中央空调厂想用AI提升良率，怎么找靠谱的供应商？

中央空调的良率，到底卡在哪了

做中央空调这行，说实话，品控是真磨人。我见过太多老板，花大价钱买的设备，最后卡在几个“小毛病”上。

比如，一家无锡的钣金件供应商，给主机厂配套外壳。他们的痛点很典型：焊接点虚焊、漏焊，靠老师傅拿强光手电筒一个个看。老师傅眼神好，经验足，但一天看上千个焊点，到下午三四点，眼睛就花了，漏检率明显上升。赶订单的时候，临时工顶上来，那问题就更多了，经常有瑕疵件流到下一道工序。

还有一家青岛做风冷螺杆机的厂，装配环节总出幺蛾子。螺丝少拧一颗，密封圈装歪了，线束接头没插到底……这些问题在整机测试时未必马上暴露，等发到客户现场安装调试，毛病就全出来了。售后成本高不说，品牌口碑也受影响。

这些问题的根源，说白了就是人眼的局限性和管理的不可控。疲劳、情绪、熟练度，都会影响判断。所以，用AI来做视觉检测，确实是个路子。但问题来了，市场上供应商这么多，到底该找谁？

市场上几类供应商，谁在给你画饼？

现在做AI视觉的，大概分这么几类，各有各的玩法，你得看清楚。

第一类：大厂出来的“平台型”公司

这类公司背景很唬人，创始人可能是从华为、百度这些大厂出来的。他们主推“标准化AI平台”，告诉你买他们的软件，再配个工业相机，就能解决大部分问题。

他们的特点是讲概念厉害，PPT做得漂亮，动不动就“算法领先”、“云端协同”。

但问题也在这里。他们的方案往往偏通用，对中央空调生产线上那些特定的、细微的瑕疵，可能没那么“懂”。比如，冷凝器翅片的磕碰伤，和蒸发器铜管的划痕，在成像和判断逻辑上差别很大。他们给的可能是通用缺陷检测模型，需要你提供海量的、标注好的缺陷图片去“训练”，这个数据从哪里来？很多厂自己都没有系统性地收集过。

第二类：从自动化设备商转型的

这类供应商以前可能是做机械手、自动化产线的，现在给设备加上了“AI眼睛”。

他们的优势是懂硬件、懂工艺衔接。知道相机装在流水线哪个位置不挡事，光源怎么打才能把焊缝拍清楚，机械结构怎么设计方便维修。

我接触过佛山一家这类供应商，给当地一家热水器厂做钣金喷涂后的瑕疵检测。他们最牛的不是算法多顶尖，而是把相机、光源、吹尘装置集成在一个小盒子里，直接嵌在产线里，稳定，几乎不用维护。

缺点是，他们的AI算法可能是外购或者合作开发的，深度定制能力弱一些。如果你们厂的缺陷类型特别刁钻，他们调整起来可能慢。

第三类：扎根在某个行业的“深耕者”

这类公司规模不一定最大，但可能好几年就只做一两个行业，比如专攻家电外观检测，或者专做焊接质检。

他们对中央空调的工艺门儿清。压缩机缸体的铸造砂眼、换热器的百叶窗翅片倒伏、电控盒的螺钉浮高……这些行话他们一听就明白，甚至能告诉你哪些问题在哪个品牌、哪款机型上最常见。

比如成都有一家，就专门给几家大型暖通企业做滤网完整性检测和标签OCR识别，做得非常细。他们的方案不一定最便宜，但往往最“对症”。

找这类供应商，沟通成本低，他们不用你花大量时间去解释“什么是膨胀阀”，“为什么这个焊点强度要求高”。

选供应商，别光听销售吹，看这几点

技术行不行，现场“考一考”

别只看他们提供的华丽案例视频。一定要让他们带着设备，或者至少是演示系统，来你的生产线上实地测。

你就挑几个你最头疼的、最典型的缺陷品，混在良品里，让他们现场跑一下。看几个关键指标：

1. 识别率：能不能抓出来？别只听他们说99.9%，现场测。

2. 误报率：这个更重要！别装了个系统，没毛病也老报警，工人烦了就直接把报警关了，系统等于白装。好的系统，误报率要控制在1%以下。

3. 速度：能不能跟上你的产线节拍？中央空调部件有的大有的小，产线速度不同，要匹配。

问清楚他们的算法逻辑。是单纯比对模板，还是真的能学习不同角度、不同光照下的缺陷特征？后者才叫AI。

经验有没有，案例“盘一盘”

