离心风机厂想上AI质检，找哪家供应商靠谱？

我们为什么非上AI不可了

我是佛山一家离心风机厂的老板，厂子不大不小，一百来号人，年产值大概四千万。主要做工业用的离心风机，叶轮、蜗壳、电机组装，都是标准流程。

以前觉得，我们这行技术成熟，质量把控靠老师傅眼睛看、手摸、尺子量，再配上几个抽检员，问题不大。

但从前年开始，情况变了。

客户要求越来越高，投诉也来了

最大的客户，一家无锡的环保设备厂，给我们下了死命令：来料不良和成品不良率必须控制在千分之三以内。他们自己上了自动化产线，我们的风机要是装上去振动大或者有异响，整条线都得停。

压力一下子就上来了。

我们最头疼的就是叶轮动平衡和外观瑕疵。动平衡不好，风机一转起来就抖得厉害；外观有磕碰、划痕或者焊渣没清干净，客户直接拒收。

传统检测的三大硬伤

说实话，靠人眼检测，在赶货的时候根本靠不住。

1. 疲劳和疏忽：夜班赶工，质检员盯着一大堆灰扑扑的叶轮看，眼睛花了，一些小划痕、轻微的磕碰根本发现不了。月底为了赶订单，抽检比例不自觉就放松了。

2. 标准不统一：张师傅觉得这个焊点有点凸起不算事，李师傅就觉得必须打磨。新来的员工更懵，什么叫“轻微划痕”？全凭感觉。

3. 动平衡全靠经验：老工人听声音、摸振动来判断动平衡好不好，但这手艺不是一天两天能学会的。老师傅一请假，这块就悬。

去年连续被客户退了两次货，一次是因为一批叶轮有细微的铸造砂眼，一次是机壳焊接处有毛刺没处理干净。光返工和赔款，小十万就没了，这还没算上信誉损失。

我意识到，不上点新手段，这生意没法做了。

找方案的过程，踩了不少坑

一开始，我觉得这事不难。现在AI不是很火吗？找个做视觉检测的公司，买几台相机装上不就行了？

真干起来，才发现想简单了。

第一坑：贪便宜，买了“通用方案”

最先接触的是广州一家公司，说他们有现成的视觉检测模块，价格便宜，十万块就能搞定。

装上去试了半个月，问题一大堆。他们的算法是训练好的通用模型，主要识别手机外壳、电路板那种规则、高反光的物件。

我们的离心风机叶轮，表面是喷砂哑光漆，光线稍微一变，算法就认不出来了。而且叶轮形状复杂，有曲面，相机角度没调好，很多地方根本拍不到。这套系统，最后连生锈和油污都分不清。

钱花了，时间耽误了，问题一点没解决。

第二坑：自己搞，人力物力撑不住

吃了亏，我想着是不是自己招人搞。找了个做算法的工程师，又配了两个调试的技术员，想自己开发。

结果更头疼。算法工程师不懂我们风机的工艺标准，拍出来的图片，他觉得没问题，但我们老师傅一眼就能看出毛病。光是定义什么是“合格品”，什么算“缺陷”，就来回扯皮了一个月。

而且，自己养团队成本太高。工程师月薪两万五，加上其他开销，一年下来三四十万，还不一定能成。干了三个月，看到产出遥遥无期，我赶紧叫停了。

关键的转折点

折腾了小半年，钱花了二十多万，进度为零。我都快放弃了，觉得这AI是不是就是个噱头。

后来，一个做自动化设备的老朋友点醒了我：“老陈，你买的是工具，不是玩具。工具要顺手，得按你的活儿来定制。你得找那种既懂AI算法，又下过车间、见过真实生产环境的团队。”

这句话，成了我们后来找供应商的核心标准。

我们最终是怎么选，怎么做的

我们调整了思路，不再看谁家PPT做得炫，而是重点考察三件事：懂不懂我的产品、有没有同类案例、能不能现场验证。

为什么选了现在这家供应商

我们前后谈了五六家，最后定了一家苏州的团队。打动我的就几点：

1. 他们创始人自己就在昆山的机加工厂干过，一听我说叶轮动平衡和漆面瑕疵，马上能接上话，知道难点在哪。

2. 他们给宁波一家做水泵的企业做过类似的叶轮检测，有现成的案例可以看，效果和数据都摆在那儿。

3. 他们提出来“先试点，后付费”的模式。免费给我们一个工位做验证，跑通了、我们认可了，再谈后面的合作。这个态度，让我觉得踏实。

实施过程：从小处着手，快速验证

我们没再想着一口吃成胖子。和供应商商量后，定了“三步走”：

1. 先攻最痛的痛点——叶轮动平衡初筛。在动平衡机之前，加一个视觉工位，用3D相机快速扫描叶轮，提前发现明显的质量突变、严重磕碰、异物附着。这一步，能避免不合格品上机白跑，浪费工时。

