關於 鍍層厚度量測 ，我們在網路上蒐集到這些相關的討論、資訊與評價

台灣能源轉型進行式ing..... 【綠能科技聯合研發計畫】再生能源點亮創能、儲能應用大未來（05/18/2021 天下雜誌）

文: 台灣經濟研究院

創能技術開發著重提升綠色能源能量與降低成本

創能領域前瞻綠能技術開發配合發揮臺灣太陽光電與離岸風力等再生能源特色，透過提升電池模組效率趨動太陽光電成本下降，以及利用智慧平台系統助於離岸風場海事工程量測與運維，降低風場運維成本，以提升產業競爭力。

開發高效率、低成本、超輕量之太陽能電池技術

提升太陽能電池效率已刻不容緩，成功大學陳引幹教授團隊運用原子層沉積技術，沉積不同氧化物材料膜層於堆疊型太陽能電池中，以優化各膜層厚度、品質與材料純度等，進一步提升太陽能電池品質。中央大學許晉瑋教授與劉正毓教授團隊以軟性三五族太陽能電池收集室外光源，提供智慧模組(溫度感測器與藍芽)足夠電能回送電子訊號，朝向智慧模組「自我維持」前進。

在降低成本方面，大葉大學黃俊杰教授團隊利用非真空設備取代電漿輔助化學氣相沉積(PECVD)、用原子層沉積設備(ALD)以及銅漿料取代銀漿料達成低成本射極鈍化及背電極(PERC)太陽能電池開發。成功大學張桂豪副研究員與李文熙教授團隊創新製程置換太陽能鋁電極，以低成本空氣燒結銅電極應用於高效率雙面太陽能電池，將有效降低太陽能電池成本支出，增加產業獲利能力。

隨著太陽光電產能市場逐漸飽和，相關企業轉型尋求高效率與超輕量太陽能模組，以無人機應用為例，臺灣大學藍崇文教授團隊替無人機縫製出可以吸收太陽光轉成電力的衣裝，賦予偵查、通訊等任務。臺灣大學林清富教授團隊開發適合於固定翼無人機之輕量太陽能模組的大面積(30x150 cm2)太陽光模擬器，於宜蘭大學城南校區建置可供太陽能無人機測試起降與飛行場域。

兼具發電及產氫之仿生創能技術

氫能源為一種乾淨、能量密度高、環保零汙染、應用廣泛與取得容易的新能源，仿生電池即是透過模仿植物光合作用，為既能製氫又能發電的多功能太陽能系統。清華大學嚴大任教授團隊開發氫氣光電催化的催化劑由鉑金轉換為更具有普及性且兼具效能的材料，透過電漿子結構來強化二硫化鉬與日光光場交互作用，增加光能轉化為氫能的效率。中央大學王冠文教授團隊則建置高效穩定低成本之雙效產氫產電系統，利用其太陽能轉換再生電力進行光電催化分解水產氫並儲存，達到能源永續發展之概念。

智慧平台系統助於離岸風場海事工程量測與運維

面對臺灣附近海域高溫、高濕、多颱風與地震頻繁的特有地理環境，以及海上嚴苛條件，成功大學林大惠教授團隊開發離岸觀測塔風向定向系統，可降低量測成本、提高觀測準確性與量測效率，有助於離岸風場開發之海事工程量測。臺灣大學蔡進發教授團隊著重開發離岸風場運維大數據智慧平台，提供數據及開發各種量測技術，達到風機早期診治、早期預防功效，以期降低運維成本。

儲能技術開發著重高效能、高安全、具經濟性以支持各種儲能應用

隨著電力系統快速發展，電力儲存設備的布建應隨之增加其靈活度，以確保間歇性再生能源的儲存整合，促進電力供應端和儲存之間高效率的轉換。而儲能領域當中，又以先進二次電池與先進氫能為基礎核心發展項目。

