在压铸行业，调机高度依赖老师傅经验：同一套模具换料、换机台后，压射速度、增压建压、模温与真空度需重新试凑，冷隔、缩孔、气孔往往到X光或后工序才暴露。行业AI实验室本期探索将工艺参数推荐做成可解释的闭环，而非直接替代调机。
我们以压铸机时序曲线、模温机与真空阀数据为输入，对齐每模次的产品缺陷标签，先做离线回放与特征归因，再输出参数建议区间。
进展：在合作产线的实验数据集上，系统对“压射速度—模温—增压”组合的推荐与老师傅终值一致率约七成；针对冷隔类缺陷，首轮建议可减少约三成试模轮次。模型同时给出置信度与越界告警，工艺员可一键采纳或回写原因。
下一步计划：接入模流仿真结果，将推荐从稳态参数扩展到启停、换模与异常工况；并补齐材料批次与模具寿命特征，验证跨机台迁移能力。
评论