注塑成型AI工艺优化：工艺窗口建模实验进展

注塑成型是典型的多参数耦合工艺，温度、压力、时间等数十个变量共同决定制品质量，传统依赖试模经验的方式效率低且难以迁移。行业AI实验室近期围绕注塑工艺参数优化开展了一轮实验性探索，验证“小数据+机理约束”的建模路线是否可行。我们在合作厂商的一台注塑机上采集约1200模次过程数据（含模腔压力曲线、料筒温度、保压曲线），以尺寸偏差与缩痕作为质量标签。要点如下：①引入工艺窗口约束的梯度提升模型，在仅300模次训练样本下，缩痕不良预测F1值达0.82，较无约束基线提升约9个百分点；②基于模型反求的参数建议经试模验证，单次调参时间由平均4小时缩短至1.5小时。下一步计划扩充多材料牌号数据，检验跨牌号泛化能力，并将模腔压力数据纳入实时推理，探索逐模次微调的闭环控制雏形。目前结论仍限于单机台、单一制品族，向产线级推广前需更多验证。