開發高能量與高安全之固態電池技術

為進一步提升儲能電池安全與效率，全固態鋰電池已經成為研發主流。研究方向多針對電池正極、負極、以及電解質創新材料與設計，進一步提升能量密度需求與提高電池系統的總體能量。

正極材料方面，大同大學林正裕教授團隊開發具可量產層狀富鋰錳基正極材料合成技術，同時透過離子摻雜技術穩定其正極材料之晶體結構、改善材料的離子導電度，進而提升其電池穩定性及電容量。

負極材料方面，清華大學杜正恭教授團隊採用太陽能板製成切削的廢料矽，將此進行高值化做成鋰電池的負極材料，並用交聯反應開發矽負極黏結劑，以共沉澱法、自身氧化還原法進行正極材料開發參雜改質，提升鋰離子電池的循環壽命和快速充放電的能力。交通大學陳智教授團隊利用電鍍雙晶銅箔作為矽基負極材料的基板，配合富鎳層狀氧化物正極構成鋰電池，提升鋰電池的整體能量密度，提供各項裝置或載具更好的續航力。

電解質材料方面，明志科技大學楊純誠教授團隊主要開發鋰鑭鋯氧氧化物固態電解質，並將其應用在NCM811陰極材料上，最終組裝成鈕釦型及軟包型電池。成功大學方冠榮教授團隊開發高緻密性鈣鈦礦、橄欖石、石榴子石結構氧化物及硫化物電解質，以及具獨特性金屬、非金屬中介層，有效降低固態電解質/電極介面阻抗。臺灣科技大學王復民教授團隊研發固態電解質具環保水溶性，有低成本與綠色製程之特性，且能有效改善固體接觸的介面問題，可製備成高容量、輕量化與高性能二次電池。臺灣大學鄭如忠教授團隊深入探討高分子固態電解質，藉由合成改質方式可提供具彈性的高分子，進一步利用後調整加入鋰鹽的種類及添加劑，使研發的高分子固態電解質更符合商用規格。

兼具發電及產氫之仿生創能技術

氫能可作為重要儲能技術研發之原因，乃因其最終可實踐潔淨能源，提供眾多行業(如化工、鋼鐵重工及長途運輸等行業)有效脫碳方法，降低碳排放量，改善空氣品質並加強能源安全。且相對其他儲能系統，氫能另一大優勢為其電轉氣儲能系統有儲存量大以及放電時間長的特性。

行政院原子能委員會核能研究所長久以來專注於氫能領域。張鈞量博士團隊開發大氣電漿噴塗製備金屬支撐型固態氧化物燃料電池之可量產技術驗證，可進行大面積(10╳10 cm2)金屬支撐型固態氧化物燃料電池片之生產；余慶聰副研究員團隊利用新型產氫技術結合二氧化碳捕獲技術，使用低成本觸媒生產95%以上的氫氣，省去複雜的純化處理，大幅降低氫氣製造門檻；李瑞益研究員團隊則是著重於開發固態氧化物燃料電池發電系統，可直接將燃料如氫氣、瓦斯或天然氣轉換為電力，並將餘熱回收再利用，具有高能源轉換效率。

燃料電池方面，中央大學李勝偉教授團隊開發中低溫操作的陶瓷電化學儲能電池，所使用的關鍵電解質材料可使操作溫度降到400-700℃區間，且開發關鍵電解質、氫氣電極與空氣電極材料性能與微結構設計，利用靜電紡絲技術製作空氣電極材料奈米纖維，並成功與電解質相互整合，可提升單電池性能14.1%。

儲存氫氣方面，清華大學陳燦耀副教授與曾繁根教授團隊選擇碳材料進行儲氫研究，以零模板水熱碳化法合成出奈米碳球，最後輔以奈米金屬修飾產生之氫溢流效應(Spillover Effect)，提升氫氣吸附效能。

