10月14日，在3.5萬噸/年丁晴橡膠裝置現場，蘭州石化橡膠部副主任成飛龍正緊盯著螢幕上各項數據。與此同時，AI驗膠系統正實時分析著生產參數，檢查每一塊橡膠的產品外觀品質。

　　“依託AI視覺檢測與大數據模型，我們補齊了行業人工管控粗放、品質檢測滯後的短板。”成飛龍介紹，這套數字化系統不僅為行業內“品質波動大、批次一致性差”的問題提供了有益參考，更在降本增效、安全風控方面取得了實效。

AI驗膠系統

　　橡膠是工業製造的核心合成材料，其品質直接影響下游製品性能。以前，丁晴橡膠生產長期依賴人工調參和離線化驗，受工藝複雜、工況波動等因素影響，人工精準調控難度大，門尼黏度等核心指標檢測滯後，導致產品品質不穩定，成為行業高端化發展的瓶頸。

　　對此，蘭州石化推進智慧製造，構建覆蓋數據、建模、分析、決策、執行的全流程品質管控體系，將管控方式從“事後補救”調整為“事前預判、事中調控、全程溯源”，重點圍繞聚合、凝聚兩大核心工藝展開。

　　在數據環節，蘭州石化打通生產全流程數據鏈路，採集工藝參數、設備狀態、原料配比、離線檢測等多維度數據，搭建標準化數據倉庫，並通過智慧演算法清洗、校準數據，解決數據分散不互通的問題，為後續管控提供支撐。

　　在品質預測環節，蘭州石化引入機器學習軟測量技術，用演算法模型代替人工化驗，挖掘工藝參數與產品品質的內在關聯，實現門尼黏度等核心指標的實時在線預測。同時融合神經網絡、近紅外光譜檢測等技術，不斷迭代模型，從源頭降低品質風險。

　　在工況管控環節，蘭州石化改變單一閾值報警的做法，融合多類智慧演算法，搭建異常檢測與根因診斷模型，能識別反應溫度異常等問題，定位根源並輸出調參方案，形成“感知、預測、決策、執行”的閉環調控。針對橡膠多牌號切換場景，模型可提前預判品質風險，形成標準化作業方案，進一步降低切換過程中的產品不合格率。（文/圖 蔣攀 馮旭）