去年秋天，宁波一家做塑料包装制品的注塑厂找到了我们。老板姓张，在电话里语气很急——他们12台注塑机，有好几台每个月都会出几次模具故障，产品不良率一直在8%以上，最严重的时候一批订单有将近两成报废。

我去了现场之后发现，这个行业的问题其实挺有代表性的：注塑工艺核心是"温度-压力-时间"三要素的配合，但大部分工厂对这些参数的掌握还停留在老师傅的经验层面。模具温度高了低了、合模力够不够，全凭人摸、凭眼看、凭耳朵听。

这篇文章记录我们从摸底到实施再到调优的全过程。不吹效果多好，只说做了什么、哪里踩了坑、后来怎么解决的。

一、现场情况摸底

去车间待了两天，把情况摸清楚了：

这些现实条件决定了方案方向：不能依赖IT人员、不需要改造注塑机本身、成本可控、能快速看到效果。

二、方案设计

我们设计了"边缘AI网关+温度/压力传感器+模具使用计数"的方案，分三层：

传感层：每台模具加装温度探头和压力传感器

选择安装位置的时候，我专门跟注塑机操作工聊了半小时。他们告诉我：模具温度的问题是"两头"——型腔表面的温度和冷却水道的温度。如果只测模温不测水温，找不到温度波动的原因。

于是方案定为：

每台注塑机改造费用控制在几百元以内（主要是传感器和转接模块的成本）。

边缘层：车间部署边缘AI网关

车间里放了2台边缘AI网关。一台负责6台注塑机的数据采集和初步分析，两台之间做冗余。

网关做的几件事：

选边缘网关而不是直接上云，原因跟前几个项目一样：数据量太大、实时性要求高（温度变化以秒计）、车间网络不可靠。

可视化层：车间看板+手机告警

在车间里装了一台55寸电视做数据看板，展示：

告警通过企业微信推送。老周手机上也装了——他人在车间就能收到设备异常通知。

看板的第一版其实做得很简单，就是温度数字+曲线。后来老周提了两次意见，我们加上了"颜色"——绿色正常、黄色注意、红色异常。老周说"看一眼颜色就知道有没有问题，不用看数字"。

三、实施过程

第一周：方案确认和采购

第一周主要做两件事：确认传感器型号和安装方案、采购。

传感器选型上花了点时间。注塑模具温度一般在80°C到180°C之间，部分工程塑料模具温度到220°C。普通的热电偶在这个温度范围精度足够，但关键问题是响应速度——我们需要在温度变化的几秒钟内捕捉到信号。选的是K型铠装热电偶，探头直径3mm，响应时间小于1秒。

踩坑预警：千万不要用贴片式温度探头测模具温度。贴片跟金属表面接触不紧密，热传导差，数据滞后严重，会漏掉很多关键的变化信号。

第二周：传感器安装和调试

安装花了3天。第一天装了几台老的震雄机，第二天装海天的新机，第三天调试和故障排除。

第一天安装就出问题：K型热电偶的磁吸固定座在模具侧面吸不牢，因为有些模具表面不是平的（有加强筋、有文字标识）。换了两种方案试——柔性胶粘底座和弹簧夹头。最后选了弹簧夹头，通用性强，装拆方便。

另一个问题：注塑机合模时振动很大，传感器的线缆接头被震松了。第二天一早看数据，好几台机器的温度值跳来跳去，一看就是接触不良。解决办法是加装线缆固定卡扣，每个接头处用扎带固定到机器固定结构上。

第三周：数据采集和基线建立

前两周只采集、不做告警。花了两周时间建立每套模具的正常温度基线。

为什么需要两周？因为不同模具的工艺参数差异很大。一套做食品包装盒的模具，模温稳定在95°C左右。一套做汽车内饰件的模具，模温要到160°C。而且同一个模具，在生产不同批次、不同原料批次时，温度基线也会有轻微偏移。

这个阶段发现的一些事情：

第四周：阈值设置和试运行

基于前两周的基线数据，给每个温度传感器设置了三级阈值：

第一周试运行的时候又调了一次阈值。模具刚开始生产的时候温度会有一个爬升过程，从冷机到稳态大约要15-20分钟。我们一开始没把这个过程排除掉，导致开机阶段一直有黄色告警。后来加了一个"开机稳定期"的判断逻辑——在换模或开机后的前30分钟，阈值放宽50%。