製造氫氣方面，臺北科技大學鄭智成教授團隊致力研發低成本、高穩定度、高效率之中溫固態氧化物電解電池電極材料，另外開發新型氨氣裂解觸媒技術，大幅改善現有氨裂解觸媒反應速率過慢之缺點。中興大學楊錫杭教授團隊則開發非貴金屬觸媒應用於水電解觸媒，以降低裝置成本，並且研發陰離子交換膜和膜電極組，使效率能有效提升。臺灣大學謝宗霖教授團隊發展具突破性之太陽能電解水產氫技術，以低成本、易量產、高效率的鈣鈦礦─矽晶疊層太陽能電池進行電解水產氫，並達到具競爭力之太陽能轉氫能效率水準(10-15%)。而臺灣科技大學胡蒨傑教授研發適於氫氣分離的複合薄膜，藉由熱力學與動力學的基礎理論調控薄膜成膜機制，開發高孔隙度且結構穩定的基材膜，結合優異特性的基材膜及選擇層。

綠色能量持續擴散，協助臺灣繼續邁進成為「亞洲綠能發展中心」

科技部「綠能科技聯合研發計畫」藉由學研界前瞻創新研發能量，推動新能源及再生能源之科技創新，進一步擴大產學研界連結之效益，積極延續科研成果落實產業應用，以期為我國綠能產業布建機會，並協助政府達成能源轉型，且透過綠能科技發展躍身國際舞台。

完整內容請見：
https://www.cw.com.tw/article/5114845

♡

【中鋼AI現場2：如何靠微米級控制力年省成本千萬？】熱浸鍍鋅AI應用大解密

微米級鍍鋅厚薄如何控制的恰到好處？既要賦予足夠耐蝕性，又要不超量用鋅降成本，秘訣是用AI達成精準生產控制，再用影像辨識找瑕疵，維持鋅層表面品質

文/翁芊儒 | 2021-03-04發表

攝影／洪政偉

生活中隨處可見鍍鋅類產品，凡是有耐腐蝕需求的鋼鐵加工製品，包括作為建材使用的浪板、擔當汽車門面的汽車鈑金、每天都要打開的電冰箱，還有高階電腦伺服器外殼、傢俱、彩色底板、滑軌、風管等等，都可能是運用中鋼的熱浸鍍鋅鋼捲，加工製作而成。

熱浸鍍鋅鋼捲，是中鋼的塗鍍產品中的其中一項，年產量約有87.5萬噸。中鋼軋鋼三廠第二熱浸鍍鋅課課長羅萬福就指出，每一批出產的鋼捲，都需根據中下游客戶需求，客製化調整鍍鋅膜厚，或是進行化成處理，在鋼捲表面進行鉻酸鹽、耐指紋處理等動作，來因應不同加工製品所需的特性。

比如說，部分高階電腦、伺服器的外殼，不會再進行烤漆，而是直接裸用鍍鋅後的鋼片，對這些廠商來說，就會要求鍍較薄的鋅層，才能維持產品表面品質美觀。相對來說，生產建材浪板的廠商，對鋼捲表面品質的要求就較低，而且考量到浪板恐架設在環境不佳的地方，反而要用越厚的鋅層，來製造高耐蝕性的產品。

由於不同客戶要求的鍍鋅模厚都不同（內行說法會用鍍鋅模重，以「公克／每平方公尺」來計），如何精準控制鋅層厚薄，就成為中鋼熱浸鍍鋅廠的一大挑戰。

中鋼技術部門代理副總經理鄭際昭指出，不同產品有不同規格的鍍鋅膜厚，若鍍的太多、高於客戶需求的厚度，由於鋅是高成本的原料之一，就會造成成本的浪費；若鍍鋅層不符合產品規格，又將導致客戶無法使用或加工後續問題，造成品質客訴。「如何控制的剛剛好，讓客戶審核過關，又能省成本，這是我們的目標。」

開發控制鍍鋅膜厚的自動調參AI，年省成本1,600萬元

為了更精準控制鍍鋅膜厚，來減少生產浪費，中鋼用AI開發了控制鍍鋅膜厚的製程調參AI，試圖解決製程中的大量複雜參數，如何影響鍍鋅膜厚的問題。這類製程調參AI，也正是製造業最典型的AI應用之一。

