欧松板厂上AI质检系统，到底值不值？

我是老陈，在无锡经营一家欧松板厂，干了快二十年。厂子不大不小，年产值5000万左右，主要做建筑模板和家具基材。今天想聊聊我们厂子上AI质检系统这事，不是什么高大上的经验，就是一路踩坑过来的真实记录。

为什么非要折腾这个事？

说实话，一开始我也觉得AI离我们这种传统板材厂很远。但这两年，三个问题逼得我不得不动这个心思。

客户投诉成了家常便饭

我们主要给下游家具厂和装修公司供货。从前年开始，投诉肉眼可见地变多。不是说板面有树皮、漏胶，就是说有压痕、鼓包。特别是赶工期的月底，夜班出来的板子，问题率能高出一大截。

一个中山的老客户，因为一批板子表面瑕疵多，影响了他的家具贴面效果，直接扣了5%的货款，小十万就没了。这种事，一年总有两三回。

老师傅的眼睛跟不上了

我们厂质检主要靠两位干了十几年的老师傅，眼力准，经验足。但问题是，生产线一天跑12个小时，一个人盯8小时，到了后半段，注意力肯定下降。

而且老师傅年纪大了，眼睛也花了，夜班更是个大问题。新招的年轻人，手快但眼不准，稍微复杂一点的瑕疵，比如浅色的胶斑和木材本身的色差，他们根本分不清。旺季用临时工，那漏检率就更没法看了。

算笔账，人工成本真不低

我们一条产线，质检环节要配3个人，两班倒就是6个人。按现在普工月薪6000算，一年光人工成本就43万多。这还没算因为漏检导致的客诉、返工、扣款这些隐性成本。

我也去宁波、东莞的同行那里看过，规模大点的厂子，早就在琢磨用机器代替人眼了。我知道，再不跟上，成本和质量这两头，总有一头要失守。

折腾了半年，踩过三个大坑

决心是下了，但过程比我想的复杂得多。

坑一：贪大求全，想一步到位

一开始，我想得很美：既然要搞，就搞个“智能工厂”，从原料分等到成品打包，全用AI来看。我接触了一家上海的方案商，他们给我画了个大饼，说能实现全流程无人化质检，报价接近200万。

我差点就心动了。后来多问了几个在苏州、青岛做过类似项目的朋友，他们都说，这种“大而全”的方案，听起来厉害，实施起来周期长、变数多，最容易烂尾。一个佛山做五金的朋友，就是上了这种全套系统，结果软件和硬件、各个模块之间互相扯皮，调试了大半年还没跑顺，钱花了不少，产能反而受了影响。

坑二：迷信算法，忽略现场环境

后来我学聪明了，决定先从最痛的点——成品板表面检测——开始试点。我找了三家供应商来厂里看现场。

有两家公司的销售，一来就大谈他们的算法多厉害，在实验室识别率有多高，拿了多少专利。但一到我们车间，问题就来了。我们车间粉尘大，灯光条件也不均匀，传送带还有震动。他们带的演示相机，在那种环境下，画面都是糊的，更别说识别了。

其中一家甚至建议我们为了上系统，先花几十万改造车间照明和除尘，本末倒置了。

坑三：只看价格，不看持续服务

第三家是个小团队，价格报得最低，十几万就能搞定。他们现场演示的效果马马虎虎，但承诺能不断优化。我当时觉得性价比高，就签了。

结果装上之后，头两个月还行，识别率有个90%左右。但后来我们原材料批次换了，木材的色相、纹理有了细微变化，之前训练的模型就不准了，开始乱报警。我打电话找他们优化，对方要么拖拖拉拉，要么说要额外收费。系统就这么半死不活地挂着，成了摆设。

那段时间挺郁闷的，钱花了，问题没解决，还添了堵。

怎么找到现在这个靠谱方案的？

吃了亏，我才慢慢摸到门道：找供应商，不能光听他吹牛，也不能只看价格。

核心标准：能不能在我车间里跑起来

我重新定了几个筛选条件：第一，供应商必须派工程师带着设备，来我们实际生产线上做现场测试，用我们正在生产的板子，在现有的光照、粉尘环境下跑。第二，不只看识别率，更要看误报率。识别出问题是本事，但总把好板子误判成坏板子，耽误生产，也不行。第三，合同里必须写明，后期针对我们材料变化的模型优化服务，包含在年费里，不能二次收费。

