注塑成型AI工艺参数优化实验：良率与周期验证

注塑成型是典型的多参数耦合工艺，保压压力、熔体温度、冷却时间等数十个变量共同决定制品的缩水、飞边与尺寸稳定性。传统调机依赖工程师经验，新品导入阶段往往需要数十次试模。本实验室与某汽车零部件注塑车间合作，开展了基于工艺窗口建模与参数寻优的实验性探索。

技术路线上，我们采集历史生产批次的过程数据，构建以良率与成型周期为目标的多目标响应模型，再通过贝叶斯优化在安全工艺窗口内推荐参数组合，经人工评审后小批量试产验证。

阶段性结果：

• 在两类常见PP与PA66制品上，推荐参数使首件合格率由约82%提升至91%，单件成型周期平均缩短6%；
• 新模具调机试模次数由平均23次降至12次左右。

需要说明的是，模型对材料批次波动与模具磨损的适应性仍有限，部分制品需定期增量训练。下一步计划引入熔体压力与模温在线传感数据，探索参数自适应微调的可行性，并在更多材料体系上验证方法迁移能力。