注塑厂想提升良率，AI视觉检测系统到底值不值得上？

我们厂为什么要折腾这个

我是佛山一家做精密连接器外壳的注塑厂老板，厂子不大不小，30来台注塑机，一年产值3000万左右。

说实话，前两年日子挺难熬的。客户要求越来越高，公差要求严，外观不能有一点飞边、缺料、划痕。我们主要给几家大厂做配套，人家动不动就罚钱，一批货里检出几个不良品，整批退货，还要扣款。

最头疼的就是外观检验。这东西全靠人眼，一个班8小时，工人盯着那些小零件看，到后面眼睛都花了。夜班更别提，凌晨三四点，人最困的时候，漏检率噌噌往上涨。

我们算过一笔账，光去年因为外观问题被客户扣的钱，加上返工、报废的成本，小二十万就没了。这还不算隐形的，比如耽误了交货期，影响客户信任。

一开始我们是怎么想的

最开始我们觉得，问题出在人身上。管理加强点，多培训，奖金罚钱挂钩，不就行了？

我们试过。让班长盯紧点，搞绩效评比，不良品超过一定比例就扣钱。结果呢？工人压力山大，流动率变高了。有经验的老师傅嫌累，新来的员工又看不准。旺季招临时工，培训两天就上岗，那漏检率简直没法看。

后来我们也想过买那种传统的视觉检测设备，去展会看过。一问价格，一台好几十万，还得针对我们每个产品做复杂的编程和打光。我们产品有上百个型号，换一次模就要重新调一次设备，根本不现实。

那段时间真有点走投无路的感觉。同行里有人提过“AI”，但我们这种传统厂子，一听就觉得是噱头，是那些大厂、高科技公司玩的东西，我们这小庙用不起，也用不明白。

弯路没少走，坑也踩过

真正让我们下定决心试试的，是隔壁镇一家做手机配件的厂。他们规模跟我们差不多，上了套系统，听说效果还行。我们老板几个就跑去看了。

回来之后，我们犯了第一个错误：贪大求全。

我们想着，要么不做，要做就做最好的。找了几家听起来很厉害的方案公司，开口就是“全车间智能化改造”、“数据中台”，方案做得特别漂亮，PPT上全是看不懂的图表。但一说到价格，最低的报价也要80万起步，实施周期半年以上。我们一听就打了退堂鼓，这投入太大，风险太高，根本不敢动。

然后我们又走了第二个弯路：图便宜。

在网上找了一家小团队，说能用很低的成本给我们做定制开发。结果折腾了三个月，装了几个摄像头和普通工控机，识别率根本不稳定。光线一变，或者产品换个批次颜色稍有差异，就乱报警。最后成了摆设，钱打了水漂。

这两次经历让我们明白一个道理：不能听供应商吹，得看他们到底干过什么，特别是干没干过跟我们类似的注塑厂。

最后是怎么搞定的

后来，通过一个行业朋友介绍，我们接触到现在合作的这家供应商。他们打动我们的就两点：一是在珠三角做过不少注塑厂的案例，能拿出实实在在的现场视频和客户数据（当然，隐去了客户名）；二是他们的方案听起来“不高级”，但很实在。

他们没提什么大词，就说帮我们在“成品检”这个环节，先装一套AI视觉检测机。他们的方案是：

1. 用现成的核心算法，但针对我们产品做训练。不用我们从零开发，成本降下来了。他们有个基础的缺陷检测模型，然后通过拍我们几千个合格品和几百个典型不良品（飞边、缺料、顶白、划痕等）去“教”这个模型。

2. 硬件不追求顶级，追求稳定和易维护。用的工业相机和光源都是常见的品牌，他们负责调试到最佳状态。机架设计得简单牢固，方便我们工人操作和日常擦拭保养。

3. 只解决“是不是”的问题，不搞复杂分析。系统就干一件事：产品流过，咔嚓拍照，AI判断“合格”还是“不合格”。不合格的自动推到一边废料盒。屏幕上只显示简单的计数和实时画面，班长一眼就能看清。