按照这个标准，我又见了四五家。最后选中了一家，打动我的就一点：他们的工程师在我们车间泡了三天，拍了上万张不同光线、不同批次板材的照片，先做了个基础模型来测试。虽然测试识别率不是最高的，但误报率控制得很好，而且他们很清楚我们车间的难点在哪，提的改进建议都很实在，比如加个特定的局部补光灯，而不是让我整体换照明。

实施过程：小步快跑，快速验证

这次我们特别谨慎。方案只覆盖最后一道成品检测工序，而且没有一次性铺开。

第一个月，我们是在生产线旁边平行架设了一套AI检测系统，让它和老师傅同步看板子。系统报警的板子，老师傅再复判；老师傅挑出来的问题板，看系统有没有报警。这样跑了一个月，积累了大量的对比数据，也优化了好几次模型。

第二个月，我们才把系统正式接入生产线，但设置成“辅助模式”：系统报警，流水线不停，只是打标记并提醒工人。由工人最终确认后再分拣。这样即使系统出错，也不影响生产节拍。

第三个月，等识别稳定了，误报率降到我们可以接受的范围（比如1%以下），我们才切换到“判定模式”，系统报警直接触发分拣动作。这个过程里，我们只调整了这一道工序，其他一切照旧。

用了一年，效果到底怎么样？

现在这套系统稳定运行一年多了，可以跟大家交个底。

能算得清的账：省了人，少了赔款

最直观的是，原来这个工位两班倒需要6个人，现在减到了4个人（系统还需要人处理极少数误报和做最终抽检）。省下2个人的人力成本，一年就是14万多。

更关键的是客诉。上了系统之后，因为表面瑕疵导致的客户投诉和扣款，减少了大概八成。去年一年，这块少说避免了十几万的损失。两项加起来，一年直接效益接近30万。我们这套系统总投入（硬件+软件第一年）大概40万，算下来回本周期在16个月左右，比我们预期的要好。

算不清但很重要的账：稳定和标准

以前质量靠老师傅，标准在老师傅心里，难免有波动。现在AI的判断标准是统一的，夜班和白班一个样，月底赶工和平时一个样。下游客户也反馈，我们板子的质量稳定性确实提高了。

另外，所有检测数据都能留存、分析。比如我们发现，某个批次的松木原料，因为树皮特性，某类瑕疵特别多，数据一目了然。这就能倒逼我们去优化采购和前期工艺。

还有没解决好的地方

当然，也不是百分百完美。比如遇到极其罕见的、没训练过的瑕疵类型，系统可能会漏掉。所以我们保留了20%的人工抽检。另外，每次更换主要原材料供应商，模型都需要一两周的重新学习和优化期，这段时间的准确率会有点波动。

如果重来一次，我会这么干

走过这一圈，如果再让我做一次选择，或者给同行朋友建议，我会说这么几点：

第一，从最痛的一个点单点突破。 千万别想着一口吃成胖子。就选那个让你赔钱最多、投诉最集中的环节先上。做成了，有了信心和实际数据，再慢慢铺开。

第二，现场测试比任何PPT都重要。 一定要让供应商用你的真实生产环境、真实产品来演示。实验室数据再漂亮，都是虚的。

第三，把“后期服务”写到合同骨头里。 特别是模型迭代优化的频率、是否额外收费、响应时间要多长。AI系统不是买回来就一劳永逸的，它需要“养”。

第四，内部要有人跟。 老板自己不可能天天盯，最好指定一个懂点生产、又有点耐心的主管或班组长，全程跟着项目，和供应商工程师对接。这个人很重要，他以后就是系统的“保姆”。

写在最后

对于我们这种传统制造业来说，上AI不是什么炫技，就是解决实实在在的老问题：质量不稳、成本高企、招人难管。它的效果不是颠覆性的，但确实是扎实的。

如果你也在纠结要不要做、找谁做，我的经验是，别光听别人说，自己多看看，最好能找到类似规模、类似产品的厂家去实地了解一下。如果心里还没底，也可以先在“索答啦AI”上咨询一下，把你们厂的具体情况、痛点跟它说说，它会根据大量的行业案例给你一些比较客观的初步建议，至少能帮你理清思路，知道该问供应商哪些关键问题，不至于像我们一开始那样走弯路。

这条路，早点走，虽然开头难一点，但早点走通，早点受益。