覆盖3条产线20+工位
团队规模
9个月
项目周期
一、业务场景与客户痛点
该制造集团主要生产精密零部件与消费电子类产品，产品外观、装配、焊接等环节长期依赖人工目检。随着订单波动与新人比例上升，质检一致性与效率成为瓶颈。
- 人工目检不稳定：长时间作业导致疲劳，缺陷漏检率随班次波动
- 质检人力成本高：高峰期需大量临时质检工，招聘与培训成本高
- 数据未沉淀：缺陷类型、位置、频次未结构化记录，无法反哺工艺改进
- 产线节拍受限：人工质检工位成为产线节拍的瓶颈
二、解决方案
旭日神州与集团工艺质量部门联合，按"缺陷定义—样本采集—模型训练—产线部署—闭环迭代"路径建设AI视觉质检系统：
2.1 缺陷体系梳理
与质量工程师共同梳理产品缺陷类型，建立分级缺陷图谱，明确可机检与需复检边界。
2.2 样本采集与数据治理
在试点工位加装工业相机与光源，采集早期缺陷样本，通过少量样本+数据增强方式构建训练集。
2.3 视觉模型训练与调优
选用合适的工业视觉模型，针对产线光照、角度、振动进行针对性调优，保障现场稳定性。
2.4 产线集成与复检闭环
AI判定结果与产线PLC联动，NG产品自动分流至复检工位，缺陷数据实时回传看板。
三、实施过程
- 第1-2个月：缺陷体系梳理、相机与光源方案选型、试点工位改造
- 第3-5个月：样本采集、模型训练与离线验证，在试点工位灰度运行
- 第6-9个月：推广至3条产线20余个工位，完成操作工培训与缺陷看板上线
四、价值成效
| 指标 | 建设前 | 建设后 |
|---|---|---|
| 漏检率 | 人工目检基线 | 下降约70% |
| 质检效率 | 单工位人工节拍 | 提升约3倍 |
| 替代人工目检岗位 | — | 累计60余个，转向复检与工艺分析 |
| 缺陷数据 | 纸质记录 | 结构化沉淀，按日/周可分析 |
系统上线后，质检工位从"人海目检"转向"AI初判+人工复检"，工人从重复劳动中释放出来参与缺陷分析，工艺部门第一次有了全量缺陷数据可看。
五、客户评价
集团质量总监表示："视觉AI在我们这里不是一个炫技项目，而是把质检女工从重复性的眼睛疲劳里解放出来，让她们去做更有价值的复检和工艺改进，数据也终于看得清了。"