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