(1.浙江大學能源工程學院，浙江杭州310027;2.浙江大學機械工程學院，浙江杭州310058;

3.余姚市機器人研究中心，浙江余姚315402)

摘要：針對當前注塑車間生產效率低、產品質量不穩定以及人工操作依賴性強等問題，筆者研究了注塑車間在自動化和智能化技術方面的發展現狀與趨勢。通過分析傳感器技術、機器視覺、工業機器人、物聯網(InternetofThings,IoT)、機器學習(MachineLearning,ML)與人工智能(ArtificialIntelligence,AI)、大數據與云計算等技術的應用，探討了其如何在注塑生產過程中提高生產效率、優化工藝參數、提升質量控制和減少人工干預；然而，盡管智能化技術已取得顯著成效，但在數據標準化、技術集成和算法精準性等方面仍存在挑戰，且對高素質技術人才的需求急劇增加。最后，筆者展望了注塑車間自動化生產線未來的發展方向，特別是在柔性化、綠色化和集成化方面的深入革新，探討了如何通過技術突破推動車間向更高效、綠色、靈活和智能的方向發展，以期為行業轉型升級提供有價值的參考。

關鍵詞：注塑車間；自動化技術；智能化技術；物聯網；人工智能；數據標準化

隨著全球制造業競爭加劇，注塑成型工藝憑借其高效性和精密性成為塑料制品生產的核心技術。然而，傳統注塑生產長期面臨3重困境：其一，工藝參數復雜且高度依賴人工經驗調整，人工干預占比達60%以上，導致生產效率低下；其二，人工操作難以實現精確重復控制，不良品率平均為3%~5%,造成產品一致性不足；其三，人力成本攀升與設備能耗冗余疊加，顯著推高企業運營成本[1]。盡管注塑行業已嘗試通過模具優化、工藝標準化等手段改善生產效能，但上述問題仍嚴重制約行業向高端制造轉型升級。

在工業4.0浪潮推動下，注塑車間經歷了從人工密集型向自動化生產的范式轉移[2]。新一代自動化生產線通過工業機器人、自動送料系統和智能溫控設備的系統集成，構建了閉環生產體系。統計顯示采用自動化設備的注塑車間可使單線人工干預減少70%以上，同時實現24小時連續化生產。這種機械化升級不僅突破了傳統生產模式的效率天花板，更通過設備間的協同控制為質量穩定性提供了硬件基礎，標志著注塑行業邁入＂機器換人＂的新階段。

當前，注塑車間的技術發展已逐漸從傳統的自動化向深度智能化轉變。與傳統自動化主要依賴機械化和預設控制不同，智能化技術結合了工業物聯網(IndustrialInternetofThings,IIoT)、機器學習(MachineLearning,ML)、人工智能(ArtificialIntelligence,AI)和大數據分析等，能夠實時感知、分析和決策，優化生產過程。智能化技術不僅提升了設備自動化程度，還能通過數據驅動實現動態優化，如模腔內壓力傳感器與機器學習算法的結合，可在線識別0.05mm級的產品尺寸偏差；基于數字孿生的工藝仿真系統，能將試模周期從傳統72h縮短至8h以內。這些技術的融合，使得生產過程更加靈活、高效，推動了注塑車間向自主決策和智能化管理的方向發展。

筆者研究了注塑車間自動化與智能化技術的發展現狀，重點探討了近年來迅速發展的智能制造技術如何在注塑行業中發揮作用，特別是在生產效率、質量控制和過程優化方面的應用與潛力，展望了未來在大數據分析、機器學習和人工智能的驅動下，注塑車間如何進一步朝著更高效、靈活、綠色和智能化的方向發展，以期為相關研究人員和行業從業者提供有價值的參考。

