制造业质检报告,是 AI 自动化最容易见效的场景之一:输入是照片和检测数据,输出是结构化报告。流程不长,但涉及图像识别、数据汇总、模板生成和归档,任何一环不稳,报告就不可信。
从拍照到报告要经过哪几步?
五步:采集(工位拍照或设备导出)、识别(读取缺陷类型与尺寸)、判定(对照标准判断合格与否)、成文(填入模板生成报告)、归档(写入系统并通知相关人)。
五步里最容易出问题的是识别和判定。识别受光照和角度影响,判定受标准版本影响。两者都要留人工复核入口。
图像识别在质检里的可靠边界?
三类缺陷适合自动识别:外观明显缺陷(划痕、污点、缺件)、尺寸测量(有标定参照)、字符与标签识别。三类不适合:需要触感判断的、需要拆解检查的、标准描述模糊的。
边界要写进方案里。告诉客户「这类能自动、那类要人工」,比承诺全自动更能建立信任。
报告模板怎么统一?
把模板做成配置:字段、单位、判定规则、签核栏都可配置,不写死在代码里。不同产品线用不同模板,共用一套生成引擎。
模板还要版本管理。客户审厂时经常要求看历史报告,模板改过但没有版本记录,会出现同一批次两种格式的尴尬。
怎么和现有 MES 对接?
三条路径:数据库直读、接口调用、文件交换。优先接口,其次数据库,最后文件。文件交换最不稳,但改造成本最低,适合老系统。
对接前先确认三件事:数据由谁提供、更新频率是多少、异常时谁负责。这三件事不清,接口做完也会天天出问题。
去论坛讨论
前往 ziyuanagi.com 论坛 参与讨论