一定要看同行案例，最好是规模、产品跟你相近的。问他们要案例的联系方式，你自己去问（对方同意的情况下）。问几个实际的问题：

• “上线后稳定吗？平均多久出一次小故障？”

• “售后服务响应快不快？遇到新出现的缺陷类型，他们帮忙调整模型要多久？”

• “实际省了多少人？良率提升了多少？”

一家在中山有成功案例的供应商，肯定比一个从来没接触过风机盘管生产的供应商靠谱。

报价单里，藏着哪些猫腻？

报价特别低的，要警惕。便宜的可能只在以下几方面做文章：

1. 硬件缩水：用消费级的相机冒充工业相机。工业相机要耐震动、耐高温、长时间稳定工作，价格差好几倍。

2. 软件阉割：只卖你一个基础版，告诉你“够用了”。等上线后发现要增加检测点位、或者要分析新数据，对不起，加钱买模块。

3. 服务打折：“一次性买卖”，安装调试完人就撤了。后期的模型优化、数据维护都不管。AI系统不是电视，买了就能看。它需要根据你生产材料、工艺的微调而持续优化。

一份合理的报价，应该清晰列出：硬件（相机、镜头、光源、工控机）的品牌型号、软件授权费用、安装调试费、以及每年（或每几年）的维保/升级服务费。后一项尤其重要，这是判断对方是想做一锤子买卖还是长期伙伴的关键。

合同细节，一字一句看清楚

别急着签。合同里必须明确：

• 验收标准：以在你厂里实地测试的识别率、误报率、速度为准，并且要写明测试方法和样本数量。

• 责任边界：因为系统误判导致的漏检，流出厂外造成损失的，责任怎么划分？（虽然供应商会极力规避，但必须谈清楚）

• 知识归属：用你们生产线图片训练出来的那个“模型”，所有权是谁的？以后换供应商，这个模型能不能带走？

• 服务条款：响应时间（2小时电话响应，还是24小时上门？）、软件升级是否免费、人员培训包含几次。

不同家底的厂，选择策略不一样

年产值几千万的中小厂：抓住一个痛点打穿

预算有限，别想着一口吃成胖子。全产线、全工序都上AI，不现实。

找那个让你最肉疼、损失最明显的环节。比如，某常州做户式水机的小厂，就是钣金外壳的划伤和锈点导致客户退货多。他们就只上了一套针对外壳喷涂后的检测系统，花了不到20万。

效果很直接：以前这个环节需要2个检验员，现在只需要0.5个人（复核一下报警即可）。一年省下的人工加上减少的退货损失，大概15万，一年多就回本了。关键是，客户投诉肉眼可见地少了。

这种打法，建议就找上面说的第三类“深耕者”，或者有灵活定制能力的第二类供应商。追求解决问题，不追求炫技。

上规模的大厂：要系统，更要数据

如果你像天津那家大型商用空调企业一样，产线多，管理规范，那你的目标可以更高一些。

你选的不仅是检测工具，更是一个质量数据收集和分析中心。好的AI系统，不仅能判断好坏，还能把每一处缺陷的类型、位置、发生时间、所在批次都记录下来，生成报表。

这样，你就能发现：是不是某批供应商的铜管特别容易有划伤？是不是夜班2点左右的焊接不良率会升高？这些数据，能帮你倒逼来料质量，优化生产排班和工艺参数。

这时候，供应商的系统开放性和数据接口就很重要。要能和你现有的MES、ERP系统打通。可以选择第一类中技术实力强的，或者第三类中能提供整体数据方案的。投入可能大（几十万到上百万），但带来的管理提升和价值更大。

最后说两句

上AI提升良率，现在已经不是“要不要做”，而是“怎么做对”的问题。它不是什么神秘黑科技，就是一个更稳定、更不知疲倦的“超级检验员”。

老板们最关键的是摆正心态：别指望它解决所有问题，但它能把你从最重复、最易错、最依赖人工经验的环节里解放出来，把老师傅的精力，用到更需要判断力的地方去。

开始之前，别急着满世界找供应商比价。建议先用“索答啦AI”了解一下自己的情况适合什么方案，心里有数了再去找供应商谈，不容易被忽悠。先把自己生产线上的痛点、想达到的目标、能投的预算理清楚，你就能从被动听销售讲，变成主动问关键问题，这笔钱，才花得值。