鄭際昭解釋，要將鍍鋅厚度控制的恰如其分，並不容易，因為鍍鋅層厚薄的生產參數，包括氣刀開口大小、與鋼帶的距離、氣刀的氣壓、鋼帶厚度、鋼帶溫度、產線速度等多重變因，都會影響鍍鋅膜厚。

過去，這些複雜參數的調整，都靠老師傅的經驗來人工調參，羅萬福表示，由於不同老師傅之間又有不同的經驗法則，雖然留存了一本本抄滿生產參數的筆記，但後人看不懂也難以吸收，造成經驗傳承的斷層，「這對於面臨員工退休潮的中鋼來說，是很大的問題。」

而且，過去調整完參數後，需要等鋼帶經過100～200公尺的冷卻，才有辦法進行線上鋅層厚度量測，若量測當下發現鋅層過厚或過薄，回頭調整生產參數時，中間就已經多生產了上百公尺的鋼捲，換句話說，從參數調整到成品量測之間，存在冷卻的時間差，「中間多鍍的鋼帶，就會造成浪費。」鄭際昭說。

為了克服這兩大問題，中鋼約從2年前開始投入製程調參AI的研發，先自動化蒐集生產參數，累積上萬筆大數據資料後，建立了一個AI模型，來歸納在不同參數組合下，所造成的鍍鋅膜厚變化。

去年初上線這項應用後，將參數帶入AI模型中，就能即時預測出鍍鋅膜厚，雖然比不上直接量測的數據精準，但是，以此來即時修正生產參數，能避免冷卻期間造成的鋅層浪費，對於鍍鋅膜厚的控制，也比人為設定更準確。

羅萬福指出，傳統人工調參仍然有約20%會失準，但投入AI後，約只有3%結果失準，準確率達到97%左右，更能減少約4.5%的鋅層的浪費。換算下來，一年就能省下1,600萬元的成本，帶來上千萬元的效益。

建立檢驗區瑕疵辨識AI，降低人工目檢負擔

除了鍍鋅膜厚的生產控制面臨挑戰，熱浸鍍鋅廠的另一大難題，則位於檢驗室中，以人工檢測鍍鋅鋼捲的表面缺陷時，具有一定程度的漏檢率。

實際走訪檢驗室，可以了解到員工過去要查驗鋼捲，需要在快速傳輸的鋼帶上，識別出鋼捲表面的缺陷，而且，不只要識別鋼捲單面的缺面，更要透過鏡面反射，同步識別雙面的缺陷，格外考驗員工眼力，「所以我們都找年輕人來看，眼力比較好。」羅萬福笑著說。

但是，人力識別缺陷的方法，仍有其侷限，除了不是所有缺陷都能肉眼識別，人也一定會眨眼，無法不間斷盯著鋼捲檢驗，加上鋼帶一直在動態傳輸，都提升了識別缺陷的難度。羅萬福舉例：「以前比較誇張的狀況，檢驗員還會因為沒有檢查完全，把鋼捲送到處理線慢慢看，但這樣會增加出貨的時間，造成產線的負擔。」

為此，中鋼導入了另一個同為製造業的典型AI應用，訓練出瑕疵檢測模型，透過影像辨識技術，在即時的鋼帶影像畫面中自動標記缺陷的位置、形狀、大小、嚴重程度，抓出缺陷後，再經由人工複查是否確實。換句話說，過去要由人工全檢所有鋼捲的查驗流程，現在能以AI自動辨識來取代，人工只需複查經AI標示出缺陷的鋼帶區域即可，不僅大幅省下查驗人力，更提升了缺陷識別的的準確率。

羅萬福指出：「過去用人工檢驗，會有一定的漏檢率，可能5%～10%，真的很難每一個缺陷都看到。」但在加入AI後，幾乎不再發生漏檢，瑕疵辨識準確率提升到95%以上，進一步提升了鋼捲品質。

