AI注塑缺陷在线预测定制：时序曲线与参数自适应

在注塑生产中，缺陷通常要到成型甚至装配环节才被发现，调机仍依赖老师傅手感。本阶段实验把机台自身的注射时序数据（螺杆位置、注射速度、模腔压力峰值、料筒温度）与在线视觉判定结果按模次对齐，构建逐模缺陷概率预测模型，并输出可执行的参数微调建议。

做法分三步：先用模次时间戳将机台曲线与视觉标签对齐，剔除换模、清料等无效模次；再用轻量时序网络提取曲线形态特征，与材料牌号、模具编号等静态特征融合；最后由规则约束层将预测结果映射为保压压力、注射速度等有限档位的调整量，避免参数大幅跳变。

要点：
· 进展：在一条 8 腔日用品产线完成两周灰度验证，短射与飞边两类缺陷的提前预警准确率约 0.89，误报集中在换料后前 20 模；
· 下一步：接入模具温度实测通道，并将自适应下发改为“建议+人工确认”的半闭环，先验证稳定性再放开权限。