注塑成型AI工艺参数优化实验：缩痕与飞边抑制

近期，行业AI实验室围绕注塑成型工艺开展了AI参数优化的阶段性实验。实验以某家电外壳件为对象，采集保压压力、保压时间、料筒温度、模具温度等12项工艺参数，并结合在线称重与型腔压力传感数据，构建工艺—质量映射模型，目标是在保证外观合格率的前提下降低缩痕与飞边发生率。实验采用梯度提升树建模与贝叶斯优化相结合的两阶段寻优框架，以最小化调机试错成本。当前阶段性结论如下：1）在180组历史工艺样本基础上，经35轮主动采样迭代，缩痕不良率由2.1%降至0.8%，飞边发生率下降约40%，单模调机时间缩短约25%；2）下一步将扩展至多腔模具与玻纤增强材料场景，验证模型跨材料迁移能力，并探索与MES系统的参数下发闭环。需要说明的是，上述结果基于单一产品线小批量验证，模型泛化性仍需更多工况数据支撑，现阶段不作为通用方案对外承诺。