1注塑車間自動化技術

注塑車間的自動化技術涉及的主要技術包括機械自動化、控制自動化、傳感器與檢測技術以及數據驅動與工業物聯網等，如圖1所示。這些技術的綜合應用使得注塑生產過程更加高效和精密化，通過工業機器人、協作機器人、可編程邏輯控制器(Programmable Logic Controller, PLC)、數據采集與監視控制(Supervisory Control And Data Acquisition, SCADA)系統、傳感器網絡和大數據分析等手段，實現了生產過程中實時監控、數據采集、工藝決策和預測性維護的高度智能化、精準化的生產控制。這些技術不僅提高了生產效率，減少了人工干預，還提高了生產線的可靠性、質量控制水平和靈活性，從而為現代注塑車間的智能制造提供了強有力的技術支持。

1.1機械自動化

工業機器人是注塑生產自動化的重要組成部分，主要應用于原料的自動上料、產品的自動取件和后續裝配等工藝環節[3]。以六軸工業機器人為例，其靈活性和高精度使其能夠執行復雜的搬運、堆放及裝配任務，在提升生產效率的同時，還能夠保證產品的一致性和質量。同時，協作機器人(CollaborativeRobots,Cobots)的引入顯著提高了車間的安全性與靈活性，還能與人工協同工作，特別是在空間有限或任務不確定的環境下表現出較大的優勢。例如：協作機器人能夠根據工人的操作實時調整動作，從而提高生產過程中的人機協作效率[4]。

1.2控制自動化

可編程邏輯控制器(PLC)和數據采集與監視控制系統(SCADA)是現代注塑自動化生產線的核心控制系統[5-6]。PLC通過實時監控生產設備的運行狀態來執行精確控制，其穩定性和高效性使其成為注塑車間不可或缺的設備，并且PLC的引入有效減少了人為操作失誤，提高了生產線的自動化程度和精準度。傳統的自動化控制方法通過閉環反饋調節關鍵工藝參數，減少了人工干預帶來的誤差，提高了一致性。隨著工藝復雜度提升，更高級的自動控制系統被引入注塑設備，使其能夠實時感知偏差并進行調整，確保生產過程可靠受控。為了進一步提升控制性能，近年來引入了自適應控制(Adaptive Process Control, APC)和模型預測控制(Model Predictive Control, MPC)等先進方法。自適應控制能夠根據過程或環境的變化在線調整控制器參數，例如當材料特性或環境溫度發生變化時，控制系統自動重新整定參數以維持最佳控制效果。這意味著注塑過程中即使原料黏度波動或外界干擾出現，系統也能動態調節以避免產品質量出現偏差。MPC則利用過程的數學模型來預測未來輸出，并滾動優化控制輸入。MPC可以處理多變量耦合控制問題，并將工藝約束（如壓力上限、溫度范圍）融入優化目標。在注塑生產應用中，MPC根據預測的壓力和溫度曲線選擇最優的控制動作，將過程偏差降至最低，尤其在薄壁制品或復雜工藝中，MPC能夠協調控制多項參數，使產品質量保持穩定。例如：克勞斯瑪菲(KraussMaffei)公司的APC plus系統充分體現了自適應控制在注塑領域的作用，該系統持續監測注塑關鍵參數（如螺桿位置、注射壓力），根據實時計算得到的熔體黏度變化自動調整保壓切換點和壓力曲線；當原料黏度或環境因素引起工藝條件波動時，APC plus會即時修正控制參數，確保每模次的充填量和制品質量保持一致；實測表明APC plus對工藝波動的這種智能自校正可以將由于原料波動導致的制品質量偏差降低50%以上。這一先進控制方法的應用顯著減少了次品率，提高了生產的穩定性。SCADA系統則在數據采集和可視化界面方面發揮著重要作用，通過與各類傳感器、PLC以及其他自動化設備的連接，SCADA系統使車間管理人員能夠實時獲取生產數據、設備狀態和報警信息，這種即時的信息反饋機制讓管理人員能夠迅速識別潛在問題，并進行遠程調整，從而確保生產過程不間斷運行，提升生產的透明度和靈活性[7]。此外，在多種設備互聯的環境下，SCADA系統的協同作用確保了各個生產環節之間的高效聯動，提高了整體生產線的運作效率和可靠性，極大地減少了停機時間和運營成本。

