工艺参数优化

1客户嘴上要的

「用 AI 分析历史数据，找出最优工艺参数，把注塑件良率从 92% 提到 97%。」

这是症状或现成方案，不一定是真问题。下面看两种做法。

2照字面做，会怎么烂

3好 FDE 的实际走法

共 8 周，分 5 个阶段。带三角标记的是这一步最容易踩的坑。

1. 1

   第 1 周先看波动从哪来

   • 跟工艺工程师、质量工程师看良率曲线。良率不是稳定在 92%，而是大部分时间 96%，每隔几周掉到 80% 几天。
   • 把低良率时段和来料批次对照，发现和某种粒子料的供应商批次强相关：批次熔指不同，同样参数下缩痕和短射变多。
   • 真问题不是「找全局最优参数」，是「来料批次波动，参数没有跟着补偿」。成功标准改为：低良率天数减少一半，所有建议参数都在控制计划允许的工艺窗口内。
   • 踩坑别默认参数是唯一变量。先排查来料、设备、人员、环境。
2. 2

   第 2 周定边界和数据

   • 工艺工程师给出每个参数的工艺窗口和不能动的参数。所有建议必须在窗口内，这样调整属于正常调机，不触发工艺变更流程。
   • 数据：MES 的参数和不良记录、来料检验的熔指和水分（在 QMS 或检验员的 Excel 里）、注塑机的实际工艺曲线（需要从机台控制器导出）。
   • 来料检验数据只有抽检，FDE 推动采购部要求供应商随货提供批次检验报告。这需要采购经理出面谈。
3. 3–5

   第 3–5 周建模和小批量验证

   • 建立「来料指标 + 参数 → 不良率」的模型，只输出窗口内的补偿建议，附上历史相似批次的效果。
   • evals：用过去 10 个低良率批次回放，看建议能否解释并改善。然后安排小批量验证：每次换批次时，按建议调参生产 200 件，和对照组比较。
   • 验证要等新批次来料和生产排期，这是周期拉长到 8 周的原因。
4. 6–7

   第 6–7 周工艺工程师和班组长上手

   • 换料时系统给出建议，班组长调机，工艺工程师确认。每次结果回填。
   • 真实反馈：「模温调整要等 20 分钟才稳定，建议里要写等待时间」。
   • 验证期间遇到 3 次换批，其中 2 次按建议调参后不良率回到 5% 以内，1 次无效。无效那次查出是干燥机故障，不是来料问题。这说明系统要提示「参数补偿解释不了时，先查设备」。
   • 踩坑调机记录要写进 MES 或调机记录表，否则客户审核时说不清参数为什么变。
5. 8

   第 8 周交接交接

   • 交给工艺科的一名工艺工程师：维护工艺窗口、复核模型建议、新料号上线前补充数据。
   • 如果要把参数窗口扩大，由他发起正式工艺变更，FDE 不越过流程。

4这个案例教给你的可复用判断