top of page

SDGs/ESG ⽔資源危機與⽔回收數位轉型新契機

已更新:2022年4月14日

謝⽂彬/臥⿓智慧環境 執⾏⾧


⼀、前⾔


2021年台灣⾯臨56年來缺⽔危機,台中地區德基⽔庫蓄⽔率⼀度降到1%,情況危急全台陷⼊⼀陣恐慌,主因為近年來全球氣候變遷影響,今年降⾬量少1000 毫⽶,且海外廠商回流帶動經濟導致⼯業⽤⽔需求增加(2021 ⼯業⽤⽔需求增加4%)(1),⼀增⼀減中,產⽣嚴重供⽔不⾜問題,所以⼯業⽤⽔節⽔與提升⽔利⽤率刻不容緩,台灣年平均降⾬量2500 mm 為世界平均值2.6 倍,但是,因為中央⼭脈地勢⾼聳,河川短⼩流急,不容易留住⾬⽔,再加上台灣⼈⼝稠密,每年每⼈可分配的降⾬量僅有世界平均的1/5,被聯合國列為全球排名第18 位具缺⽔危機的國家(2),不只台灣,國際上也⾯臨相同⽔資源問題, 早在1970 年代,聯合國就⽰警,⽯油危機之後,下⼀個危機是⽔。⽔資源的供給有限,需求卻不斷增加,所以⽔在21 世紀⼜被稱為「藍⾦」(blue gold),⽐⽯油更珍貴。


當今世上每三⼈中就有⼀⼈無法獲得安全飲⽤⽔。同時,2015 年聯合國宣布了「2030 永續發展⽬標」(Sustainable Development Goals, SDGs),其中SDG 6 淨⽔及衛⽣項⽬,⽬標為確保全球所有⼈都能享有⽔、衛⽣及其永續管理,到西元2030 年,透過減少污染、消除垃圾傾倒、減少危險化學物質與材料的釋出等⽅式來改善⽔質,將未經處理的廢⽔⽐例減少⼀半,並提⾼全球回收利⽤與安全再利⽤率(3),有鑑於此,台灣與國際都⾯臨全球性⽔資源有效應⽤與管理問題,也因為此危機,全台產官學研全員動起來,若能結合⼈⼯智慧技術,智慧有效⽔資源管理與應⽤將是未來重要⽅向。


⼆、⼯業⽔回收現況與挑戰


台灣⼯業以製造為主,⼯業⽤⽔穩定提供與⽔回收再利⽤為⾮常重要課題,⽬前台灣⼯業⽤⽔回收率(R2)(圖1),民國92-100 年R2⽔回收率47.7%提升⾄68.7%⽔回收上升速率快,民國105 年後⽔回收率70.7%提升⾄109 年約72.2%(4),統計數據中顯⽰民國100 年後⽔回收率明顯趨緩,顯⽰⼯廠端容易節⽔與⽔回收⽅法已逐漸完成,若⽔回收率要再提升,⽔回收技術與⽅法需要再升級,才可逐步實現民國120 年R2⽔回收率75%挑戰。下⼀階段⼯廠端⽔回收項⽬與⽬標可由歷年⼯業局『產業⽤⽔效能提升計畫』輔導案例結果統計尋知,由105 年⾄109

年節⽔輔導數據分析(圖2),製程⽤⽔節⽔建議⽅案逐年下降由61 件下降⾄21件,顯⽰較容易回收製程⽤⽔或清洗⽔已逐漸落實於廠端⽔規劃中,反觀,106年以後冷卻⽔塔節⽔件數與鍋爐⽤⽔件數持續增加,冷卻⽔塔節⽔建議由32 件增加⾄62 件,108 年後維持40 件以上,鍋爐⽤⽔節⽔建議件數由106 年8 件增加⾄26 件以上,顯⽰⽬前節⽔建議與規劃已轉向為⽤⽔量⼤且⽔質較差與不易⽔回收設施冷卻⽔塔⽤⽔與鍋爐⽤⽔系統,由於冷卻⽔塔與鍋爐⽤⽔質或補充⽔回收再使⽤技術⾨檻與費⽤⾼,若能搭配AI⼈⼯智慧系統,做精準處理與管理,將可有效提升⽔回收利⽤率與操作費⽤降低,逐步實現民國120 年R2⽔回收率75%挑戰。






三、智慧⼯業⽔處理與⽔回收


由於前述章節得知,下階段⼯廠節⽔項⽬技術⾨檻⾼,為了達成民國120 年75%⽔回收率與永續⽔資源利⽤⽬標,⼯業⽔處理與⽔回收可由下列幾⽅向著⼿與規劃及執⾏:

(1) 製程廢⽔有效分流與重新盤點:(節錄本⼈投稿永續產業發展期刊91期特刊)

(a) ⽼舊⼯廠:由於⽼舊⼯廠常因爲廢⽔沒有效分流,多種廢⽔共⽤管路,造成⽔處理與⽔回收效果不彰,隨著科技與⽔處理技術提升,舊有廢⽔匯集管線如何有效分流已有許多成功技術如複合式引流⼯法等,藉由此⽅法,將可以將⽼舊⼯廠提升有效分流率,進⽽得到⽔回收⽬標。