圖1注塑車間自動化技術涉及的主要技術

1.3傳感器與檢測技術

傳感器技術在注塑車間應用廣泛，特別是在模具溫度、壓力和位置的實時監測方面[8]。例如：模具內壓力傳感器能夠精確感知注塑過程中材料的流動情況，從而幫助操作人員實時調整注塑參數，提升成型質量；模具溫度傳感器則用于監控模具溫度變化，確保注塑過程中模具溫度保持在合理范圍內，避免了因溫差過大而導致的產品質量問題。此外，這些傳感器通過提供實時反饋，幫助操作人員快速識別潛在的問題，并進行調整，以確保生產過程中的每一個環節都達到最優狀態，進而提升生產效率和產品一致性。

與傳感器技術相輔相成的是視覺檢測技術，視覺檢測設備在注塑生產中的應用也極為廣泛。通過高速攝像頭捕捉產品的圖像，并結合圖像處理算法進行實時缺陷檢測，視覺檢測系統能夠自動識別表面裂紋、氣泡、尺寸偏差等缺陷，從而實現高效的質量控制[9]。這種自動化檢測方式大大降低了人工檢驗的工作量，提升了檢測精度，并能夠在生產過程中實時反饋檢測結果。通過精確的缺陷檢測，不僅能夠顯著降低不良品率，還能夠減少因人為因素引起的誤差，確保產品質量的一致性和穩定性。

1.4數據驅動與工業物聯網

工業物聯網(IIoT)技術為注塑車間的智能化提供了重要支撐。通過在設備中部署傳感器網絡并將其接入云端平臺，生產數據的采集、存儲和分析變得更加高效和全面。IIoT技術的引入使得注塑車間能夠實現設備之間的互聯與數據共享[10-11]。IIoT不僅能夠實現設備之間的互聯互通，還能夠將設備狀態和生產數據實時傳輸至云端，為后續的數據分析和決策提供強有力的數據支持。以大數據分析和機器學習算法為基礎，生產過程中的預測性維護和工藝參數優化得以實現。通過實時分析設備運行狀態，能夠預測設備故障并提前預警，有效避免了因設備故障而導致的生產中斷，同時通過對生產過程的不斷優化，提高了生產線的可靠性、生產效率和智能化水平[12]。通過工業物聯網技術，注塑車間的生產流程逐漸實現了自動化、信息化和智能化的融合，為車間的智能制造提供了全方位的技術保障。

注塑車間自動化技術通過機械自動化、控制自動化、傳感器與檢測技術及數據驅動與工業物聯網的協同整合，實現了生產流程的高效化與精密化。浙江某注塑企業引入Cobots后裝配效率提升了25%,產品尺寸精度達±0.05mm；德國 ＧÖｂｅｌ公司采用3臺六軸機器人協同作業，并與阿博格注塑機集成，實現了35s的生產周期，換模時間縮短至5min,并完成全天候三班制生產；美的集團通過SCADA系統集成多臺注塑機數據，遠程動態調整工藝參數，停機時間減少了40%,年運營成本降低了18%,并實現了模具故障預警準確率≥90%；日本發那科公司部署卷積神經網絡(Convolutional Neural Network,CNN)視覺檢測技術，將產品表面缺陷檢出率提升至99.7%,人工復檢成本降低了50%。綜上，注塑車間自動化技術通過多維度技術的集成與創新應用，實現了生產效率和產品質量的全面提升，但其在實時監控、動態調整和復雜問題處理方面仍存在局限，因此需要引入注塑車間智能化技術來實現更高層次的生產效率和產品質量控制。

2注塑車間智能化技術

智能制造技術已經成為當前制造業轉型升級的關鍵，注塑車間作為傳統制造領域的重要組成部分，正在快速引入智能化技術，以提升生產效率、確保產品質量，并在市場競爭中占據優勢。注塑車間智能化技術的核心理念是通過物聯網、云計算、大數據和人工智能(Artificial Intelligence, AI)等技術的融合，促進生產過程的參數優化、實時監控與智能決策，其原理如圖2所示。