人工查驗除了有漏檢的風險，更大的問題，則是在於沒有一套記錄的機制，將鋼帶表面的查驗記錄保存下來。

「以前遇到客戶說，在100公尺的地方有一個缺陷，你們怎麼沒看到？我們就只能認了，因為沒有記錄。」羅萬福指出，沒有記錄機制，就無法得知缺陷到底是發生在自家工廠，還是客戶的工廠中。

但現在，透過AI檢查鋼捲表面，自動標示出缺陷位置與種類後，將這些紀錄留存下來，未來遇到客戶反應類似情形，就能提供當初查驗留存的缺陷地圖（Defect Map），來證明工廠出貨時的品質無虞。

「所以我們不只是導入AI，還把整套記錄建立起來。」羅萬福說。

目前，檢驗區的瑕疵辨識AI已經在去年正式上線，但這項技術，還不足以完全取代人工查驗，除了缺陷處需人工複查，部分非表面瑕疵的缺陷，比如鋼片側面成波狀等形狀缺陷，還是需要靠人眼來識別。

進料區也設瑕疵辨識AI，找出上游廠缺陷鋼捲

除了在後段的檢驗區導入瑕疵辨識AI，中鋼也正在將該技術導入前段進料區。這是因為，部分在後段檢驗到的鋼捲表面瑕疵，可能不是在熱浸鍍鋅廠造成，而是在前一廠區製成鋼捲時，就已經生成。

羅萬福指出，一般來說，鋼品表面的缺陷可能是在傳送鋼帶的過程中，因下方滾輪沾附不明物體，而在鋼帶表面殘留印跡，「不外乎是壓痕、刮痕、或是一些污染，」當發現這些缺陷，就得去找出造成缺陷的來源，並確實清除乾淨，確保下一捲鋼捲的生產過程不會留下缺陷。

然而，在後段檢驗區查驗出缺陷，回頭在製程中查找缺陷來源時，若缺陷並不是在熱浸鍍鋅廠區生成，可能需要花費更多時間來判定缺陷來源。不只如此，熱浸鍍鋅產線從頭到尾大約要經歷2,000公尺的加工運送，若是在前一廠就已經產生嚴重缺陷，原本就不合格的鋼捲，又多進行了近2,000公尺的製程，對鍍鋅原料來說也是種浪費。

「如果可以在進料區就先檢測出來，就能馬上可以判斷，這一捲鋼捲還要不要繼續生產。」羅萬福說。

而且，越早發現缺陷，也能越快通知上游工廠找出生產流程的問題，不只能避免產出更多有瑕疵的鋼捲，快速撤查出同一批生產的瑕疵品，也能減少其他下游廠誤用瑕疵品的可能性。

因此，中鋼正在開發前段進料的瑕疵辨識AI系統，但不是只用於找出缺陷而已，而是要與後段檢驗區瑕疵辨識系統所拍到的畫面，進行整合比對，來檢視前端所發現的缺陷，是否就是造成後段缺陷的原因，藉此建立缺陷演化分析的AI模型。

這個AI模型，能用來判斷進料時不同類型的瑕疵，經鍍鋅製程後是否還會留存下來，當模型越準確，就能判斷前段缺陷的危害程度，來節省更多的浪費。

「這就是我們的產業專業知識，去定義出這個缺陷類型是不是刮痕、這道刮痕鍍鋅後還能不能看得見、這捲鋼捲能不能繼續生產？」羅萬福說。

羅萬福表示，若在後段檢驗區發現鋼捲瑕疵，一噸鋼捲就要損失200美元以上，一捲鋼捲約20噸重，換算成臺幣，就會損失12萬元以上，「能即時找出缺陷，預先判斷要不要繼續生產，就是成本控管的關鍵。」

