Vòng lặp kết nối quá trình xử lý tín hiệu, quyết định của máy ảnh, các phép đo trong phòng thí nghiệm và hiệu suất của sản phẩm hoàn thiện.

Hệ thống thị giác đã giảm kích thước khoang để tạo vết cháy. Nhật ký máy ép cho thấy sự giảm áp suất đã xảy ra ba chu kỳ trước đó, nhưng hình ảnh, dấu vết quy trình và lô vật liệu đều nằm trong các cơ sở dữ liệu riêng biệt. Nhà máy có hệ thống tự động hóa ở mỗi vị trí nhưng vẫn không có phương pháp đáng tin cậy nào để ghép nối lại những gì đã xảy ra.

Nếu ngành sản xuất cao su trở nên thông minh hơn bằng cách liên kết các bản ghi này để chúng trở nên hữu ích, thì việc kiểm soát chất lượng sản phẩm sẽ thay đổi. Số lượng cảm biến không nhất thiết dẫn đến việc cải thiện các quyết định. Dữ liệu vẫn là dữ liệu. Để người vận hành sử dụng được dữ liệu, nó cần có thông tin nhận dạng bộ phận, mốc thời gian, giới hạn đã được xác thực và phản hồi.

Ảnh chụp nhanh quá trình kiểm tra cũ

Trước đây, việc kiểm tra chất lượng cao su đúc thường được thực hiện thủ công bằng cách kiểm tra mẫu trực quan, kiểm tra kích thước và lập báo cáo phân tích vật liệu cuối cùng. Mặc dù các kỹ thuật này vẫn được sử dụng rộng rãi và thậm chí được đánh giá cao, nhưng một nhược điểm lớn của chúng là vấn đề chỉ được phát hiện sau nhiều chu kỳ sản xuất. Chúng chỉ cung cấp rất ít thông tin về nguyên nhân.

Các hệ thống tích hợp có thể liên kết khoang khuôn, chu trình, lô hợp chất, điều kiện đóng rắn, kết quả kiểm tra và lô đóng gói. Thông tin này hỗ trợ việc kiểm soát và giúp các kỹ sư kiểm tra tín hiệu quy trình dự đoán lỗi.

Máy ảnh tạo ra một hệ thống đo lường

Hệ thống kiểm tra cao su tự động có thể kiểm tra sự hiện diện, vị trí, kích thước, bavia và các khuyết tật bề mặt có thể nhìn thấy ở tốc độ sản xuất. Các bộ phận mềm màu đen, bề mặt khuôn phản chiếu và hướng thay đổi khiến việc chụp ảnh trở nên khó khăn. Ánh sáng, cách trình bày và mẫu lỗi là một phần của phương pháp đo lường.

Một mô hình được huấn luyện dựa trên các mẫu sản xuất được chấp nhận có thể không nhận ra được các loại vết rách hoặc nhiễm bẩn hiếm gặp. Quá trình thẩm định cần kiểm tra các mẫu tốt và mẫu lỗi đã biết trên nhiều loại khoang, màu sắc, trạng thái bề mặt và cài đặt thiết bị khác nhau. Cần có các giới hạn riêng biệt cho việc chấp nhận sai và từ chối sai.

NIST đang xây dựng một môi trường thử nghiệm.

Hệ thống vận hành robot cộng tác của NIST sử dụng robot, băng tải, camera, cảm biến và thiết bị ghi dữ liệu để nghiên cứu giám sát sản xuất dựa trên AI. Nền tảng này nhằm mục đích khám phá việc phát hiện bất thường và ngăn ngừa lỗi quy trình trong một hoạt động nhiều giai đoạn. [1]

CROW đánh dấu và làm sạch các chi tiết bằng thủy tinh chứ không phải cao su đúc, vì vậy nó không phải là bằng chứng về kết quả kiểm tra cao su. Giá trị của nó nằm ở mô hình hệ thống: sản xuất, kiểm tra, xử lý và trao đổi dữ liệu được đánh giá cùng nhau trước khi đưa ra quyết định dựa trên trí tuệ nhân tạo.

Một trường hợp sản xuất hiện tại

Một câu chuyện thành công của NIST MEP năm 2026 mô tả CJB Industries triển khai phần mềm dữ liệu thời gian thực và hệ thống quản lý chất lượng mới. NIST báo cáo mức giảm 51% giá thành do không tuân thủ và tăng 20% ​​năng lực sản xuất. [2]

CJB là nhà sản xuất hóa chất, không phải nhà sản xuất khuôn cao su, và các số liệu của họ không nên được trình bày như kết quả dự kiến ​​cho một nhà máy khác. Trường hợp này cho thấy dữ liệu sản xuất cao su chỉ có thể hỗ trợ chất lượng khi việc thu thập, trực quan hóa, quy trình làm việc và sử dụng của nhân viên được phát triển đồng bộ.

