制造业上 AI 质检,报价单看起来只有软件和硬件两项,实际成本有四块。漏算任何一块,回本周期都会算错。
第一块成本为什么是采集?
包括相机、镜头、光源、工装、触发装置。
相机不是越贵越好,要看检测精度和节拍。高速产线要用高帧率相机,成本翻倍。镜头和光源决定了成像质量,光源设计往往比相机更影响效果。
工装是容易被忽略的部分。相机怎么固定、产品怎么定位、环境光怎么屏蔽,这些要定制,周期长。
第二块成本为什么是标注?
AI 质检不是买来就能用,要用样本训练。
样本要覆盖各类缺陷,包括罕见的。罕见缺陷样本少,要人为制造或积累,周期长。
标注要专业人员做,判断缺陷类型和边界。标注一致性差,模型效果就上不去。
一块板子上有几十个检测点,每个点都要标,工作量按检测点算,不是按图片算。
第三块成本为什么是集成?
质检系统要和产线对接。包括触发信号、结果输出、剔除机构、MES 系统。
对接协议千差万别,老设备没有标准接口,要加装传感器或改 PLC 程序。
集成失败的风险高,因为产线不能停,只能在停机窗口调试。
第四块成本为什么是运维?
模型会漂移。光源老化、镜头污染、物料批次变化,都会让效果下降。
要有定期校准、样本补充、模型迭代的机制。这部分是持续成本,按年算。
还要算误判成本。漏检导致流出,返工和索赔的代价高;过杀导致误废,浪费良品。两个方向的成本都要算。
怎么算回本?
四个输入:质检人力节省、漏检损失下降、良率提升收益、总投入。
总投入是四块成本之和。收益要按保守估计,不要按最好情况。
回本期超过两年,要重新评估;超过三年,通常不值得。
落地建议?
第一,先做一条线、一个工位,不要全线铺。第二,样本先攒够再训模型,不要边攒边调。第三,集成阶段留足停机窗口。第四,上线后设三个月的观察期,每周复盘误判。
AI 质检的价值不在技术先进,在稳定可靠。稳定来自采集、标注、集成、运维四块的扎实,不是模型本身的先进程度。
去论坛讨论
前往 ziyuanagi.com 论坛 参与讨论