若用一句話來解釋熱浸鍍鋅方法，就是將鋼捲放入鋅槽，使其雙面都沾附鋅液，讓鋼片表面附著一層薄薄的鋅，能耐腐蝕。不過，實際上要生產出一捲捲數噸的熱浸鍍鋅鋼捲，需要經過一連串複雜的處理流程，先後進入進料區、退火區、鍍鋅區、調質整平區、塗覆區、檢驗區、出料區，才能完成熱浸鍍鋅的作業。

中鋼開發的AI應用，位於生產流程中的進料區、鍍鋅區與檢驗區。在進料區與檢驗區，運用了AI瑕疵檢測技術，來取代部分人工查驗作業，在鍍鋅區，則運用了AI製程調參的技術，找出不同生產條件下的最佳化製程調參作法。

１ 進料區：進行的解捲、剪裁、焊接的步驟，先運用解捲機，將入料的鋼捲攤開，剪裁後，再利用焊接機，把兩個鋼捲接在一起，形成一個連續鋼捲，類似於將兩個捲筒式衛生紙的紙面連起來的樣子。

2 退火區：透過溫度變化，達成特定產品所需的機械性質，比如高強度鋼，需要在特定製程條件下才能生產而成。

3 鍍鋅區：鍍鋅區主要配備一個鋅槽，並透過氣刀來將多餘的鋅液刮除，藉此來控制鋅的膜厚（公克／每平方公尺），中鋼可生產單面每平方公尺40～200公克的熱浸鍍鋅鋼捲，越薄的鍍鋅層，用於越高階的產品，也越考驗鍍鋅的技術。

4 調質整平區：運用調質軋延機將剛鍍完鋅的光滑鋼板，依據客戶的需求，加上特定的表面紋路，比如部分要求高粗糙度的鋼板，就會以調質軋延機賦予特殊的表面。

5 塗覆區：在鋼品表面進行特殊處理，比如在用於家電外殼的鋼板上，進行耐指紋處理；又或是在用於抽屜滑軌的鋼板上，塗上高潤滑塗劑，確保鋼板能承受超過一萬次的拖拉。

6 檢驗區：查驗每一捲鋼捲表面是否有瑕疵。檢驗室內設置了鋼捲的垂直檢驗區及水平檢驗區，前者需透過鏡面反射，同步識別鋼捲雙面缺陷，後者則能從不同角度發掘瑕疵。

7 出料區：依據客戶對鋼捲寬度與重量的需求，將鋼捲裁邊修改成特定尺寸，再分捲成不同噸數的鋼捲，或是將鋼捲焊接成超過原尺寸的鋼捲來出貨。

AI瑕疵辨識如何取代人工目檢

作業流程？

實際走訪檢驗室，可以了解到員工過去要查驗鋼捲，需要在快速傳輸的鋼帶上，識別出鋼捲雙面的缺陷。但是，過去的作業流程，存在一定漏檢率，更可能因為沒有檢查完全，把鋼捲送到處理線重複檢驗，而延遲出貨時間，造成產線負擔。（如圖示：人工目檢1、2）

導入AI後，透過影像辨識技術，員工現在已經可以坐在控制室，看系統自動抓出鋼捲表面缺陷，再進行人工複查。如此一來，不僅大幅省下查驗人力，更降低了缺陷識別的漏檢率。（如圖示：AI作法1、2）

