AI注塑缺陷预测定制：熔体黏度漂移与参数自适应

注塑缺陷常被归结为“料不好、模不好”，但现场更多波动来自熔体黏度漂移与机器重复性差异。本阶段我们把在线可得的机器信号（注射压力、螺杆位移、模腔压力）整理成一维时序特征，先估计熔体黏度指数，再以“实际—预测”残差判断当前模次是否偏离稳定工艺窗口，用于短射、欠注与飞边的前置提示。

要点：
· 进展：在3台机、2套PP/ABS模具上试运行6周，短射与飞边预警平均提前8~15个模次，单班误报控制在2次以内；系统只给建议，参数下发仍由班组长确认。
· 下一步：把模腔温度与模具编号纳入条件变量，做跨模具的轻量迁移，并将目标从缺陷预警扩展到保压阶段的翘曲趋势估计。

参数自适应保持小步长、带安全边界：保压压力与V/P切换点的单次调整不超过设定值的3%，连续两模同向异常即回退上一组参数。我们更愿意把它定位为工艺助手，而非无人调机。