注塑缺陷预测AI定制：从离线模型到参数自适应闭环

注塑缺陷的成因常藏在工艺窗口边缘：同一副模具，环境温度或料批波动几个点，短射、缩痕、翘曲就会冒头。本实验室近期的实验，把重心从“事后检出”前移到“过程预测＋参数补偿”。

做法上，以机台工艺曲线（螺杆位置、注射压力、模腔压力）为主特征，叠加材料批次与环境温湿度，训练缺陷概率模型；再用代理模型把“缺陷概率—关键尺寸偏差”映射到工艺参数空间，在锁模力、熔体温度等安全边界内做约束寻优，输出小步长的参数修正建议，由调机员确认后下发。

阶段性进展：在3副模具、5种材料的小批量试产中，模型对短射与缩痕的提前预警命中率约八成，误报多集中在换料初期；按建议补偿后，试产废品率下降约15%—20%，单次调机时间缩短约三分之一。下一步计划把建议下发接入机台侧边缘推理（目标单次推理200ms内），并引入模流仿真数据做冷启动，验证跨模具迁移的稳定性。