注塑缺陷通常是多变量耦合的结果：模温波动、保压曲线偏差、熔体黏度随材料批次变化，同一套参数在换料或换模后可能迅速失效。本阶段工作围绕「缺陷预测—参数自适应」搭建了一条轻量闭环，目标不是替代调机师傅，而是把分散的试模经验沉淀为可复用的在线判断。
数据侧以机台自身时序信号为主（注射压力、螺杆位置、模腔压力与温度），辅以模次级质检结果做弱标注，避免为每条产线加装昂贵的在线检测装置。模型采用分段结构：先判定当前工况（换模、换料、停机重启）是否落在训练分布内，分布外工况不输出参数建议，只提示人工确认，以控制误调风险。
- 进展：在3台机的短射与缩痕两类缺陷上，模型可在缺陷成形前约8~15个模次给出趋势预警，命中率约八成，误报集中在换料后的前几模；参数建议限定在保压压力与保压时间的二维邻域内小幅修正，单次调整幅度上限5%。
- 下一步：引入材料黏度在线估计，把换料后的收敛模次从约30模压缩至15模以内，并在同一车间验证跨机台迁移的可复现性。
评论