行业观察

工厂质检别再靠肉眼硬扛：协作AI把单件质检从82秒压到61秒、盯检时间砍82%

以下“东莞一条厨电终检线”是用于引出管理问题的场景描写，不是 arXiv:2609.33522 研究的地点或样本，也不表示该研究来自写春秋客户项目。

老师傅连盯三班玻璃与钣金面，班长看节拍表心里发紧：漏检一次整批要返，肉眼再硬扛也扛不过班次疲劳。看板写着「加人」，成本表写着「加不过去」。

Ünal、Okasha、Çırakman、Ünal（TEKNOPAR，AI-PRISM）把这种现场张力写成可核对的实地结果：在土耳其 Silverline 厨电厂，用 UR 10e（视觉缺陷）+ Comau Racer-5（功能测试）、ROS 2 Humble 协调的协作质检单元，把单件质检从 82 秒 压到 61 秒（约 25%），终检资源效率从 0.75 提到 0.88（约 +17%），岗位操作员 3→1，操作员盯检时间 −82%，NASA-TLX 心理需求显著下降（p=0.005）。本文只映射工厂管理动作，不整篇转载。

公开可核对的要点

问题设定：装配线人工目视仍是瓶颈；长班次疲劳拉低缺陷检出率；实验室算法指标不等于产线可上。

方法与结果（表述以论文为准）：

• 架构：UR 10e 携 Basler 做缺陷扫描 + Comau Racer-5 做功能测试；多模态数据含 Basler 影像、TIA 声学、SPS 电气安全；Ubuntu 22.04 + ROS 2 Humble；Grafana 实时看板。
• 节拍与效率：单件质检 82 s → 61 s（约 25%，超过原目标 10%）；终检资源效率 0.75 → 0.88（约 +17%，目标 +15%），该站操作员 3 → 1。
• 负荷：操作员视觉盯检时间 −82%；NASA-TLX 心理需求显著下降（p=0.005）。
• 感知：罩体跟踪精度约 100%；二维缺陷检测约 85%（残差主要由白罩变体误报主导）；单帧推理约 0.25 s，端到端感知约 0.5 s。
• 人因权衡（照实写）：职业自我效能 5.13 → 4.95；技术就绪度 3.18 → 2.88——经济与负荷改善的同时，接受度有小幅回落，需持续培训与参与感设计。
• 部署挑战：近距离安全、眩光/反光、双协作臂 ROS 2 命名空间冲突、OS/依赖问题；HRI 按 Rodríguez-Guerra 四级（任务 / 操作 / 工位 / 流程）。

作者主张：协作质检要「增强」而非「替换」操作员——扫描自动化，判定权仍在人；部署成本多半花在集成与照明，而不只在模型精度。

原文：arXiv:2609.33522（PDF：2609.33522）。题目：AI-Driven Collaborative Assembly Line Inspection: System Integration and Deployment Challenges。

落到珠三角工厂：质检编制别只买相机

多数车间不是缺一个「更高分的缺陷模型」，是缺「扫描交给机器、判定留给人、同时把眩光与安全写进工位标准」的编制逻辑。一个可执行的最小自检：

1. 先改任务分配，再谈裁员数字——文中 3→1 的前提是告警仍由人复核；没有复核闭环，85% 缺陷精度撑不住终检责任。
2. 把眩光与变体写进验收——白罩误报主导残差；试点验收要按颜色/材质分桶测，而不是只报一个总准确率。
3. 双机/多机要先隔离命名空间——ROS 2 话题冲突是实地卡点；任何双臂共线方案都要先做命名空间与启动编排，别等到上线才排障。
4. 技术就绪度小幅下降要进培训预算——自我效能与就绪度回落是部署权衡，不是「系统不好用」的单一结论；班组参与感与判定权设计要和硬件一起立项。

组织力用在这里，是把质检节拍、岗位编制、人机工位安全与接受度钉成同一套试点指标，而不是再买一台「准确率 99%」的黑盒相机。

十五分钟自检

本周终检有没有一次只因为「再加一个人盯」解决漏检，却没有任何「扫描自动化 + 人复核」的编制讨论？关掉视觉告警后，班组长能否在五分钟内按岗位红线重排盯检？两项空白，就还在「肉眼硬扛」。

数字与表述以 arXiv 论文为准；本文只映射工厂管理动作。

延伸阅读与咨询入口

• AI 与资料工程咨询：本文解读外部研究，不是写春秋客户项目。
• 延伸阅读：制造业 AI SOP 流程梳理、企业知识库五道工序。
• 沟通制造现场管理问题。