注塑调机长期依赖老师傅经验：同一套模具换一台注塑机、换一批原料，参数就得重新试。试模废料与停机时间难以压缩。我们把它拆成一个数据问题——在历史试模记录与量产参数中学习「工艺参数→质量结果」的映射，推荐可用窗口边界，而不是给出单点最优值。
数据侧把机台时序（料筒温度、注射速度、保压压力与时间、模温）与质检结果（重量、尺寸、外观缺陷）对齐到同一模次，剔除换料、开停机等无效段后再建模。为抑制小样本过拟合，先用分段相关与方差分解筛出对质量波动解释度最高的参数，再在低维空间做响应面拟合，输出每个参数的敏感区间与容差建议——落在平台区的参数优先，靠近陡坡的参数只作警示。
- 进展：在某家电外壳件上，以 12 组历史试模数据为起点，推荐窗口使试模轮次由平均 5 轮降至 3 轮左右，制品重量波动标准差下降约两成。
- 下一步：接入模内压力曲线，把单模次内的动态特征纳入模型，并评估跨机台迁移时的重标定成本。
结论保持克制：该方法不替代调机经验，只把「先试哪几组」这件事从直觉变成可复算的排序。
评论