鐵業共同攜手，以鋼鐵意志、堅定不移地朝著減碳方向持續邁進。

跨越百年的世紀交會―人工智能與煉油石化
在淨零趨勢與ESG浪潮下，人工智能被煉油石化產業視為轉型的利器。事實上，煉油石化產業很早就投入智慧轉型，包括早期的數位轉型，但現在被期待有更為積極預知的做法，於是在智慧工安、環保、設備可靠度、製程優化及營運管理方面，各種人工智能題目如雨後春筍般被大量提出。本期『AI應用於石化產業』技術專題，結合實際場域需求以及人工智能專業知識，從解決產業面臨關鍵問題的角度，分享實用的技術解決方案。其中針對煉油廠第一道製程單元—原油粗蒸餾單元，由於原油中的氯鹽、硫酸鹽對設備或管線造成腐蝕損害，工研院與台塑石化公司合作開發的原油粗蒸餾單元AI腐蝕調適系統，其客製化監控軟儀表已成為製程及設備管理人員的決策輔助工具。在轉動設備可靠度方面，中油公司藉由線上即時製程資訊收集歷史數據，建立預兆診斷與健康管理指標，成功應用於丙烯壓縮機狀態轉變和異常原因的即時判斷。

另外，卷積神經網路(CNN)能將萃取出來的特徵再送到下一個卷積層做進一步的特徵萃取進而增強神經網路的學習效率，本期也分享幾例CNN的實際應用，包括：CNN結合紅外線檢測法可以快速且大範圍地找到保溫層下腐蝕好發區，減少誤拆誤檢及不必要的搭架工作；對於空冷器熱交換管的渦電流檢測，CNN能在時間緊湊的大修期間提供即檢即判的訊號判讀功能，有助於當場決策疑似不良管是否再檢測或直接換管；中油公司在智慧工安方面，已將CNN應用在現場單位的承攬商管理、個人防護具、異常危害(如火災)即時通報、電子圍籬，在設備預知保養方面，則是將CNN應用在轉動機電流頻譜圖辨識，篩選出異常硫磺工場壓縮機並進行拆修；最後，在智慧腐蝕巡檢議題上，工研院結合CNN腐蝕辨識與同時定位與地圖建構技術，可於巡檢過程中自動辨識腐蝕樣態並記錄腐蝕位置，作為腐蝕趨勢分析或是後續塗裝工程排程的參考依據。精彩專文提供讀者掌握現代煉油石化及人工智能這兩大領域正交會出絢爛花火！

主題專欄與其他
複合材料專欄「碳纖維複材於車輛產業之應用」延續上期，從複材於各車款應用的演進，探討碳纖維複材在新能源車輛零組件的應用現況，並剖析國內複材業者在車輛產業投入的現況及未來面臨的挑戰。淨零永續專欄「淨零排放串起竹產業循環經濟新軸線」探討竹產業發展從過往的封閉式創新，轉變成開放式創新，直接經由業者訪視，了解產業技術缺口和實際需求，於短時間建構相關技術與創新產品，反轉傳統竹產業發展，成為循環經濟新軸線。專文篇篇精彩，歡迎賞閱！