10月14日，在3.5万吨/年丁腈橡胶装置现场，兰州石化橡胶部副主任成飞龙正紧盯着屏幕上各项数据。与此同时，AI验胶系统正实时分析着生产参数，检查每一块橡胶的产品外观质量。

　　“依托AI视觉检测与大数据模型，我们补齐了行业人工管控粗放、质量检测滞后的短板。”成飞龙介绍，这套数字化系统不仅为行业内“质量波动大、批次一致性差”的问题提供了有益参考，更在降本增效、安全风控方面取得了实效。

AI验胶系统

　　橡胶是工业制造的核心合成材料，其质量直接影响下游制品性能。以前，丁腈橡胶生产长期依赖人工调参和离线化验，受工艺复杂、工况波动等因素影响，人工精准调控难度大，门尼黏度等核心指标检测滞后，导致产品质量不稳定，成为行业高端化发展的瓶颈。

　　对此，兰州石化推进智能制造，构建覆盖数据、建模、分析、决策、执行的全流程质量管控体系，将管控方式从“事后补救”调整为“事前预判、事中调控、全程溯源”，重点围绕聚合、凝聚两大核心工艺展开。

　　在数据环节，兰州石化打通生产全流程数据链路，采集工艺参数、设备状态、原料配比、离线检测等多维度数据，搭建标准化数据仓库，并通过智能算法清洗、校准数据，解决数据分散不互通的问题，为后续管控提供支撑。

　　在质量预测环节，兰州石化引入机器学习软测量技术，用算法模型代替人工化验，挖掘工艺参数与产品质量的内在关联，实现门尼黏度等核心指标的实时在线预测。同时融合神经网络、近红外光谱检测等技术，不断迭代模型，从源头降低质量风险。

　　在工况管控环节，兰州石化改变单一阈值报警的做法，融合多类智能算法，搭建异常检测与根因诊断模型，能识别反应温度异常等问题，定位根源并输出调参方案，形成“感知、预测、决策、执行”的闭环调控。针对橡胶多牌号切换场景，模型可提前预判质量风险，形成标准化作业方案，进一步降低切换过程中的产品不合格率。（文/图 蒋攀 冯旭）