🚀 Tiếp nối sức nóng từ Phòng thí nghiệm Sản xuất Tiên tiến (Advanced Manufacturing Lab), Viện Trí tuệ nhân tạo và Chuyển đổi số (AIDTI) tiếp tục mang đến một "siêu phẩm" học thuật quốc tế mới! Lần này, TS. Phan Quốc Bảo cùng các cộng sự đã xuất bản thành công công trình nghiên cứu về ứng dụng Trí tuệ nhân tạo (AI) trong sản xuất trên tạp chí danh giá The International Journal of Advanced Manufacturing Technology.

Dưới đây là thông tin chi tiết về bài báo để các AIDTIers cùng cập nhật và lấy động lực "chạy deadline" nghiên cứu khoa học nhé:

1. Thông tin chung về bài báo

• 📌 Tên bài báo: Particle classification of burr, cast, chip from automotive transmission manufacturing based on a new hybrid model of ANN-GA and Fisher's scoring algorithm 🚗.
• 👨‍🔬 Tác giả: Minh-Thuan Tran, Trong-Dat Huynh, Huy-Tuan Pham, Quoc-Bao Phan 🤝.
• 🏢 Đơn vị công tác: Khoa Cơ khí, Trường Đại học Sư phạm Kỹ thuật TP.HCM; Phòng thí nghiệm Sản xuất Tiên tiến, Viện AIDTI, Trường Đại học Bình Dương 🏫.
• 📊 Xếp hạng tạp chí: Springer Q1, IF 3.5🏆.
• 🔗 Mã định danh DOI: https://doi.org/10.1007/s00170-026-18052-2 🌐

2. Nỗi đau của doanh nghiệp và "lời giải" từ AI

⚙️ Trong ngành công nghiệp sản xuất ô tô, việc đảm bảo độ sạch cho động cơ, trục khuỷu hay hộp số là một thử thách sống còn. Việc phân loại nhanh và chính xác các hạt vụn kim loại (bavia, phoi, cặn đúc) sinh ra trong quá trình gia công là cực kỳ cần thiết để tìm ra nguồn gốc gây ô nhiễm, từ đó can thiệp kịp thời vào hệ thống sản xuất.

🆘 Nếu đợi đến khâu cuối cùng mới phát hiện lỗi thì việc sửa chữa dây chuyền sẽ "ngốn" một khoản chi phí khổng lồ và rất khó khăn.

3. Mô hình đột phá và Kết quả thực chiến

📊 Để giải quyết bài toán hóc búa này, nhóm nghiên cứu đã phát triển một thuật toán phân loại hạt hoàn toàn mới, kết hợp sức mạnh của mô hình lai Mạng nơ-ron nhân tạo - Thuật toán di truyền (ANN-GA) cùng thuật toán chấm điểm Fisher.

Khi áp dụng vào tập dữ liệu khổng lồ gồm các loại hạt bavia, phoi đúc và mảnh vụn thực tế trong sản xuất ô tô, thuật toán đã chứng minh sự "out trình" của mình: 🏆 Duy trì tỷ lệ nhận diện thành công cao ngất ngưởng ở mức 98% (đối với Nhóm 1). 📈 Cải thiện hiệu suất nhận diện của Nhóm 2 từ 94,4% lên 96%. 📏 Giảm thiểu đáng kể số lượng các hạt có kích thước vượt ngưỡng 1271 μm, thu hẹp phân bố kích thước hạt, minh chứng cho việc cải thiện độ sạch của hệ thống.

✨ Những kết quả này không chỉ chứng minh tiềm năng nhận diện nguồn hạt nhanh chóng, đáng tin cậy của AI mà còn là bước đệm hoàn hảo để hỗ trợ phát triển một hệ thống phân loại hạt tự động 100% cho ngành công nghiệp ô tô trong tương lai.

Nhóm tác giả trân trọng cảm ơn nguồn kinh phí đóng góp và hỗ trợ tài chính cho nghiên cứu này từ Nhà Tài Trợ: Vietnam Metal Hardware Co., Ltd. Đây là nhánh nguồn lực rất lớn đã được ghi nhận trong lời cảm ơn của các bài báo quốc tế của nhóm nghiên cứu 🏆.

https://fee.bdu.edu.vn/index.php/nghien-cuu-khoa-hoc/bai-bao-quoc-te-mo-hinh-ai-phan-loai-bavia-trong-san-xuat-o-to-732.html