四、遇到的问题和解决办法

问题1：热电偶寿命问题

运行三周后，有两个热电偶读数异常。检查发现K型热电偶在频繁开合模的冲击下，探头端部变形了。K型热电偶的耐受性在这种高频振动场景下确实不够。

解决：换成了J型热电偶，探头部更坚固，虽然精度略低（±2.2°C vs ±1.5°C），但在注塑场景下完全够用。

问题2：冷却水管传感器安装困难

PT100水温传感器需要插入管道内部，但大部分注塑机冷却水管是硬管连接的，没有预留安装接口。现场切开管路装三通的话，生产期间不能停机。

解决：买了贴片式PT100（表面贴装型），用金属卡箍固定在管道外壁。虽然响应会比插入式慢一些，但对监测冷却水温波动来说足够了。每台机都装了两个——进水和回水各一个。

问题3：数据看板没人看

55寸的电视装在车间里，但在前两周几乎没人去看。操作工每天盯着机器操作面板，不会专门抬头看电视。厂长每天看一两次，但只看"有没有红色"。数据看板变成了老周的专属工具。

解决：加了两样东西：一是每台注塑机旁边加了一个三色报警灯（绿/黄/红），跟网关的告警联动。灯亮了操作工立刻知道。二是在注塑机操作面板旁边贴了一个二维码，扫码就能看到自己那台机的温度曲线和告警记录。看板的定位改成了"管理层的日报工具"，操作侧靠灯和扫码。

五、实际效果

系统上线运行了4个月后，综合来看效果比较明显：

提前发现模具隐患：7次
包括3次加热圈老化（温度上升缓慢），2次冷却水路堵塞（模具降温慢），1次锁模力偏移（合模压力异常），1次模具型腔积碳（局部温升异常）。都通过提前维护避免了批量废品或停机。其中最严重的一次，如果没发现，一套3万多的模具可能要修复。
产品不良率下降明显
从项目前的8-10%逐步降到约3-4%。主要原因是温度不准的问题从根本上解决了——老设备温控表偏差校准后，工艺参数才真正执行到位。
模具保养从"凭感觉"到"看数据"
以前一套模具做多少次保养完全看老周的心情和记忆。现在每套模具都有使用次数计数器，到设定的保养阈值自动提醒。老周说"现在不用记了，系统告诉我什么时候该维护"。

六、我的思考

这个项目做完，有几件事让我印象比较深：

注塑行业的数字化空间不小。注塑工艺本身就是典型的传感密集型过程——温度、压力、速度、位置、时间，每个参数都影响产品质量。但大部分中小注塑厂用的还是十几年前的设备，温控表显示的温度跟实际差了将近10°C都没人发现。解决这个问题，不需要复杂的AI算法，基础的传感+数据对比就能产生价值。

设备越老，改造收益越大。新设备本身有PLC和数字接口，数据采集相对容易。但老设备上的问题恰恰是长期以来被忽视的盲区——温度不准、冷却不均、模具状态不明。这些问题的解决门槛其实不高，但需要有人去现场看、去测。

让数据真正被用起来，比装更多传感器难。前两周看板没人看这件事，提醒了我一个道理：数据采集只是第一步，让数据在合适的时候、用合适的方式触达对的人，才是闭环。操作工不需要看曲线图，他要的是"我的机器出问题了"的明确信号。厂长要的是"今天整体情况怎么样"的摘要。数据产品的设计，离用户的使用场景越近越好。

模具的隐形知识要数据化。老周在这家工厂干了8年，对每套模具的特性如数家珍。但再过几年他退休了，这些经验就带走了。现在我们把每套模具的温度基线、维护记录、故障历史都存了下来，至少能让下一个接手的人少走一些弯路。

七、给你的建议

如果你也在考虑给注塑车间做类似的改造，几点实在的建议：

  1. 先摸底再动手。花一周时间，拿个红外测温枪把每台注塑机的模具温度、冷却水温实际测一遍。你可能会发现惊喜——很多老设备上显示的温度跟实测差了10°C以上。
  2. 别在开机率上纠结。工厂最关心的永远是不良率，不是OEE。不要一上来就讲设备综合效率，先帮他们解决"产品做出来是好的还是坏的"这个基础问题。
  3. 热电偶和安装方式多备几种型号。K型便宜但怕振动，J型耐振但精度略低。安装方式也取决于模具表面结构，磁吸、弹簧夹、胶粘各备一些。
  4. 让操作工参与方案设计。他们每天跟设备打交道，哪些地方容易出问题、传感器装在哪里不影响操作，只有他们知道。
  5. 先做一条线试点。选一台问题设备先跑起来看到效果，比铺开做全部但半途而废要好得多。效果好、操作工用得上，自然就会推广。

模具是注塑厂的"饭碗"，但很多工厂对模具的管理还停留在"坏了再修"的阶段。其实模具的健康状态是有信号的——温度曲线、压力变化、使用次数，这些信号在数据层面都能看到。关键是要让这些信号变成可操作的信息，在问题发生之前就告诉现场的人。