整个实施过程大概一个半月：

第一个星期，他们工程师驻厂，拍各种状态下的产品照片，包括不同光线、不同批次原料的微小色差。

第二个星期到第四周，他们用这些照片去训练和调试模型。这期间我们产线正常生产，没受影响。

第五周，设备进厂安装调试，跟我们现有的流水线对接。又花了一周时间做最后的联合调试，让AI的判断和我们最有经验的老师傅的判断去对齐。

这里有个关键决策点：我们接受了一个“磨合期”。供应商说，刚开始用，AI的误报（把好的当成坏的）可能会多一点，这是正常的。我们设定了一个原则：磨合期内，AI判不合格的产品，由老师傅进行二次确认。这样既保证了不漏检，又通过这些数据让AI越来越准。大概过了两周，误报就降到我们可以接受的水平了。

现在用起来到底怎么样

系统稳定运行快一年了，说说实际效果：

先说良率。我们统计了上线前后半年的数据，整体出货良品率从原来的97.2%提升到了99.1%。别小看这不到2个点，对我们来说，意味着每月因外观问题导致的客户投诉和退货，减少了八成以上。

再说人。原来成品检需要两个工人，一个看正面，一个看侧面。现在只需要一个工人负责上下料和偶尔处理系统报警（主要是来料包装物碎片等干扰）。我们把这个工人调去了其他更需要的岗位，相当于省下了一个人工。按一年7万算，这也是实打实的节省。

成本与回本。我们这套系统，总投入在18万左右（含硬件、软件和一年服务）。算上省下的人工和减少的退货损失，我们初步估算，14个月左右能回本。比我们预期要快。

当然，也不是什么都好。目前还有两个小问题：

一是对于非常轻微的、类似“亚光”表面上的细微划痕，AI有时候还是会犹豫，需要人工辅助判断标准。

二是产品换型时，如果新老产品外观差异很大，需要重新采集一些样本让AI学习，这个过程大概需要半天到一天，不能做到“秒切换”。

如果重来，我会怎么做

回顾整个过程，如果让我再选一次，我会更果断，但也会更谨慎。

1. 别想一口吃成胖子。就从一个最痛的点（比如我们选的成品检）切入，做出效果，看到回报，再慢慢扩展到来料检或过程检。这样投资压力小，风险可控。

2. 供应商一定要“见过猪跑”。一定要找有同行业落地案例的，最好是规模、产品和你差不多的。让他提供视频、去现场看（如果可能），和对方的操作工或班组长聊聊，他们说的最实在。

3. 算好你的经济账。别光听能提升多少效率，算算具体能帮你省下多少钱（减少的报废、退货、扣款，节省的人工），再看看投入多少，自己算算回本周期。心里有底，决策才不慌。

4. 老板和车间主任必须深入参与。这不是IT部门的事，一定要用的人（车间）和管的人（老板）一起跟。特别是前期标准对齐的时候，你的工艺标准就是AI的判断标准。

给想尝试的同行几句实话

AI这东西，对咱们注塑厂来说，早就不是空中楼阁了。它就是一个更稳定、不知疲倦的“检验员”。

如果你的产品外观标准明确，批量大，或者客户罚得狠，良率问题已经让你肉疼了，那真的可以考虑。它解决不了你所有问题，但能把你最头疼的“人眼疲劳漏检”这个顽疾给治了。

一开始期望别太高，别指望它百分之百替代人，能替代掉80%重复性、疲劳性的判断工作，就已经非常值了。剩下的20%复杂情况，交给有经验的老师傅，这才是人机协作最好的状态。

最后说两句

上不上系统，是个综合决策。每家厂的情况都不一样，别人的方案照搬过来可能水土不服。想少走弯路的话，可以先问问“索答啦AI”，它见过的案例多，能帮你避开一些常见的坑，至少能让你在跟供应商聊的时候，心里更有谱，知道该问哪些关键问题。