除了在檢驗區導入，中鋼也正在開發進料區的瑕疵檢測AI，要提前檢驗出上游鋼廠造成的瑕疵，攔截瑕疵品進入產線加工，來減少鍍鋅原料浪費。（如圖示：AI作法3）

人工目檢１

人工垂直檢驗鋼捲

人工目檢２

人工水平檢驗鋼捲

AI作法１

以攝影機蒐集鋼帶表面影像

AI作法２

系統自動標示缺陷位置與種類

AI作法３

訓練進料區瑕疵辨識AI

附圖：過去得靠老師傅依據經驗法則來人工調參的作法，現在已經看不到了。以前，老師傅需將每一次的參數設定抄寫到筆記中（如圖所示），但現在透過AI，能更精準掌控特定生產參數下的鍍鋅膜厚。（攝影／洪政偉）
圖解熱浸鍍鋅生產流程
攝影-洪政偉
過去要查驗鋼捲，員工需要在快速傳輸的鋼帶上，識別出鋼捲表面的缺陷，且不只要檢查單面，透過鏡面反射，還得同步識別鋼捲另一面的缺陷。圖為垂直檢驗區的實際檢查流程。（攝影／洪政偉）
除了垂直檢驗，查驗人員也需水平檢驗鋼捲，從不同角度發掘鋼捲表面缺陷，比如沖模過程中，可能產生類似於污點的缺陷，即可在此檢驗出來。（攝影／洪政偉）
為了取代人工目檢，中鋼將攝影機裝設在垂直檢驗區的鋼帶底部，也就是圖中綠色雷射光點的位置；拍攝到的鋼帶表面影像，則會顯示到控制室的螢幕畫面中，同步進行影像辨識來查找瑕疵。（攝影／洪政偉）
在控制室內，員工可以直接從螢幕看見鋼捲表面檢查情形，若AI偵測到任何瑕疵，系統會同步標註出缺陷位置、形狀、大小、嚴重程度，提供明確的缺陷資訊，節省人力目檢的負擔。（攝影／洪政偉）
左邊螢幕是檢驗區瑕疵檢測系統，右邊螢幕則是進料區瑕疵檢測系統。目前，中鋼正在開發進料區瑕疵辨識AI，更要藉由與後段瑕疵辨識所拍攝畫面的比對，來建立缺陷演化AI分析模型。（攝影／洪政偉）

資料來源：https://www.ithome.com.tw/news/142941

【新創意！新商機！金屬中心參加2017台北國際發明暨技術交易展
達標率百分百】

結合發明、創新、投資的「2017台北國際發明暨技術交易展」發明競賽以一貫的新創意！新商機！展現國人豐沛的創新活力。2017年共有16個國家參賽、共845件作品參與角逐，總共頒發出23座鉑金獎、148面金牌獎、148面銀牌獎以及189面銅牌獎；其中又以鉑金得獎率2.7%，為發明展中難度最高之最高榮譽。

金屬中心今年參賽的技術包括智慧化近淨形鍛造成形、非接觸式電磁感應於微米級金屬雙層膜厚量測、石墨烯鍍層之製造方法、模組化適應性全向移動載具平台、多功多模態無人飛行載具、以及微創手術之新型固定植入物等，六項技術全數得獎共帶回1鉑金、4金牌、1銅牌亮眼好佳績，達標率百分百。

今年參展的作品包括以工具機、航空、車輛、船舶產業為應用端的鍛造齒輪製程，除了強調縮減道次、提升加工精度、也降低材料的浪費。為金屬中心獲得最高榮譽鉑金獎。而競賽區中詢問度相當高的技術則是榮獲金牌獎的無人搬運車及；除了可承載重量達300公斤，達成完全智慧化聯合搬運的功能，無人飛行載具更可替代人力執行的高危險性任務，是中心近幾年來重要新開發。另一項獲頒金牌獎的量測技術主要運用高頻探頭線圈設計及驅動電路、雙層金屬層量測演算法技術以及線上即時捲對捲動態量測厚度曲線，解決產業目前缺乏非接觸式銅厚量測之設備問題。此外，可運用在透明導電膜、散熱模組應用、感測器應用石墨烯薄膜製造，採物理性方法製備可大幅提升工業應用之價值，也獲金牌獎的肯定。

金屬中心近年來在醫療相關產業的研發成果也是不容小覷，獲得銅牌獎的微創植入物就是藉由漸進式螺紋的設計分散應力，減少股骨頸應力集中，對於骨質疏鬆患者，降低植入後縫合傷口與植入物貼附問題，降低患者導致敗血症與疼痛之風險，避免產生傷口感染或截肢之情形，由於採微創小傷口植入，兼顧美觀性及降低術後風險。