Tin thị trường và sản phẩm

Bảo Hiền tổng hợp

Lốp ý tưởng đạt 43% vật liệu tái chế mà không đánh đổi hiệu năng

Một mẫu lốp ý tưởng dành cho xe con vừa được giới thiệu trong khuôn khổ một dự án nghiên cứu do Liên minh châu Âu tài trợ về tính tuần hoàn trong chuỗi giá trị xe điện, với khoảng 43% thành phần đến từ vật liệu tái chế. Đây là kết quả đáng chú ý vì lốp xe vốn phải kết hợp nhiều loại vật liệu hiệu năng cao để đáp ứng đồng thời yêu cầu khắt khe về an toàn, hiệu suất và độ bền - khiến việc đưa vật liệu tái chế vào công thức sản xuất trở thành bài toán kỹ thuật phức tạp hơn nhiều so với các sản phẩm tiêu dùng thông thường.

Lốp ý tưởng sử dụng kết hợp nhiều nguồn vật liệu tái chế: dầu tall oil tái chế, thép, cao su thu hồi từ lốp xe hết hạn sử dụng, và sợi polyester làm từ chai nhựa PET tái chế. Một công nghệ đáng chú ý được áp dụng là nhiệt phân - quá trình phân hủy nhiệt lốp phế thải trong môi trường không oxy để chiết tách muội carbon (thành phần chiếm khoảng một phần tư đến một phần ba trọng lượng lốp) và tái sử dụng trong công thức mới. Bên cạnh đó, cát thải phát sinh từ các xưởng đúc kim loại cũng được đưa vào quy trình tái chế để sản xuất một biến thể silica thay thế cho nguyên liệu nguyên sinh.

Điểm mấu chốt của kết quả này là lốp ý tưởng vẫn đạt xếp hạng cao nhất về lực cản lăn theo hệ thống nhãn dán tiêu chuẩn của EU - chứng minh tỷ lệ vật liệu tái chế cao không nhất thiết phải đánh đổi bằng hiệu năng vận hành, một giả định thường gặp trong ngành vật liệu tái chế nói chung. Nếu tính thêm cả vật liệu có nguồn gốc tái tạo (khoảng 13%) và vật liệu được chứng nhận theo phương pháp cân bằng khối lượng - cách tiếp cận cho phép pha trộn nguyên liệu tái tạo/tái chế vào dòng sản xuất chung rồi phân bổ tỷ lệ theo chứng nhận thay vì tách biệt vật lý hoàn toàn (khoảng 25%) - hơn 80% tổng vật liệu sử dụng đến từ nguồn tái chế, tái tạo hoặc được chứng nhận cân bằng khối lượng.

Rào cản không nằm ở công nghệ mà ở khung pháp lý. Một trong những công nghệ then chốt - muội carbon tái chế từ nhiệt phân - thực chất đã được ứng dụng thực tế từ vài năm trước cho một số dòng sản phẩm chuyên dụng (như lốp đặc cho xe nâng hàng), cho thấy đây không đơn thuần là công nghệ phòng thí nghiệm. Tuy nhiên, theo phân tích độc lập từ giới quan sát ngành, một rào cản lớn hiện nay là châu Âu vẫn chưa có định nghĩa pháp lý thống nhất cho khái niệm "vật liệu tái chế" áp dụng cho ngành lốp xe - khiến các nhà sản xuất khó có cơ sở chắc chắn để đầu tư mở rộng quy mô công nghiệp. Giới trong ngành kêu gọi xây dựng một cách tiếp cận chuẩn hóa về tính toán và báo cáo tỷ lệ vật liệu tái chế, được xây dựng qua đối thoại giữa nhà hoạch định chính sách và doanh nghiệp - với yêu cầu nếu được luật hóa thì phải đơn giản, minh bạch, dễ hiểu, để thúc đẩy tiến bộ thực chất thay vì tạo thêm gánh nặng thủ tục hành chính.

AI tạo sinh giúp rút ngắn thời gian tra cứu tài liệu kỹ thuật trong phát triển lốp

Một hướng công nghệ khác đang được ứng dụng trong ngành là hệ thống trí tuệ nhân tạo tạo sinh, sử dụng kỹ thuật truy xuất tăng cường sinh nội dung - phương pháp cho phép AI tìm kiếm trực tiếp trong kho tài liệu kỹ thuật nội bộ trước khi đưa ra câu trả lời, thay vì chỉ dựa vào kiến thức đã được huấn luyện sẵn từ trước. Hệ thống này vừa được một nhà sản xuất lốp xe Nhật Bản đưa vào vận hành toàn diện, sau khi đã trải qua nhiều giai đoạn phát triển các công cụ AI khác nhau trong nhiều năm: từ hệ thống dự đoán tính chất vật lý của hợp chất cao su, hệ thống dự đoán đặc tính lốp xe, hệ thống tự động đề xuất công thức hợp chất cao su mới, cho đến hệ thống hỗ trợ thiết kế khuôn lốp dựa trên mô phỏng kết hợp AI.

Bài toán kỹ thuật mà hệ thống này giải quyết khá phổ biến trong các ngành công nghiệp có bề dày lịch sử: kiến thức chuyên môn cần thiết để ra quyết định trong quá trình phát triển sản phẩm thường nằm rải rác trong khối lượng khổng lồ tài liệu tích lũy qua nhiều thập kỷ - văn bản quy định, sổ tay quy trình, báo cáo kỹ thuật, nghiên cứu tình huống - khiến việc tìm kiếm thông tin phù hợp với từng tình huống cụ thể trở nên tốn thời gian và phụ thuộc nhiều vào kinh nghiệm cá nhân của từng kỹ sư.

Với hệ thống mới, người dùng chỉ cần đặt câu hỏi theo đúng mục tiêu và bối cảnh công việc cụ thể; AI sẽ tự động lên kế hoạch tìm kiếm, truy xuất thông tin liên quan nhất từ kho tài liệu, và lặp lại quá trình đánh giá kết quả để nâng cao độ chính xác của câu trả lời. Một điểm thiết kế đáng chú ý là hệ thống luôn hiển thị đường dẫn tới tài liệu gốc làm căn cứ cho mỗi câu trả lời - cho phép người dùng tự kiểm chứng độ tin cậy trước khi áp dụng vào việc ra quyết định, thay vì phải tin tưởng hoàn toàn vào kết quả do AI đưa ra. Đây là cách tiếp cận giúp giảm thiểu rủi ro AI đưa ra thông tin sai lệch nhưng vẫn nghe có vẻ hợp lý - một vấn đề phổ biến của các hệ thống AI tạo sinh khi không có cơ chế truy xuất nguồn gốc rõ ràng.