老师傅盯片8小时 vs AI 20秒：一家轮毂厂的全检改造账

很多轮毂厂的 X 光房是这样的：

一台设备，两三个检查员，屏幕上排着几十张图。检查员一张张看完、点完，这只轮毂才能下线。

机器在等人的眼睛。

于是就出现了一个荒诞的现象——花几十万买的检测设备，产能瓶颈不在射线管，不在机械手，在人的注意力。而这恰恰是整个环节里最不可靠的那个。

一、传统 X 光房的四个真实痛点

1. 节拍被判片拖住。 一只轮毂几十张图，人工看完全部才能放行，X 光机在等待中白白空转。

2. 中夜班疲劳。 白班严、夜班松，同一批货换个班次判，结论可能不一样。

3. 人难招、难留、难培养。 熟练探伤人员稀缺，新员工上岗周期长，流动性还大。

4. 数据没沉淀。 判完就过，缺陷类型、位置、频次没人统计。工艺改进靠老师傅拍脑袋，改完也不知道有没有变好。

前三个痛点是效率问题，第四个才是真正吃掉利润的那个。

二、改造方案：四步走

第一步：自动上下料 + 轮型识别。

机械手或滚轮夹持机构自动抓取，兼容 12～26 英寸、最大约 50kg 的重型轮毂。系统自动识别轮型并调用对应检测程序，多型号混线无需人工干预。

第二步：多角度高速扫描。

C 型臂结构减少机械连接与振动干扰，扫描重点覆盖三个高风险区：轮辐根部 R 角、轮辋厚度过渡区、安装盘螺栓孔周边。

第三步：AI 自动判片。

这是核心。系统秒级完成裁决，疑似缺陷在图上自动框选标注，人工只做复核。

行业标杆的做法可以参考：某头部铝车轮企业给 AI 投喂了 1000 万张图片训练，针对缩松、缩孔、裂纹、夹杂、气孔等缺陷，每类分别标注 50 万张以上，并根据 AI 的学习情况不断重新标定识别错误的图片。最终检查效率提升 40% 以上，检查员的工作从"全检"变成了"复检"。

第四步：自动分拣 + 数据闭环。

合格品流入下道工序，不合格品自动剔除。所有检测图像与缺陷数据自动入库，形成每只轮毂的"质量身份证"，可对接 MES，按炉号、模腔、班次检索追溯。

三、算账

收益来自四处：人工成本下降、产能释放、误杀减少挽回的良品、以及主机厂索赔与停线风险的规避。

一句话：设备这笔钱，是从"少报废 + 少赔钱 + 少用人"里省出来的。

四、最容易被低估的第三重价值

很多老板把 X 光机当质检工具。其实它更值钱的身份，是工艺优化工具。

当系统把每一件产品的缺陷类型、位置、尺寸都自动记下来，就能生成一张缺陷分布热力图——哪个模腔问题多、哪个班次缩松集中、哪款轮型的辐根 R 角反复出缺陷，一目了然。

有了这张图，工艺工程师不用再猜：保压时间与压力要不要调、充型温度要不要降、边模冷却水流速度合不合适、补缩通道要不要加。

改完一周，再看热力图，效果立即可验证。

这一步，把检测设备从"筛子"升级成"导航仪"。也是打动技术型老板的关键一击。

全检不是成本，是把质量风险前移到你自己能控制的环节。

等到主机厂在装车线上发现问题，那时候你要付出的，就不是一台设备的钱了。

Tel:0512‑67508551