注塑成型AI工艺参数优化：缺陷预测与调机辅助

注塑成型是典型的多变量强耦合工艺，温度、压力与时间参数和短射、飞边、缩痕等缺陷之间存在复杂非线性关系，传统调机高度依赖老师傅经验。本实验室近期与一家汽车零部件注塑企业合作，开展基于工艺数据的AI调机辅助实验。
实验采集了12台注塑机的模温、熔体压力、螺杆位置等高频时序数据，结合在线外观检测结论构建样本集，训练缺陷风险预测模型，可在保压阶段提前给出风险提示。
要点进展：

• 三类常见缺陷离线验证识别准确率达89%，单模调机建议生成约3秒，试模次数平均减少约30%；
• 分析发现保压切换点是缩痕缺陷的最敏感变量，已沉淀为可复用的工艺特征模板。

下一步计划将模型部署至车间边缘端，实现在线推理与参数推荐闭环，并扩展至双色注塑等复杂场景。把调机经验转化为可复制的数据模型，是我们看到的务实落地路径。