圖2注塑車間智能化技術的原理

2.1物聯網(IoT)技術的應用

物聯網(Internet of Things,IoT)在注塑車間的應用主要體現在設備監控、生產狀態跟蹤和智能優化等方面。通過實時采集設備數據，IoT為生產過程提供了高效的數據支持。Wang等[10]2提出了通過傳感器集成來監控注塑機的關鍵參數（如模具溫度、注塑壓力和注射速度），該研究利用基于物聯網的數據采集系統，通過無線網絡將數據傳輸至云端進行存儲與分析，使得工人能夠實時跟蹤設備的運行狀態，及時發現潛在的異常情況，從而提高生產過程的透明度和效率。通過這一系統，車間管理人員可以更加及時地做出調整和優化，確保生產線的高效運行。Rousopoulou等[13]提出了一個基于IoT的設備監控框架，通過收集注塑機的振動數據來預測設備的健康狀況，該方法結合IoT的實時傳感器數據和數據挖掘技術，通過分析設備的振動特征預測設備故障（如機械磨損或松動），減少停機時間并提高生產效率；然而，這一方法的實施需要大量的高質量數據以及精確的算法模型，數據的不完整性可能影響故障預測的準確性。Wang等[14]提出了通過數字化雙胞胎技術實現對注塑車間的全局監控，通過將IoT傳感器的數據與數字化模型相結合，創建了虛擬車間模型，能夠實時模擬車間的生產情況，研究表明數字化雙胞胎技術不僅提高了生產過程的可視化水平，還為車間管理者提供了決策支持，幫助優化資源分配和生產調度；然而，數字化雙胞胎技術的實施成本較高，且對數據的實時性和準確性要求非常嚴格，需要相應的技術支撐和設施投入。

物聯網技術通過集成多種傳感器和智能設備，實現了對生產過程的全面監控，并通過數據驅動的智能決策進一步提升了生產效率。但它仍然面臨著數據準確性、系統集成和技術實施等挑戰。企業在推進IoT技術應用時需要關注數據的完整性與可靠性，并投入相應的資源來確保系統的穩定性與有效性。

2.2機器學習與人工智能技術的應用

人工智能與機器學習(Machine Learing, ML)是注塑車間智能化的核心技術之一，特別是在預測性維護、質量控制和過程優化方面，AI的應用為車間提供了強大的數據分析和決策支持。Selvaraj等[15]提出了基于ML的預測性維護方法，通過分析注塑機的歷史數據（如溫度、壓力和運行時長）來預測設備的故障風險，該方法采用支持向量機(Support Vector Machine,SVM)算法對設備的運行數據進行分類，能夠在設備故障發生之前做出預警，顯著減少了設備停機時間和維修成本；然而，該方法對數據質量的依賴較大，若歷史數據不完整或存在噪聲，預測的準確性可能受到影響。Shen等[16]提出了結合AI和ML的優化注塑生產過程的方案，通過深度學習(Deep Learning,DL)算法來優化生產參數（如注射速度、模具溫度等），確保產品質量穩定，通過集成反向傳播算法(Back Propagation Algorithm,BPA)和遺傳算法(Genetic Algorithm,GA),該方法在多維度優化空間內快速收斂，從而實現生產過程的實時優化；然而，該方法的計算復雜度較高，可能需要強大的硬件支持和較長的訓練時間，尤其是在大規模生產時，可能會增加系統的運維成本。王寧等[17]提出了基于深度卷積神經網絡(Deep Convolutional Neural Networks, DCNN)和圖像識別技術的智能質量控制系統，用于檢測注塑產品的表面缺陷，該系統通過在生產線上安裝攝像頭，捕捉每一個塑料制品的圖像，并利用DCNN算法對圖像進行分析，實時檢測表面裂紋、氣泡等缺陷。這一方法顯著提高了缺陷檢測的精度和速度，減少了人工檢驗的工作量；然而，由于DCNN模型需要大量標注數據進行訓練，且在低光或復雜背景下的圖像識別可能面臨一定挑戰，因此需要定期對圖像數據進行校準和更新，以確保模型的長期穩定性。Xu等[18]提出了一種基于AI的生產過程優化方法，該方法通過模擬得到不同注塑參數（如溫度、壓力和冷卻時間等）對最終產品質量的影響，運用強化學習算法(Reinforcement Learning, RL)來優化生產流程，通過在多次生產試驗中進行模擬訓練，AI系統能夠自主學習最優的生產參數配置，減少了廢品率并提高了生產效率；然而，強化學習算法的訓練過程往往需要大量的試驗數據和時間，在實際應用中可能存在較高的試驗成本和較長的試驗周期。

