注塑成型AI工艺参数优化实验：缩痕预警与良率提升

注塑行业的质量波动多源于工艺参数与材料状态的耦合变化，传统依赖调机师傅经验，难以沉淀为可复用的方法。本实验室在合作注塑厂开展了一项实验性探索，围绕缩痕、短射、飞边三类高频缺陷，构建工艺参数与缺陷的关联模型。方法上，采集注塑机的模温、料温、射胶压力、保压曲线与冷却时间等时序数据，结合每模次的视觉抽检结果，采用梯度提升树与浅层时序模型对比建模，输出单模次缺陷风险评分。阶段性进展：1. 在两个产品型号、约六万模次数据上验证，缩痕类缺陷预警准确率约82%，误报率控制在8%以内，可在开模前给出参数微调建议；2. 试点机台首月良率由94.1%提升至95.8%，平均调机时间缩短约25%。下一步计划：扩展至PP、ABS、PC多材料混线场景，验证模型的跨材料迁移能力，并探索参数建议与MES系统的闭环下发。目前结论限于试点条件，尚不构成通用方案，欢迎同行就数据口径与验证方法交流。