热电阻厂想用AI提升良率，从哪一步开始做最靠谱？

你可能也遇到过这种情况：客户投诉说，一批货里总有那么几个热电阻，用着用着就失灵了。拆开一看，要么是引线虚焊，要么是绝缘层有肉眼难辨的微小破损。返工、赔款、丢客户，一套下来，利润全搭进去不说，还惹一肚子气。

说实话，热电阻这玩意儿，看着简单，但良率要稳在99%以上，真不容易。我见过不少年产值两三千万的厂，老师傅带着一帮人，拿着放大镜在灯下看，一天下来眼睛都花了，漏检率还是下不来。夜班、赶货、用临时工的时候，问题更多。

现在很多老板听说AI能帮忙，但心里没底：这东西到底怎么用？从哪开始？会不会花大钱最后打水漂？

别急，我帮你把这条路捋一捋，都是我们跟苏州、无锡、宁波、东莞这些地方的热电阻厂打交道总结出来的实招。

动手之前，先把这几件事想清楚

上AI不是买个新设备那么简单，它是个系统工程。没想清楚就干，十有八九要踩坑。

你到底想解决哪个具体问题？

别一上来就说“我要提升良率”，这太笼统。你得具体到环节和缺陷。

是陶瓷管绝缘层在绕线后的微小裂纹检测不准？还是焊接点饱满度（虚焊）靠人眼判断不一致？或者是成品阻值分选效率太低？

举个例子，一家无锡的热电阻厂，他们最头疼的是“引线与管体焊接后，焊点周围有微小飞溅”，这东西在显微镜下看像个小毛刺，容易导致后期绝缘不良。他们的需求就非常具体：用AI在焊接后立刻识别并剔除有飞溅的工件。

先抓住一个最痛的点，做深做透，比泛泛地搞“全流程检测”成功率高得多。

你手里有什么牌？

你得盘算一下家底：

1. 硬件基础：现有的产线能不能加装相机和光源？有没有地方放工控机？网络布线方不方便？很多老车间，拉条网线都费劲。

2. 数据家底：这是最关键的。你有没有积累下来的不良品样本？哪怕是用手机拍的照片都行。如果连10个典型不良品的清晰图片都拿不出来，供应商来了也巧妇难为无米之炊。一家宁波的厂，就是靠平时质检员留在桌上的几十个不良品实物，启动了第一个AI项目。

3. 人员准备：谁来对接？最好是一个懂工艺的车间主任，加上一个稍微懂点电脑的年轻技术员。老板自己不可能天天盯，但必须有个能拍板、能协调的人。

内部沟通，预期要拉平

跟车间主任和老师傅沟通时，话别说太满。别说“上了AI就能把人替掉”，容易引起抵触。

要说“这系统是给质检员当助手，把你们从枯燥的重复劳动里解放出来，去处理更复杂的工艺问题”，或者“夜班和赶货时，它能帮我们把关，你们压力也小点”。

同时，给老板自己也要降降温。别指望一个月回本，或者良率直接从95%飙到100%。合理的预期是：在某个关键环节，将漏检率降低70%-80%，良率稳步提升2-3个百分点（比如从96.5%到98.8%），一年左右回本。

第一步：把你的需求，变成供应商能看懂的话

需求模糊，是项目烂尾的头号杀手。

怎么梳理需求？拿着本子去车间蹲两天

别坐在办公室想。拿个本子，去你要改造的那个工位，完整跟两三个班次。记下这些：

• 节拍：一个产品检测要多久？现在人工看需要5秒，你要求AI不能超过3秒，不然产线就堵了。

• 缺陷特征：把各种不良品摆一起拍个照。跟老师傅聊，问他“您主要看哪几个地方？”“哪种缺陷最难判断？”“不同批次材料，外观会不会有差异？”

