编辑推荐：
润滑脂生产中原料、环境等因素易致批次稠度不一致。研究人员开发基于累积熵生成（AEG）的原位监测技术，通过 PSU 传感器实时测电流、电压等参数。测试表明 AEG 与稠度线性相关（R2～0.925），可预测控制稠度，减少浪费与返工。
润滑脂作为工业领域的重要润滑剂，其生产过程却面临着复杂的挑战。在润滑脂制造中，原料品质波动、环境条件变化、人为操作误差等因素，常常导致不同批次产品的稠度难以保持一致。传统依赖事后质量检测（QC）的方法，不仅会造成生产延迟，还可能因无法及时调整工艺参数而导致大量产品报废或返工，带来高昂的成本损失。据统计，美国每年因批次不合格造成的损失高达数十亿美元，如何实现生产过程中稠度的实时监控，成为行业亟待解决的关键问题。
为突破这一技术瓶颈，美国路易斯安那州立大学（Louisiana State University）的研究人员迈克尔?M?孔萨里（Michael M. Khonsari）和利杰什?库塔帕兰比尔（Lijesh Koottaparambil）开展了一项创新研究。他们提出基于不可逆热力学原理的累积熵生成（Accumulated Entropy Generation, AEG）技术，旨在通过实时监测流变特性来精准控制润滑脂稠度。相关研究成果发表在《Invention Disclosure》，为润滑脂生产的智能化质量控制提供了全新思路。
研究团队开发了一种过程传感器单元（Process Sensor Unit, PSU），该装置通过实时采集 5000 公斤级润滑脂反应釜中的电流、电压、温度等参数，计算出 AEG 值。PSU 主要由树莓派微处理器、电流传感器、数模转换器及图形用户界面（GUI）软件构成，无需对现有设备进行大规模改造，即可实现对生产过程的非侵入式监测。
研究结果
1. AEG 值与稠度的相关性验证
研究人员对 NLGI 2 级和 1.5 级润滑脂进行了 15 批次测试，结合工业标准穿透测试（ASTM D217）发现：相同稠度的批次在工艺结束时具有相同的 AEG 值；不同稠度批次的 AEG 值存在显著差异。进一步分析显示，AEG 值与润滑脂穿透值呈强线性相关（R2～0.925），即 AEG 值越高，稠度越高（穿透值越低）。
2. 预测模型的建立与应用
通过分析标准批次的 AEG 演化曲线，研究团队建立了稠度预测模型。当测试批次的 AEG 曲线偏离标准值时，系统可实时预警，操作人员可通过调整工艺参数（如搅拌速度、原料配比、升温时间）实现纠偏。该技术不仅能减少对经验工人的依赖，还可通过对比温度、原料重量等参数，快速定位批次不合格原因。
研究结论与意义
这项研究首次将不可逆热力学原理引入润滑脂生产监控，通过 AEG 参数建立了实时、非侵入式的稠度监测体系。实验数据表明，该技术能有效解决批次间一致性问题，预计可将美国润滑脂行业每年的报废成本降低数十亿美元。此外，其核心原理还可拓展至蛋黄酱、番茄酱等两相食品体系的生产监控，具有广泛的工业应用潜力。
对于润滑脂行业而言，该技术不仅提升了生产效率与产品可靠性，更通过数字化监控为行业向智能化制造转型奠定了基础。随着经验丰富的技术工人逐渐退休，AEG 监测系统为新手提供了直观的过程指导，缩短了培训周期，保障了行业可持续发展。这一创新成果标志着润滑脂生产从 “事后检测” 向 “实时控制” 的重大跨越，有望成为全球制造业过程优化的典范。