(b) 廢⽔已分流⼯廠:重新盤點是否因為製程改變,有無使⽤新的原物料,包含清洗⽔,⾼濃度廢⽔,低濃度廢⽔,無機廢⽔,有機廢⽔,研磨顆粒廢⽔等,先評估是否可以回收有價⾼濃度製程廢液,達到資源循環經濟再利⽤,剩餘不可資源化廢⽔再往⽔處理與⽔回收處理,再將廢⽔分類依照導電度,酸與鹼,有機物,重⾦屬無機物,研磨廢⽔等分類重新評估,搭配全廠⽔回收狀況尋找合理可利⽤⽔回收與再利⽤機會。


(2)⽔處理與⽔回收系統再進化:⼤⽤⽔⼾(1,000 CMD)⼯廠通常是⽔處理與⽔回收率較佳的績優⽣(回收率約60-85%),通常已完成較容易⽔回收⽅法,如回收製程產品清洗⽔再利⽤,如果需再提升⽔回收效率,未來將以冷卻⽔塔或5管末⽔回收為主,上述將需要應⽤較⾼⽔處理與⽔回收技術,相對成本也將提⾼⾄3-5 萬/CMD,由於此類回收⽔導電度或有機物與無機⾦屬濃度⾼問題,可⽤⽔處理⼯法例如Reverse osmosis, RO、Nano filtration, NF、倒極式電透析(Electrodialysis reversal, EDR) 、電流去離⼦(Electrodeionization, EDI)和離⼦交換樹酯等技術(5)。由於此類技術與操作成本⾼,若搭配AIoT ⼈⼯智慧⽔處理協助,有機會達到⽔回收⽬標並有效精準操作降低成本。


3.1 ⽔處理與⽔回收系統導⼊AI 化流程與評估⽅法

當⽔處理系統需要導⼊AI化流程分為兩階段(圖4),第⼀階段與第⼀步先進⾏內部評估痛點,主要最需解決問題優先(80/20 法則),定義問題後,判斷此問題是否⾃動化與預警即可以解決,增設感測器與IOT 機聯網,讓⽔處理系統產⽣系統預警可以初步警⽰操作⼈員並掌握系統與⽔質狀況,之後再進階⾄AI系統,因為建置AI 系統費⽤與花費⼈⼒需要投⼊更多資源,另⼀關鍵因素為參與⼈員需要現場⽼師⽗(domain expert)與外部專家⼀同努⼒提升系統效能,因為資料與AI model訓練最常發⽣data garbage in garbage out,藉由⽼師傅經驗標註與外部

專家提升⽔處理系統效能,並與AI⼯程師合作,讓系統效能提升也同時提升AI model 品質,第⼆階段由現場⽼師⽗(domain expert)與外部專家進⾏model 建置與再修正並定期或依效能重新retraining model 讓系統更完整與更優化(6-8)。




3.2 AI 智慧⽔處理與⽔回收⽅法與案例介紹


(a)AI 智慧⽔處理與⽔回收⽅法:

AI應⽤於⽔處理與⽔回收⽅法以⽬前常⽤AI技術分類包含巨量資料,

影像辨識與⾃然語⾔為主(圖5),其中(A)巨量資料也是⽬前應⽤最廣,利⽤⽔質與⽔處理系統操作參數及⼤數據收集後,進⾏AI model 訓練,產⽣預測與決策結果,進⾏系統智慧調控,常⾒如化學系統,AI 精準加藥應⽤於化學混凝與沈澱系統,AI智能調控於⽣物系統,活性污泥或A2O 系統應⽤MLSS sensor數據收集調控排泥與回流污泥或消化液回流系統最佳化,物理系統應⽤如濾床阻塞,薄膜系統MF、UF、RO、MD 系統阻塞預測與系統調控最佳化等


(b) 影像辨識,利⽤影像收集與圖層進⾏影像判別系統狀態,例如微⽣物種類判斷,⽣物濾床⾼度判斷,化學混凝膠⽻⽣成⼤⼩判斷,(C)⾃然語⾔,⽬前⾃然語⾔應⽤於⽔處理與⽔回收案例鮮少,作者依實務操作經驗提供⾃然語⾔於⽔處理與⽔回收可能應⽤,如⽔處理設施操作SOP 與Troubleshooting 對於⽔處理與⽔回收系統,操作者是第⼀線⼈員,系統有異常如何第⼀時間得知且快速處理與修復,當系統 alarm 產⽣,AI ⾃然語⾔系統,提供處理程序SOP 與操作步驟對話或者於操作Scada ⼀鍵處理,將可以有助於24 ⼩時運轉夜班同仁與⼈⼒不⾜場域,快速解決讓⽔處理與⽔回收系統快速回覆到常態,⾃然語⾔是⼀重要輔助與決策⼯具。


⽔回收效能與機會決定於前端⽔處理⽔質狀態與效率,當AIoT輔助⽔處理效能提升,相對⽔質也提升,有助於⽔回收與應⽤。




(b) AI 智慧⽔處理與⽔回收案例介紹:

(b1)AIoT前哨戰sensor穩定與準確應⽤

所有AIoT最重要的感知設備為Sensor,但是,⽬前台灣與全世界⾯臨共通問題為當⽔處理系統sensor 發出Alarm 發⽣操做者第⼀直覺反應多會有疑問,Sensor 準嗎?是真的⽔質出現問題,還是sensor 異常誤動作呢?Sensor 是⽔系統與⽔回收操作者眼睛也是直接連動⽔處理設施,若常產⽣不準確與異常將造成AIoT 很難普遍使⽤與瓶頸,所以「AI sensor 精準防禦系統」,主要針對⽬sensor 痛點,當sensor alarm 發⽣可以判斷是系統異常還是sensor 誤

警報,同時利⽤AI 演算法系統⾃動產出Sensor 異常問題與預防保養提醒,所以當AI sensor精準防禦系統判斷為⽔質異常,直接連動⽔質調控設備做精準調整(如圖6),讓AI預測與決策系統更精準不誤判(先精準判斷再執⾏正確Action)



(b2)冷卻⽔塔AI 精準加藥

AI 精準加藥應⽤範圍廣,包含與加藥相關設備都可以使⽤,本⽂以冷卻⽔塔為例,冷卻⽔塔耗能耗⾼與⾼耗⽔設備,佔石化廠能耗約1/3,舉例A石化廠冷卻⽔塔系統(Cooling Tower, CT),取水量分別為8,000 CMD,排水量約2,500 CMD,佔總⽤⽔量55.5%,為維持冷卻⽔塔系統運作防腐蝕與抗結垢,廠端定時定量添加藥劑調整,也因為傳統調控藥劑無法隨系統⽔質狀況動態調整無法精準加藥,容易造成添加過量與不⾜問題,(1)過量加藥:增加額外導電度,系統腐蝕,影響濃縮倍數與⽔回收再使⽤率,(2)加藥不⾜:管線結垢問題,菌⼤量⽣⾧,熱交換率差增加能耗。以AI 精準加藥依⽔質濃度與系統特性精確調整藥劑,提升⽔回收與⽔再利⽤率。


節⽔效益:由於控藥不穩定已造成管線結垢與細菌⽣⾧及⽔利⽤率不佳等問題,經由AI 精準加藥系統調整後,不會因為過量加藥產⽣多餘導電度,所以該廠⽤⽔量由17,160 CMY 下降⾄11,253 CMY,冷卻⽔塔節⽔量達5,907 CMY,節⽔效率達34.4% 如圖7,⽔利⽤率(濃縮倍數)由平均5.8 增加到8.7,增加2.9 倍,結果得知藉由精準加藥可以增加⽔利⽤率,降低原本過量加藥問題,AI 精準加藥⾧期可以達到減緩與延⾧管線結垢發⽣機率,若將此結果同步⾄廠區其他5 座冷卻⽔塔,初步估算效益為節⽔量315,340 CMY(圖8), ⽔費年節省3,784,115元(圖8)效益佳。另外,如果因為導⼊AI 將以往操作可能帶來管線結垢延緩或抑制,所產⽣減少能耗與碳權計算其中(5 座CT 18 座⾵扇管線積垢0.2 mm能耗損失 (假設20%數字來源:經濟部能源局 - 2012 年能源產業技術⽩⽪書)依能源局最新公布之108 年度電⼒排碳係數0.509 公⽄CO2/度換算)節碳量為263CMY。



四、結論


全世界⽔資源有限對於⽔資源分配限制與管理越趨嚴格,台灣寶島是全球製造業與半導體重要供應端,因為地形影響⽔資源保留不易,如何因應氣候變遷與經濟成⾧帶來可能缺⽔效應,應該以現有⽔處理與⽔回收技術結合新的智慧化導⼊讓技術升等邁向智慧⽔處理與⽔回收4.0 (digital water) ,提升公司ESG 與SDGs,除了硬體技術提升外,深耕基礎環境教育與訓練著實重要,公民從⼩教育⽔資源重要性,並且提升⽔處理與回收專業⼈員觀念與素養,軟硬體結合,邁進永續台灣。


五、參考⽂獻

(1).商業週刊,(2021),,1745期⼤乾旱碰上晶⽚最狂缺貨揭台積電19年造⽔戰爭。

(2) 國家災害防救科技中⼼,https://dra.ncdr.nat.gov.tw/Frontend/Disaster/RiskDetail/BAL0000022

(3). United Nations, (2021), The Sustainable Development Goals Report.

(4). 經濟部⼯業局,(2015-2020), 產業⽤⽔效能提升計畫期末報告 。

(5). 顏通 ,全華出版社(2013)⾼科技廠務。

(6). 陳昇瑋、溫怡玲 ,天下出版社(2019)⼈⼯智慧在台灣。

(7). 李傑 ,前程出版社(2019)⼯業⼈⼯智慧。

(8). ⾺可顏西提 ,卡林拉哈尼,天下⽂化出版社(2021)領導者的數位轉型




233 次查看

Comments


bottom of page