Các tín hiệu quy trình cần có ý nghĩa sản phẩm

Áp suất khoang khuôn, nhiệt độ khuôn, thời gian đóng rắn và vị trí phun có thể liên quan đến hiện tượng thiếu sản phẩm, kẹt khí hoặc thay đổi kích thước. Mối tương quan này phải được thiết lập trên khuôn và hợp chất cụ thể. Giới hạn được sao chép từ khuôn khác có thể tạo ra cảnh báo chính xác nhưng không liên quan.

Kiểm soát chất lượng kỹ thuật số cho cao su cần lưu giữ tín hiệu thô hoặc tín hiệu đã được tóm tắt phù hợp đủ lâu để phục vụ việc nghiên cứu. Mô hình dữ liệu cần bảo lưu đơn vị, hiệu chuẩn cảm biến, tốc độ lấy mẫu, sửa đổi công thức và đồng bộ hóa thời gian.

Luồng dữ liệu kỹ thuật số bước vào giai đoạn kiểm tra.

Hệ thống thử nghiệm sản xuất thông minh của NIST liên kết dữ liệu thiết kế, sản xuất, kiểm tra và xác minh thông qua một luồng kỹ thuật số. Cơ sở này là một môi trường nghiên cứu và kiến ​​trúc của nó không quy định một ngăn xếp phần mềm thương mại nào. [3]

Đối với việc kiểm soát chất lượng cao su đúc, mục tiêu tương tự là thiết lập mối quan hệ có thể truy vết giữa đặc điểm bản vẽ, nguồn gốc quy trình, phương pháp đo lường và quyết định chấp nhận. Khi bản vẽ thay đổi, chương trình kiểm tra và giới hạn kiểm tra chính xác cũng phải thay đổi theo.

Việc xem xét của con người vẫn có vai trò nhất định.

Người vận hành nhận thấy sự nhiễm bẩn, hành vi giải phóng bất thường và âm thanh có thể không tồn tại trong mô hình cảm biến. Một hệ thống thông minh cần ghi lại những quan sát đó cùng với ngữ cảnh lô hàng và chu kỳ. Nó cũng cần cho biết lý do tại sao một bộ phận bị từ chối và cách yêu cầu xem xét lại.

Việc kiểm tra cao su tự động cần có quy trình ghi đè được kiểm soát. Việc chấp nhận thủ công cần ghi lại hình ảnh, loại khuyết tật, thẩm quyền quyết định và kết quả xử lý. Nếu không, dữ liệu được sử dụng để huấn luyện mô hình trong tương lai sẽ trở nên không đáng tin cậy.

Xác thực vòng lặp chất lượng

Hãy bắt đầu với một lỗi gây tốn kém hoặc ảnh hưởng đến an toàn. Xác định lỗi và hậu quả chức năng của nó, thu thập các mẫu đại diện, xác thực phép đo, kết nối các tín hiệu quy trình và thử nghiệm kế hoạch phản ứng trong một thử nghiệm có kiểm soát.

Xác nhận các kết quả đã chọn bằng cách kiểm tra trong phòng thí nghiệm và trên sản phẩm hoàn thiện. Camera có thể phát hiện vị trí mối hàn nhưng không thể chứng minh hiệu suất chống rò rỉ. Mô hình quy trình có thể dự đoán hành vi đóng rắn nhưng không thể thay thế các thử nghiệm lão hóa, nén hoặc độ bám dính cần thiết.

Một cuộc đánh giá thứ hai về sản xuất cao su thông minh cần kiểm tra chính lỗi dữ liệu. Các sự cố như thiếu dấu thời gian, thay thế camera, sai lệch cảm biến hoặc mất kết nối mạng cần có phản hồi an toàn. Việc sản xuất không nên tiếp tục vô thời hạn dựa trên giả định chưa được kiểm chứng rằng hệ thống chất lượng đang giám sát.

Việc bảo trì mô hình cần được đưa vào kế hoạch kiểm soát. Những thay đổi về ánh sáng, thấu kính, màu sắc chi tiết, độ hoàn thiện khuôn hoặc số lượng lỗi có thể làm giảm độ chính xác của quá trình kiểm tra. Các yếu tố kích hoạt việc xác nhận lại và các mẫu thử thách được giữ lại cần được thống nhất trước khi hệ thống được đưa vào sử dụng.

An ninh mạng và kiểm soát truy cập cũng ảnh hưởng đến độ tin cậy của hồ sơ. Giới hạn công thức, ngưỡng kiểm tra và hồ sơ xử lý cần thể hiện những thay đổi được ủy quyền. Các bản sao lưu cần có bài kiểm tra phục hồi để sự cố hệ thống dữ liệu không xóa mất bằng chứng cần thiết cho việc xuất kho.

Yida có thể thảo luận về kiểm soát chất lượng kỹ thuật số cho cao su khi khách hàng xác định các khuyết tật nghiêm trọng, giới hạn chấp nhận được, độ sâu truy xuất nguồn gốc và rủi ro chức năng. Những thông tin đầu vào này giúp kết nối dữ liệu sản xuất cao su với các quyết định nhằm bảo vệ sản phẩm đúc được giao.