在注塑成型中，工艺参数长期依赖老师傅经验与反复试模，换料、换模或环境变化后往往需要重新摸索。行业AI实验室本期围绕这一场景做了一次小范围实验：把料筒温度、注射速度、保压压力与时间、冷却时长等可调参数，同模具编号、材料牌号、制品壁厚、车间温湿度等工况信息一并结构化，先用相似工况检索给出试模初值，再根据每轮实际成型结果做增量修正，而非一次性训练一个大模型。
进展方面有两点值得记录：
- 在某家电结构件单套模具上，试模次数由历史平均5.2次降至3.1次，首件关键尺寸合格率由约64%提升至81%，现场反馈参数建议响应约2秒，可随试模节奏使用。
- 为避免黑箱，每条建议都附带依据：命中的历史相似工况、参数敏感性排序，以及越界提示；当相似样本不足时自动降级为规则加案例检索，明确告知置信度偏低。
下一步计划接入翘曲、缩痕等外观缺陷标签，与视觉检测结果形成闭环，同时打通设备数据采集网关，减少人工录入，让参数修正更贴近真实生产节拍。
评论