表1不同算法的主要特點、適用場景及應用效果

不同的智能算法在注塑車間智能制造中發揮不同的作用，其主要特點、適用場景和應用效果如表1所示。機器學習與人工智能技術的應用不僅推動了注塑車間生產效率的提升，還進一步提升了產品質量的可控性和一致性。然而這些應用也面臨數據質量、算法復雜度及計算資源等方面的挑戰，企業在引入這些技術時需要綜合考慮實施成本、技術支持和行業需求。

2.3大數據與云計算技術的應用

大數據與云計算技術使得注塑車間能夠實現全面的生產數據分析和遠程管理，提高了生產效率和響應速度。Zhao等[19]提出了基于大數據分析的注塑生產過程優化方法，實時采集注塑過程中的大量傳感器數據（如壓力、溫度和流速等），利用大數據分析平臺對這些數據進行處理和優化，通過數據挖掘技術，車間工作人員能夠發現潛在的生產瓶頸，實時調整生產策略，提高生產效率和產品質量。這種方法不僅能優化生產過程，減少能耗，還能通過預測分析識別生產中的潛在風險，幫助車間工作人員在問題發生之前采取措施；然而，依賴于大數據的前提是數據的高質量與準確性，數據源的不準確或不完整可能導致分析結果的偏差，影響優化效果。基于云計算的注塑車間遠程監控系統，能夠通過云平臺遠程訪問生產數據、設備狀態和運行日志，研究表明使用云計算可以大大提高車間管理的靈活性和響應速度，管理人員能夠實時調整生產任務、優化排程，并且在任何地方都能訪問車間數據，從而有效提高了生產管理水平；然而，云計算的應用面臨著網絡安全和數據隱私的挑戰，數據的傳輸和存儲都需要保證安全性，否則可能面臨數據泄露和黑客攻擊的風險[20]。

大數據與云計算技術的應用，在提升生產效率、減少人為干預、優化生產決策方面具有顯著的優勢。然而，它們也帶來了對數據管理、技術支持和網絡安全的更高要求，企業在實施這些技術時需要確保其硬件設施的穩定性、網絡環境的安全性，并投入適當的資源來確保技術的有效性。

注塑車間智能化技術通過物聯網(IoT)、機器學習(ML)與大數據分析的深度整合，顯著提升了生產精度與效率。德國克勞斯瑪菲KraussMaffei公司采用數字化雙胞胎技術，實時同步設備數據與虛擬模型，使設備異常響應時間縮短了30%,資源利用率提升了15%[21]。中國海天國際控股有限公司應用強化學習算法動態調整注塑參數[22],將注塑周期縮短了18%,廢品率從3.0%降至0.8%。美國米拉克龍(Milacron)公司通過云端整合全球工廠數據，使能耗降低了12%,訂單交付周期壓縮了25%。奧地利恩格爾(ENGEL)集團的IoT+AI系統實現了模具故障預警準確率超過90%,設備綜合效率提升了20%[23-24]。這些實例均說明注塑車間智能化技術正推動注塑行業向高柔性、高精度方向轉型。

