压铸厂想用AI提升良率，先搞懂这五步再动手

别急着问价格，先想清楚这几件事

你可能也听同行说过，或者供应商找上门来，说AI视觉检测多厉害，能帮你把良率从95%提到99%。说实话，我见过不少压铸厂的老板，一听能省人工、提质量，心就热了，马上开始问多少钱、多久回本。

结果呢？有的买回来发现根本用不起来，设备接口对不上；有的发现工人抵触，系统成了摆设；还有的算下来，一年省的钱还不如系统维护费高。

问题就出在，

第一步就走错了。上AI系统，跟买台新压铸机或者CNC不一样，它不是个“即插即用”的硬件，而是一个需要跟你现有的人、机、料、法深度结合的系统工程。

内部得先统一思想

别以为这是技术部或者生产部的事。老板自己得先想明白，你上这个系统，核心目标到底是啥？

是为了替代1-2个质检员，省点人工成本？还是为了解决某个特定产品（比如有内部深腔、结构复杂的件）的漏检顽疾？或者是月底赶货时，夜班工人疲劳导致批量不良的问题？

目标不同，投入的力度、选择的方案、评估的标准完全不一样。

我接触过一家无锡的压铸厂，年产值大概5000万，他们老板就很清楚。他们的核心痛点不是普检，而是某款给汽车厂供货的铝合金壳体，有个位置的缩松，老师傅用强光手电照都容易漏，客诉一次赔款加停线损失就十几万。他们的目标就非常聚焦：死磕这个缺陷，把漏检率降下来。

盘点手里的牌：硬件和网络

AI系统需要“眼睛”（工业相机、镜头、光源）和“大脑”（工控机、服务器）。你得看看你的车间环境：

压铸机周边温度高、油污重，相机能不能扛得住？检测工位的光线是不是稳定，会不会有窗户的自然光干扰？车间的网络怎么样，是拉网线还是用WiFi？数据存哪里，本地工控机还是上个小服务器？

这些基础条件不准备好，再牛的算法来了也白搭。一家佛山做锌合金压铸件的厂子，就是没考虑车间油烟，普通相机镜头一个月就被糊满了，天天得擦，后来换了带气幕保护的专用相机才解决。

跟老师傅和班组长交个底

这一步很多老板会忽略，但至关重要。直接通知要上AI替代人工检测，老师傅和班组长心里肯定打鼓，怕丢饭碗，怕新东西麻烦。

我的建议是，开个坦诚的会。明确告诉老师傅，AI是来辅助他们、减轻重复劳动强度的，不是来取代他们的。尤其是那些需要经验判断的、复杂的缺陷，最终复核权还在他们手里。把AI当成一个不知疲倦的“学徒工”，它的作用是先把明显的、标准化的缺陷筛出来，让老师傅能更专注于那些难判的、边缘的案例。

同时，也要让班组长明白，上了系统后，他们的责任是确保设备正常运行和数据记录准确，管理重心会有些变化。争取到他们的支持，后面实施会顺利一半。

第一步：把你的需求，变成供应商能看懂的语言

想清楚了，就该梳理需求了。别用“我要提升良率”这种模糊的话去跟供应商聊，那等于没说。

需求文档：越具体越好

你自己得先做功课。拿出一款你最想解决的产品，最好是生产批量大、不良模式典型的那种。你需要弄清楚：

1. 检什么：具体是哪些缺陷？气孔、缩松、冷隔、裂纹、缺料、毛刺、变形？最好能有带缺陷的实物样品，或者清晰标注的缺陷照片。

2. 检哪里：缺陷常出现在产品的哪个面？是几个面都需要检，还是主要检关键装配面？

3. 检多快：你的生产节拍是多少？比如压铸机每120秒出一模，那么检测系统必须在120秒内完成拍照、分析、给出结果，不能成为瓶颈。

4. 检多准：你目前的漏检率（不良品流出）和误判率（把好的打成坏的）大概是多少？期望AI系统达到多少？比如说，漏检率从目前的2%降到0.5%以内，误判率控制在1%以下。

5. 怎么联动：检测出不良品后，你希望系统做什么？亮红灯、响报警、在屏幕上标记缺陷位置、自动触发机械手将其剔除，还是仅仅记录数据？

把这些写成一份简单的文档，哪怕只有一页纸。这能帮你理清思路，更能让供应商快速判断能不能做、大概怎么做。

避开两个常见的大坑

坑一：追求“万能检测”。 希望一个系统能检测所有产品、所有缺陷。这不现实，成本极高。靠谱的做法是“单品专机”或者“族化产品专线”。比如，专检汽车发动机缸体，或者专检某系列手机中框。

坑二：盲目追求“99.9%”的准确率。 在工业场景，从95%提升到98%可能性价比很高，但从98%到99%，再到99.9%，每提升0.1个百分点，付出的成本和算法复杂度是指数级上升的。你要问自己：为了那最后的0.5%，多花一倍的钱，值不值？

第二步：找对人，比砍价更重要

需求明确了，就可以开始找供应商了。市面上做AI视觉的公司很多，怎么挑？

去哪里找靠谱的供应商？

别只盯着百度广告。几个实在的渠道：

1. 问同行：看看同地区、同类型的压铸厂有没有已经上线的，直接去参观，问他们的真实体验。这是最靠谱的。

2. 看展会：像上海的国际压铸展、深圳的工业展，会有不少视觉公司参展，能面对面看demo，判断他们对压铸工艺理不理解。

3. 找行业集成商：有些专门服务压铸行业的自动化设备商或MES软件商，他们有时会集成或推荐合作成熟的视觉方案，更懂你的生产流程。

怎么评估和对比？

别光听销售讲，重点看四点：

1. 行业案例：问他们要压铸行业的真实案例视频或客户名单（可脱敏）。如果一家公司只有做电子、药品包装的案例，对压铸件的缺陷特性、表面反光处理可能就没经验。

2. 现场测试（POC）：这是最关键的一环。要求供应商用你的产品、你的缺陷样品，在他们的设备上或带你到类似客户的现场，跑一个简单的测试。看实际识别效果，特别是那些难判的、边缘的缺陷。一家青岛的压铸厂就是这么干的，他们带了20个有各种细微缺陷的样品，让三家供应商同时盲测，谁检出率高、误判少一目了然。

