AI 正進入塑膠控制室，但工廠證據仍缺失

AI 正進入塑膠製程控制，但銷售說法跑在工廠證據前面。塑膠科技將「讓 AI 在塑膠研發發揮作用」網路研討會排在 2026 年 9 月 25 日，宣稱人工智慧能把孤立的試驗推向材料開發、配方與生產。活動強調實務案例，而非已量測的工廠成果。

這項區別很重要。討論對象是塑膠領域的研究、創新、產品開發與製造主管。應用包括預測材料耐久性與穩定性、取代有毒材料、降低配方成本，以及縮短開發週期。這些目標合理，卻還無法證明射出成型業者能讓演算法改變製程窗口，並在無需更嚴格人工控制下出貨合格零件。

成型窗口

Moldex3D 較接近現場機制。其 Molding Window Advisor 利用 Moldex3D 電腦輔助工程結果，找出穩健的成型條件。工作流程先定義分析範圍，執行實驗設計模擬，預測零件品質，再建立實務成型窗口。接著 iMolding Advisor 利用短射測試，針對缺陷提出調整建議。

重點不在「AI」這個詞，而在模擬與試模之間的交接。製程工程師可檢查假設範圍、將預測反應與短射證據比對，再決定是否接受建議。這是製程輔助，比泛泛承諾演算法會最佳化工廠更可信。

Moldex3D 表示，這些工具結合 CAE 資料與實際生產回饋，可縮短試模、減少試射次數、提升品質並降低生產成本。這些仍是活動說明中的廠商主張，並未提供試模時間、試射減少數量、廢料基線或產品合格結果。因此，QA 應將成型窗口視為假設，直到同一零件、材料、機器與模穴配置產生有文件記錄的結果。

KraussMaffei 採取不同路線。其 2026 年智慧製造公告，將智慧與自主生產解決方案定位在 PX 全電動系列、AQCplus 以及適用高模穴與無塵室應用的 LRXplus SE 概念。該公司也描述一項新 AI 功能，可即時協助機器操作員。這能讓操作員更快行動，但協助並非自主製程控制。

該公司先前 K 2025 資料提供一項具體檢驗數據：全自動組裝單元以雷射掃描器檢查元件高度與寬度，精度達 0.01 mm，並以光學檢驗分離不良品。這是明確的量測與清楚的剔除路徑，比「智慧生產」的廣泛主張更有力，雖然它涉及下游組裝與檢驗，而非 AI 控制的成型循環。

這兩項數據描述不同的 KraussMaffei 系統，不應視為同一生產基準。第一項涉及自動組裝單元的尺寸檢驗；第二項涉及 Yanfeng 門板專案的相機處理。兩者都未證明成型廢料減少或已驗證的 AI 控制迴路。

控制主張

KraussMaffei 的商業利益直接：它銷售射出成型機、自動化與數位生產系統。其新聞稿指出 socialProduction 監控機器、生產與元件狀態，而 processSupport 則以人工智慧自主監控製程。機制合理，欠缺的是與明確基線連結的已確認工廠結果。

製程業者在決定是否購買此系統時，應提出四個直接問題。哪個機器訊號觸發建議？哪個製程變數改變？同一零件在干預前後的產出為何？當演算法建議與既定製程窗口衝突時，誰負責放行批次？

沒有這些答案，「自主」描述的是預期架構，而非已證明的操作邊界。機器可偵測漂移，卻仍無法區分無害的材料批次變化與會產生缺陷的溫度偏移。它可建議修正，卻仍無權執行。它也可最佳化量測的反應，卻讓未量測的要求——外觀、熔接線強度、尺寸穩定性或長期性能——不受影響。

現場測試

AI 活動的核心承諾是將最佳化的研發與精簡生產連結。這是正確方向，但連結需要製程層級的掌控。預測耐久性的配方模型，與找出穩健條件的成型顧問並非同一工具。即時操作員助理，與閉迴路控制不同。檢驗自動化並非上游製程已穩定的證據。

我不會將產業的 AI 用語視為已定案。這裡最強的材料描述的是機制：基於 DOE 的模擬、短射回饋、機器資料管理、即時協助與量測檢驗。最弱的部分是這些機制已帶來可重複的全廠效益的主張。提供的活動與供應商資料，並未提供共同基線、命名的生產零件，以及有日期的前後比較結果，讓製程業者得以對照。

下一步檢查很直接。要求一份已命名零件的受控生產記錄：材料批次、機器、模穴數、製程窗口、干預日誌、廢品率，以及導入 AI 工具前後的放行決策。除非此記錄存在，否則 AI 應放在驗證工作流程中，而非其上。