3注塑車間未來發展方向

傳統注塑車間存在生產效率低、柔性不足、能耗高及環境壓力大等問題，未來注塑車間自動化生產線將圍繞高度智能化的生產系統、柔性制造與定制化生產、綠色智能制造、集成化與系統化的生產管理以及人機協作與工藝創新等方面進行深度革新，如圖3所示。智能化生產系統利用工業物聯網、機器學習和邊緣計算等技術構建數據驅動的決策體系，能夠實現工藝參數自適應優化和全過程智能監控（例如基于數字孿體的實時資源調度），可以顯著提升生產穩定性與響應速度。柔性制造與定制化生產依托柔性機器人、快速換模技術和智能調度系統，解決傳統生產線切換效率低的問題，通過模塊化設計可實現多品種小批量生產，滿足個性化定制需求。例如：德國某工廠集成阿博格(Arburg)注塑機與多臺六軸機器人，將換模時間降至5min,實現了全天候連續生產，展現出了高度柔性的制造能力。綠色智能制造聚焦節能減排與循環經濟，通過電動注塑機、廢料智能回收系統（如熱塑性廢料閉環再生工藝）及廢氣處理技術，使能耗降低20%~30%,材料利用率提升至95%以上。例如：恩格爾(ENGEL)集團和海天國際控股有限公司等企業致力于開發節能高效的注塑設備并推廣廢料再生利用技術，以降低生產能耗并減少環境負荷。集成化與系統化的生產管理以企業資源規劃／制造執行系統(Enterprise Resource Planning/Manufacturing Execution System, ERP/MES)深度融合為核心，結合云端大數據分析優化全局產能調度（如某工廠通過云端協同將訂單交付周期縮短了25%),破解跨部門數據孤島難題。人機協作與工藝創新則通過協作機器人(Cobots)與工藝革新（如3D打印及注塑復合工藝）提升復雜任務執行效率，同時結合AI驅動的智能注塑技術（如基于材料特性的動態參數調整）推動產品良率突破99.5%。未來注塑車間將以智能化技術為核心，融合綠色理念與柔性能力，構建高精度、低耗能和可定制的智能制造體系，為行業可持續發展提供核心支撐。高度智能化的生產系統、綠色智能制造、柔性制造與定制化生產、集成化與系統化的生產管理、以及人機協作與工藝創新等方向的發展將為注塑車間帶來更加靈活的生產模式和更高的生產效率，同時促進環境友好型生產和智能化決策體系的實現。

圖3注塑車間自動化生產線未來發展方向

4結論

隨著全球制造業向智能化和自動化方向快速發展，注塑車間的生產線也經歷了從機械化到自動化，再到智能化的快速變革。筆者詳細探討了注塑車間自動化與智能化技術的發展現狀，并分析了物聯網、人工智能、大數據分析等智能化技術在提升生產效率、產品精度、質量控制和生產過程可靠性方面的顯著作用。這些技術的應用不僅減少了人為干預，還推動注塑車間朝著更加高效、靈活和精密的方向發展。

當前，注塑車間的智能化進程已經顯著提升了生產線的自動化水平，通過引入機器人、自動化送料系統和智能注塑機等先進設備，同時結合智能化技術，進一步提升了生產的靈活性和自適應能力。此外，綠色制造理念的逐步落實，尤其是通過節能減排、廢料回收和污染減少等措施，推動了車間向更加環保和可持續的生產模式轉型。隨著市場需求的多樣化和定制化，注塑車間的自動化生產線正在朝著更加柔性化的方向發展，能夠快速切換生產模式，靈活應對多品種、小批量生產，滿足個性化定制需求。整體而言，注塑車間正朝著更加高效、智能、綠色、柔性和可持續的方向不斷發展，推動著制造業的轉型升級。盡管注塑車間的自動化和智能化技術已經取得了顯著進展，但仍面臨數據集成困難、設備成本高以及技術人才短缺等挑戰。如何突破這些瓶頸，推動技術創新，并實現智能技術的普及和應用，仍然是未來發展中的關鍵問題。

參考文獻：

[1] 郭進．全球智能制造業發展現狀、趨勢與啟示[J].經濟研究參考，2020(5):31-42.

[2] ZHAO P,ZHANG J F,DONG Z Y,et al. Intelligent injection molding on sensing, optimization, and control [J]. Advanced Polymer Technology , 2020, 2020:7023616.

[3] 張俊鳳，王潘東，陳泰寅，等．電子水泵注塑自動上下料系統的機械手爪設計及制造[J].現代教育論壇，2021,4(3):36-38.

