一、廢料是隱形成本，不是「理所當然」

在台灣的金屬加工廠與鋼構廠中，廢料（Scrap）長期被視為不可避免的生產成本。然而，根據工業工程的實務研究，傳統人工排料的鋼板利用率平均僅達 70–80%，意即每採購 100 萬元的鋼板，有高達 20–30 萬元的原料成本以餘料形式報廢或低價出清。若同一工廠每月鋼材採購額達 300 萬元，僅靠提升利用率至 90% 以上，每月即可節省超過 30 萬元的原料支出，直接轉化為毛利增幅。

本工具的智慧排料引擎透過演算法自動完成這件事——在數秒內計算出人工需要數小時才能推敲出的最佳排列方案。

二、2D 排料演算法：不只是「塞方塊」

本工具採用的 2D 矩形巢狀排列（2D Rectangle Nesting）演算法，核心邏輯為「天際線演算法（Skyline Algorithm）」。其運作方式如下：

• 優先排列大件零件： 系統將所有零件依面積由大至小排序，優先佔用母板左上角最佳位置，確保大件不會因空間碎片化而無法放入。
• 動態天際線追蹤： 每放入一個零件，系統即時更新「天際線」（即各列的最高已佔用高度），確保後續零件始終尋找最低可用高度的位置。
• 自動旋轉 90°： 每個零件都會同時嘗試 0° 與 90° 兩種方向，選擇使天際線高度最低（即空間利用最佳）的方向擺放。
• 15mm 切割間距預留： 系統在每個零件四周自動預留 15mm 的割縫餘量，符合等離子切割與雷射切割的實際工藝需求。

上述邏輯使得本工具的排料利用率在典型工件組合下，可比純人工排料高出 8–18 個百分點，對於鋼板面積越大、零件種類越多樣的情境，效益越顯著。

三、型鋼配料：一維優化的關鍵邏輯

型鋼（H 型鋼、角鋼、槽鋼等）的裁切是一維問題，核心挑戰在於：如何用最少支數的定尺型鋼，裁出所有需求零件，同時使各支的殘料最短。本工具採用「首次適合遞減演算法（First Fit Decreasing, FFD）」，按以下步驟執行：

• 將所有需求零件按長度由長至短排列。
• 依序嘗試將每個零件放入剩餘空間足夠的現有型鋼中；若無法放入，開啟新的一支。
• 持續循環直到所有零件均完成配置，輸出各支型鋼的切割清單與殘料長度。

FFD 演算法在學術上已被證明，其結果不超過最優解的 11/9 倍，是兼顧計算速度與排料品質的實用選擇。在實務上，它能有效避免人工試算最常見的問題：先裁短件、導致長件無處可放、最終被迫浪費一整支型鋼。

四、導入排料優化的投資報酬試算

以一家中型鋼構加工廠為例：

上表為估算示意。實際數字依工件組合、板材規格與廠商廢料收購價而有所不同，但方向性結論一致：排料優化是最快回收、不需資本支出的毛利改善手段之一，比購置新設備或擴大產能更能立竿見影地影響損益表。

五、環境面：減少鋼鐵廢料，也是 ESG 的一環

鋼鐵生產是高耗能、高碳排的工業過程。生產 1 公噸的碳鋼，約排放 1.8–2.2 公噸的 CO₂。當廢料率從 24% 降至 9%，意味著企業在同等產值下，實際消耗的原生鋼材量減少，連帶降低整體供應鏈的碳排放強度。對於積極推動 ESG 報告、申請綠色採購資格或進行碳盤查的企業而言，排料優化帶來的廢料減量數據，可直接記入 Scope 3 排放的減量成果中，具備明確的永續效益。