曾振韋、黃挺瑋、鍾權偉、郭泰良 / 工研院材化所
原油在煉製過程產生的鹽酸，是造成煉油設備內部腐蝕的主要因子。然而，對於設備腐蝕控制的困難點在於原油成分不穩定以及生產設備可控參數過多，致使操作人員無法精準控制參數以達到最佳保護的效果。為了精準掌控各項製程參數對設備產生的影響性，工研院材化所使用人工智慧深度學習框架搭配歷史操作數據，建立設備腐蝕響應預測模型。研究結果顯示，完成訓練的模型對於歷史數據趨勢相關性可達80%以上，顯示模型可對系統腐蝕的影響性進行有效的定量。藉由將模型作為腐蝕預測模擬器，現場作業員可在不傷害設備的前提下，預先規劃最佳的設備操作策略，有助於實現最佳的設備保護與節能效益。