[4] Geiselman B. Case studies show cobots′versatility[EB/OL]. [2025-01-10]. https://www. plasticsmachinerymanufacturing. com/automation/article/21904957/case-studies-show-cobots-versatility.

[5] TSAI M H,FAN JIANG J C, LIOU G Y, et al. Development of an online quality control system for injection molding process[J]. Polymers, 2022, 14(8):1607.

[6] 趙輝，楊超，宋洪洋．基于NXMCD的全自動注塑機的虛擬調試[J].機電工程技術，2022, 51(1):118-121.

[7] CHEN Y S,WU K T,TSAI M H, et al. Adaptive process control of the change-over point for injection molding process[J]. Journal of Low Frequency Noise, Vibration and Active Control, 2021, 40:383-394.

[8] KARIMINEJAD M, TORMEY D, HU Q S, et al. Ultrasound sensors for process monitoring in injection moulding[J]. Sensors, 2021, 21(15):5193.

[9] 曾小波，陶肖．基于視覺檢測的注塑品缺陷檢測系統設計[J].數字技術與應用，2020, 38(10):116-118.

[10] WANG Z Y, FENG W, YE J L, et al. A study on intelligent manufacturing industrial internet for injection molding industry based on digital twin[J]. Complexity, 2021,2021:1-16.

[11] 楊楚歆，李祿達，梁華軒，等．基于工業物聯網的鼓風曝氣設備遠程監控系統[J].機電工程技術，2023,52(11):91-95.

[12] 黃育森．傳統塑膠注塑產業的物聯網應用—以T公司為例[D].新竹：國立清華大學，2021:1-38.

[13]  ROUSOPOULOU V, NIZAMIS A, VAFEIADIS T, et al. Predictive maintenance for injection molding machines enabled by cognitive analytics for Industry 4.0[J]. Frontiers in Artificial Intelligence, 2020, 3:578152.

[14] WANG X,LI D, LIU Y. Application of digital twin technology in the injection molding industry for production monitoring and optimization [J]. Procedia CIRP,2020, 90:437-442.

[15]  SELVARAJ S K, RAJ A, MAHADEVAN R R, et al. A review on machine learning models in injection molding machines[J]. Advances in Materials Science and Engineering, 2022:1-28.

[16]  SHEN C, WANG L, LI Q. Optimization of injection molding process parameters using combination of artificial neural network and genetic algorithm[J]. Journal of Materials Processing Technology, 2007, 183(2/3):412-418.

[17] 王寧，李盼盼，趙哲耘，等．基于卷積神經網絡的智能制造過程質量異常診斷[J].運籌與管理，2022,31(6):220-225.

[18]  XU Y, ZHANG Q, ZHANG W, et al. Optimization of injection molding process parameters to improve the mechanical performance of polymer product against impact[J]. The International Journal of Advanced Manufactu ring Technology, 2014,76(912):21992208.

[19] ZHAO P, ZHANG J F, DONG Z Y, et al. Intelligent injection molding on sensing, optimization, and control[J]. Advances in Polymer Technology, 2020, 2020:7023616.

[20] InHand Networks. Remote monitoring solution for injection molding machines[EB/OL]. InHand IoT Case Studies. [202509-04]. https://www. inhandnetworks.com.

[21] NASIRI S, KHOSRAVANI M R, REINICKE T, et al. Digital twin modeling for smart injection molding[J]. Journal of Manufacturing and Materials Process. (JMMP), 2024, 8(3):102.

[22] 葉巴丁，陸晨風，儲能奎，等．全電動注塑機研究進展及其在汽配電子行業中的應用[J].中國塑料，2020,34(10):6.

[23] ENGEL Company. Service level agreement for injection molding—improve OEE by up to 20%[EB/OL]. ENGEL Global Website. [2025-09-04]. https://www.engelglobal.com.

[24] ONE Tech (MicroAI). Pressre lease: ONE Tech improves OEE for manufacturers through AI[EB/OL]. ONE Tech. [2025-09-04]. https://www.onetech. ai.