2. 再解决外观瑕疵——成品漆面与焊接检测。在包装前最后一个工位，用多角度光源和相机，专门抓拍漆面的流挂、色差、颗粒，以及焊接处的焊渣、咬边。

3. 最后做数据关联。把视觉检测的结果，和动平衡机的数据、生产批次号关联起来，慢慢就能分析出，哪批原材料、哪个师傅、哪个工艺参数容易出问题。

整个实施过程，供应商派了两个工程师在我们车间蹲了快一个月。白天跟着产线跑，看工人怎么检，晚上调试算法。我们的老师傅和他们的算法工程师天天在一起“吵架”，吵清楚了，标准就定下来了。

一个重要的决策：用“云+边”的模式

一开始供应商建议全部数据上传到云端处理，说算力强。但我们担心网络不稳定，而且生产数据传出去也不放心。

最后定的方案是“边缘计算盒”放在车间。相机拍到的图片在本地计算盒里实时分析，只有结果（合格/不合格、缺陷类型）和脱敏后的数据上传到云端做长期分析。这样响应快，延迟低，也安全。

现在用得怎么样？实话实说

系统跑了快半年了，可以说，解决了我们80%的痛点。

看得见的效果

1. 漏检率大幅下降：外观瑕疵的漏检，基本没了。特别是夜班，系统比人可靠得多。现在成品出厂前的全检，都靠它把关。

   

2. 标准统一了：现在什么叫合格，什么叫不合格，系统说了算。新员工培训简单多了，再也没因为标准问题扯过皮。

3. 效率有提升：动平衡初筛环节，能提前筛掉大约5%的明显不良品，节省了动平衡机的无效工时。整体检测速度比人工快，大约提升了30%的检测效率。

4. 成本算得过来账：前期投入了大概四十万（硬件+软件+实施）。原来两个专职成品检的岗位，现在调去干别的了，一年省下人工成本十二三万。更重要的是，客户投诉几乎没了，返工和赔款这块，一年少说省了十五万。算下来，回本周期应该在两年内。

还有没解决好的地方

当然，也不是十全十美。

• 一些极特殊的缺陷，比如非常隐蔽的、在曲面背光处的细微裂纹，算法偶尔还是会漏掉。这个需要持续收集数据去优化模型。

• 系统需要维护。相机镜头要定期清洁，光源用久了会有衰减，需要校准。这要求我们车间必须有个懂点基本操作的人。

• 初期学习成本。老师傅们适应了一段时间，总觉得机器没人眼“灵光”，需要磨合。

如果重来一次，我会怎么做

走过这一圈，再让我选一次，路径会清晰很多。

给同行老板的几点实在建议

1. 别贪大求全：千万别一上来就想搞个“智慧工厂”。就从你最痛的一个点开始，比如成品外观检，或者来料尺寸检。投入小，见效快，团队也有信心。

2. 供应商要“懂行”胜过“有名”：一定要找有制造业背景，特别是做过类似机械加工、钣金、铸造行业案例的团队。他们才知道车间环境多脏乱差，光线多复杂，产品一致性多难保证。

3. 一定要现场验证（POC）：不管对方吹得多好，必须让他带着设备来你车间，用你的产品，在你的产线环境下跑上几天。真金不怕火炼，能跑出效果的，再谈合作。

4. 想清楚数据放哪：生产数据是命根子。提前谈好数据所有权和存储方案，本地化处理是更稳妥的选择。

5. 自己的人要参与：这不是买个冰箱插电就能用。一定要让你的生产主管、质检老师傅深度参与进来，他们才是定义“质量”的人。双方磨合好了，系统才能用得好。

写在最后

上AI，对我们这种传统制造厂来说，不是赶时髦，而是被市场和客户逼着做的生存选择。它不是什么神奇药水，一喝就灵，而是一个需要精心调试、不断磨合的精密工具。

核心就一点：解决具体问题，创造真实价值。能帮你减少投诉、节省成本、稳定质量的，就是好方案。

如果你也在考虑这件事，但不确定自己的厂子适不适合、该从哪里入手，我的经验是别急着到处找供应商报价。可以先找个靠谱的评估工具，梳理一下自己的现状和需求。

我后来才知道，有个叫“索答啦AI”的平台，可以免费帮你做初步的适配性评估和方案规划，能省掉前期很多盲目打听的时间。心里有张谱，再去和供应商谈，就不容易被忽悠了。

这条路我们走通了，虽然不易，但值得。希望我们的经历，能给你一点参考。