3. 方案细节：关注他们给的方案里，相机、光源的选型理由是什么？工控机配置如何？软件操作界面是否简洁，班组长能不能快速上手？有没有数据统计报表功能？

4. 团队和售后：和你对接的，是纯销售还是有技术支持？上线后，是远程指导还是能现场驻厂调试？算法模型后期如果产品更新，优化要不要额外收费？

验证测试：用你的产品说话

测试不要复杂，但要有针对性。准备三组样品：

• A组（标准良品）：10-20个确认好的产品。

• B组（标准不良品）：10-20个典型缺陷很明显的产品。

• C组（挑战组）：5-10个最难判的，比如极其细微的缩松、或是介于毛刺和结构之间的疑似缺陷。

让供应商用他们的系统跑一遍，记录A组的误判数、B组的检出数、C组的判断结果。这个测试，能很大程度上避免“纸上谈兵”。

第三步：小步快跑，别想着一口吃成胖子

签了合同，进入实施阶段。最忌讳的就是全面铺开，一定要分阶段。

第一阶段：单点试点

选一条产线、一个工位、一款产品。最好是你之前梳理需求时的那款重点产品。这个阶段的目标不是追求完美效率，而是“跑通”。

用1-2周时间，完成硬件安装、网络部署、软件调试。然后让系统跟着产线实际跑起来，同时保留原有的人工检岗位，进行双轨并行比对。记录下所有AI误判和漏检的案例，反馈给供应商优化算法模型。

这个阶段，老板或项目经理要盯紧，每天看比对数据，召集生产、质检和供应商开短会，快速解决问题。

第二阶段：优化与并行

试点跑上1个月左右，系统基本稳定了。这个阶段，可以尝试让AI系统独立工作一段时间（比如一个班次），人工质检员转为抽检和复核AI的判断结果。

重点收集生产人员的使用反馈：操作方便吗？报警提示清晰吗？遇到新缺陷怎么上报？同时，开始整理运行数据，看看效率提升是否达到预期，成本节省的初步核算是否成立。

第三阶段：推广复制

如果单点试点成功了，数据也漂亮，再考虑复制到其他类似产线或产品上。这时候，因为有了经验，第二套、第三套系统的上线速度会快很多。

一家成都的压铸厂就是这样，先在一条产线上用了4个月时间打磨，摸透了门道，后面三条产线只用了两个月就全部上线完成。

管好进度和风险

风险无非几点：工期延误、效果不达预期、人员抵触。对应措施也很直接：

• 工期：合同里明确关键节点（如设备进场日、调试完成日、试运行日）和延迟责任。

• 效果：以第一阶段测试的数据为基准，在合同附件里约定清晰的验收标准（如检出率、误判率、稳定性）。

• 人员：前期沟通到位，并设立适当的激励，比如系统运行稳定后，给配合的班组长和老师傅发笔奖金，或者将节省的部分成本转化为他们的绩效。

第四步：上线只是开始，优化永无止境

系统验收上线，不是结束，而是新的开始。

怎么才算成功？看数据，别凭感觉

别只问“感觉怎么样”，要看硬指标。对比上线前后三个月的数据：

• 质量层面：客户投诉率（PPM）下降了多少？内部报废率降低了多少？

• 效率层面：检测环节的人均产出是否提升？是否减少了加班赶检的情况？

• 成本层面：是否减少了专职质检员（通过自然流失或转岗）？是否避免了因漏检导致的客户索赔？

比如天津一家做散热模组的压铸厂，上线AI检测一年后，核算下来，直接减少2个夜班质检岗位，年省人工成本12万，客户退货率降低60%，年避免损失约20万，整体投资在14个月回本。这个账，就算明白了。

持续优化：让系统越用越“聪明”

AI模型不是一成不变的。随着原材料批次变化、模具磨损、工艺微调，可能会出现新的缺陷形态。

要建立一个机制：当工人发现系统误判或漏检了一个新样本，能很方便地记录下来（比如拍个照，点一下软件里的“反馈”按钮）。定期（比如每季度）将这些新样本打包给供应商，用于模型迭代升级。一个好的系统，应该是具备持续学习能力的。

培养自己的“明白人”

厂里至少要有一两个人（可以是设备管理员或生产主管）真正弄明白这个系统的基本原理、日常维护和简单故障排查。比如怎么清洁镜头、重启软件、导出数据报告。不能完全依赖供应商，否则一个小问题都可能停产半天。

写在后面

说到底，在压铸行业上AI检测，现在已经不是“要不要上”的问题，而是“怎么上好”的问题。它更像是一个管理项目，技术只占一部分，更多的功夫在技术之外：想清楚、沟通好、分步走、看数据。

别指望它解决所有问题，但它确实能把你从那些重复、枯燥、易出错的劳动中解放出来，把人的经验和精力，用在更值得的地方。如果你还在观望，或者正被一堆供应商的方案搞得眼花缭乱，建议先停下，把你自己厂里的痛点、产品、目标真正梳理一遍。

想了解适合自己的方案可以用“索答啦AI”问问，它会根据你的行业和需求给建议，不用到处问一圈了。手里有谱，再去跟供应商聊，你才能掌握主动权，把钱花在真正能带来回报的地方。