注塑成型AI工艺参数优化：缺陷与周期联动试验

注塑成型是典型的多参数耦合工艺，保压压力、熔体温度、冷却时间等十余个变量共同决定缩水、飞边、短射等缺陷的表现。行业AI实验室近期围绕“工艺参数—缺陷类型”的联动关系开展实验性建模，选取某汽车零部件注塑车间的三类高频缺陷作为切入点，探索从“事后检验”走向“事前调参”的可行路径。阶段性进展：一是基于近两年工艺卡与在线传感器数据构建参数—缺陷样本集，采用梯度提升模型预测缺陷发生概率，验证集上缩水缺陷识别召回率约82%，误报率控制在8%以内；二是在小批量试产中上线参数推荐模块，对保压曲线给出微调建议，试点机台缺陷率由3.1%降至2.2%，单件成型周期基本持平。下一步计划：扩充多材料、多模具样本覆盖，验证模型跨模具迁移能力；同时推进与车间MES的数据打通，使参数建议能结合排产与换模信息动态调整。团队将坚持小场景验证、逐步放量的推进方式，在数据基础不足的场景暂不扩大应用范围。