注塑成型AI工艺参数优化：周期与良率联动

注塑成型的质量与节拍高度依赖工艺参数组合，传统调机依赖工程师经验，换模后参数重调耗时长且波动大。实验室近期围绕注塑行业开展AI工艺参数优化的实验性探索，尝试以数据驱动方式缩短调机时间、稳定产品良率。技术路线上，我们采集注塑机的料筒温度、注射压力、螺杆位置、冷却时间等过程曲线，与在线视觉检测结果逐件对齐，构建参数—质量代理模型，再以贝叶斯优化在安全约束内推荐参数微调方向，避免激进寻优带来的批量风险。阶段性进展：1、在合作工厂两台注塑机上完成试点，覆盖三类常用物料，换模后参数收敛时间由约90分钟降至40分钟以内；2、试点周期内尺寸超差与缩痕类不良率下降约18%，全程未触及设备安全边界。下一步计划：引入跨模具迁移学习，降低新模具冷启动的样本需求；同时与车间MES打通，将参数推荐以工单形式下发，验证多机台并发场景下的可用性与稳定性。