基于因果推断的注塑工艺参数优化实验

注塑成型良率受模具温度、保压压力、冷却时间等多参数耦合影响，传统调参依赖工程师经验，试错成本高。数据分析实验室近期开展基于因果推断的工艺参数优化实验，尝试从历史数据中识别参数与缺陷间的因果关系，而非停留在相关性层面。方法上采用双重机器学习框架控制混杂变量，结合工艺机理先验构建因果图，对某汽车零部件供应商12万模次历史数据进行回溯分析。
阶段性进展：
· 在保压压力—缩水缺陷的因果效应估计中，模型识别出非线性阈值区间，据此给出的参数建议经回测验证，使该缺陷批次发生率由3.2%降至1.8%；
· 因果图与现场工程师经验重合度约82%，差异点集中于冷却水温与环境湿度的交互项，已列为下一阶段补充采集变量。
下一步，实验室将与合作方部署在线推理模块，在两台注塑机上开展为期八周的A/B对照验证，重点评估模型在季节性环境变化下的稳健性。团队提示，因果效应估计对数据质量与变量覆盖较为敏感，结论外推需谨慎，方法论文档整理后将在实验室页面发布。