AI注塑缺陷预测与参数自适应实验进展

在《塑料注塑AI工艺优化系统定制：缺陷预测与参数自适应》方向下，本期实验聚焦一个朴素问题：能否用注塑机已有信号，在缺陷发生前给出预警，并把调整建议收敛到可执行的工艺窗口。

当前做法是先从机台与模腔压力、料筒温度、螺杆位置等时序数据中提取过程特征，再用轻量时序模型预测短射、飞边与缩痕风险；预测结果不直接改写机台参数，而是映射为保压压力、注射速度、模温等有限维度的微调区间，经安全约束后再下发。

• 进展：在试点产线连续三周采数，短射与缩痕两类缺陷的提前预警召回率约90%，误报率较固定阈值下降约三成；参数自适应目前以“建议+人工确认”运行。
• 下一步：引入材料批次与模具磨损变量，验证跨机台迁移，并补充小样本缺陷的增量学习策略。