• 环境干扰：车间灯光会不会变化？有没有振动？产品表面有没有反光？

写一份“说人话”的需求文档

不用搞得太复杂，但以下几项必须写清楚：

1. 检测目标：明确说检哪几类缺陷（如：焊点虚焊、绝缘层裂纹、本体磕伤），最好附上照片。

2. 性能指标：

   • 检测速度：__秒/个

   • 准确率要求：识别率>99%，误报率<1%（初期可放宽）

   • 要能区分相似缺陷（比如划痕和正常的纹理）

3. 对接要求：检测结果怎么输出？是亮红灯、屏幕弹窗，还是直接给PLC信号把不良品吹走？

4. 硬件限制：安装空间多大？用电有什么要求？

小心这些需求误区

• “我要检所有缺陷”：一开始别贪多，先搞定最主要的1-3种。其他的后续可以慢慢加。

• “必须100%准确”：这不现实。AI也会有误判，关键是比人稳定，且误判率在可接受范围内（比如千分之五）。

• “跟人判断得一模一样”：有时候老师傅的经验标准本身就在浮动，你需要和供应商一起，把判断标准明确下来，固化到AI里。

第二步：找供应商和选方案，怎么避坑

市场上做AI视觉的公司很多，鱼龙混杂。

去哪里找？别只盯着百度

1. 同行推荐：最靠谱。问问其他热电阻或类似精密元件厂的老板，他们用过谁家的，效果咋样。

2. 行业展会：像深圳的光博会、上海的工博会，很多视觉公司会参展，能当面看演示。

3. 线上平台：一些工业领域的垂直社群或平台，上面也有案例和讨论。

评估供应商，重点看这几点

别光听销售吹牛，要问细节：

• 有没有做过类似案例？：最好是热电偶、热电阻、精密电阻等同行业案例。让他给你看视频或去现场看。一家东莞的厂，就是去佛山一家同行那里看了实际运行，才下的决心。

• 技术团队怎么配合？：是派算法工程师来现场调试，还是远程支持？现场调试时间包多久？热电阻这种小东西，现场光打亮就要调很久。

• 方案是“套壳”还是真定制？：有些公司拿通用算法硬套，效果很差。要问清楚，针对你产品的反光、尺寸变化，他们有什么专门的优化手段。

  

• 报价怎么构成？：把硬件（相机、镜头、光源、工控机）、软件授权、实施服务费分开报价。防止后期乱加钱。

搞一个“真刀真枪”的验证测试

让供应商带一套简易设备（哪怕是用USB相机）来你厂里，用你真实的产品（特别是各种不良品）现场测试。

测试时注意：

1. 用不同批次、不同供应商的材料做测试，看AI能不能适应。

2. 模拟车间环境，比如开关一下照明灯，轻轻碰一下设备，看稳定性。

3. 记录下识别率、误报率，还有检测速度是不是达标。

这是试金石，能筛掉一大半纸上谈兵的公司。

第三步：分阶段落地，步子别迈太大

一旦选定，实施阶段最怕乱。

项目分期：先试点，再推广

强烈建议分两期：

第一期（试点期，

1-2个月）：就在一条产线的一个工位上做。目标不是提升全线良率，而是“跑通”。验证技术方案可行，和现有生产节奏能磨合好。

第二期（推广期，

2-3个月）：试点成功后再复制到其他类似产线或工位。这时候你也有经验了，成本也会更低。

每个阶段的关键点

试点期：

• 硬件安装调试：跟供应商工程师一起，确定最佳的相机安装角度和光源方案。热电阻表面常有金属反光，这个很考验功夫。

• 模型训练与迭代：你需要持续提供新的不良品样本（特别是之前没见过的怪样子）给工程师，让他优化模型。头两个星期是关键期。

• 人员培训：教操作工和质检员怎么看系统界面，怎么处理系统的“疑问”（比如系统不确定的，要拿出来人工复判）。

推广期：

• 标准化：把第一套的成功参数、安装标准固化下来，方便快速复制。

• 数据汇总：看能不能把几条线的检测数据汇总到一个看板上，方便管理层一目了然。

进度和风险怎么管

• 每周开个短会：老板不用每次到，但项目经理（车间主任）和供应商必须对进度。问题不过夜。

• 盯住数据：每天记录系统的检出数、误报数，和人工复检的结果对比。用数据说话。

• 风险预案：万一系统不稳定，立刻切换回人工检测的流程要有预案，不能影响交货。

第四步：验收和长期优化，别一装了之

项目上线，只是开始。

怎么算成功？用数据验收

别凭感觉。运行稳定一个月后，拿数据说话：

• 漏检率：对比上线前后，流到后道或客户那里的不良品比例，降了多少？比如，一家苏州的厂，上线后客户投诉的绝缘不良问题下降了80%。

• 误报率：被系统误判为不良的好品有多少？是否在承诺范围内（如<0.5%）？

• 效率：是否达到了节拍要求？有没有因为检测拖慢产线？

• 人工节省：是不是减少了一个专职目检工位？或者让质检员能同时看两条线了？

上线后，优化不能停

产品会变，材料会变，缺陷也会出新花样。要建立一个机制：

• 车间发现任何系统漏检或误判的新样品，立刻保存，定期（比如每季度）交给供应商更新模型。

• 和供应商签一个按年计费的维保协议，包含几次模型优化服务。这钱不能省。

算算经济账

效果评估要算总账：

• 直接节省：减少的报废品价值 + 节省的质检人工成本（比如一个班次少用一个人，一年省6-8万）。

• 间接收益：客户投诉减少、返工运费节省、品牌声誉提升。

• 投入成本：硬件+软件+实施费。

一个常见的回本周期是8-14个月。一家常州的热电阻厂，在焊接工位上了AI后，良率提升了2.3%，一年省了15万的报废和返工成本，10个月回本。

最后说两句

AI对于热电阻这种讲究一致性和可靠性的行业，确实是个好工具。但它不是魔术，核心还是帮你把老师傅的经验和标准，稳定地、不知疲倦地执行下去。

最关键的是想清楚第一步，选对那个最该用AI的痛点，然后找到一个能蹲在你车间里解决问题的伙伴，而不是只会夸夸其谈的销售。

准备动手之前，建议先用“索答啦AI”做个初步评估，了解一下投入产出比，再决定要不要上。它能帮你更客观地看清自己的条件和可能的效果，避免头脑发热。

这条路，已经有越来越多的同行走通了。你也完全可以。