来料质检还靠老师傅眼看手摸？漏检一批赔一单，质检AI怎么落地

先把答案放桌上：看得住，而且AI在这活上赢人的方式，跟前两篇不太一样：报价赢在快，比价赢在全，质检赢在稳——质检的本质是"对着标准找不同"，拼的不是眼力多毒，是件件都认真；人做不到件件认真，不是不敬业，是生理熬不住，机器恰好天生只会认真。拆开说：对单、看外观、量尺寸、攒档案，这一半AI全包——来料进门过一遍检测台，缺陷标出位置和类型、超差自动拦下、每批料一份带图的检验报告，第一件和第一万件一个判法；这批退不退、让步接收还是索赔、供应商要不要换，这一半是生意判断，留给人——检验报告不是退货通知书，是你跟供应商谈质量时摆上桌的证据。一笔账：质检人力释放8-12万/年，漏检带来的报废返工减少5-20万/年，合计年省13-30万；投入5-15万（含相机等硬件），3-12个月回本。这一篇把质检员的活怎么拆、系统长什么样、四步怎么落地，一次讲透。

上一篇把采购比价讲完——"搜和算"的全包、"选和谈"的留人，结尾预告了这个题，今天兑现。质检这个题眼熟也是应该的：AI工程师樊军刚在6个场景那篇就给它算过账，这次单独拎出来，从账到落地讲透。而且到这一篇，三个场景正好连成一条钱的动线：报价管卖，比价管买，质检管收——比价压下来的价，要靠质检守住成色，不然省下的采购款，转头就在报废返工里加倍吐回去。老板们的问法通常长这样：

"我们来料检验就靠两个老质检员，眼看、手摸、卡尺量，货一多就改抽检。去年漏了一批电镀件，混进产线装完了才发现，整批返工搭进去小十万。这种活，AI真看得住？"

看不看得住，老规矩不空对空争。先算两笔账，再把质检员"眼看手摸"的动作放慢十倍拆开看——账算完、动作拆完，答案自己就亮出来了。

---

先算两笔账：人力账摆在明面上，漏检账藏在水底下

先看位置。来料质检这道门的特殊之处在于：它守的不是自己这道工序的成本，是后面所有工序的成本。质量管理里有个流传很广的"1-10-100"经验法则：同一个缺陷，在门口拦下，成本是1；流进产线做完了才返工，成本是10；到了客户手里变成客诉，成本是100。数字不必抠，量级是对的——不合格料每往下游走一站，损失翻一个量级。所以质检的账不能只算"这道口养几个人"，得算"这道门没守住，后面赔多少"。

人力账摆在明面上：2个质检员，每人月薪7000-8000，两人一年人力17-19万。细看这些人天花在哪——对单、登记、翻看、量尺寸、填记录。全是"对着标准找不同"的机器活，没有一样用得上"质检"这门手艺里真正值钱的部分：缺陷归因、标准把关、供应商质量管理。

漏检账藏在水底下，不出现在任何报表里，但每一笔都在发生：

• 抽检是在赌概率。货一多看不过来，只能抽检；抽检的逻辑是"抽到的合格，就当整批合格"——可缺陷藏得越稀，抽检越抓不到它，漏掉的那批从来不在抽中的样本里。十几年没出大事，很多时候不是门守得严，是骰子还没掷到那一面。
• 人眼有疲劳曲线。早上九点和下午四点，不是同一双眼睛；月底赶工期、产线在门口催料的时候，"差不多就放了"——标准长在人身上，就会跟着人的状态漂。
• 判定不留痕。眼看手摸的结论，落到纸上就一个"合格"章：没有照片、没有数据。出了客诉想追这批料进门时什么样，翻不出来；跟供应商扯皮，对方一句"你们当时验过收了"就顶回来——你的验收签字，反而成了他的挡箭牌。

两笔账合起来，才是"两个老质检员眼看手摸"的真实成本。而且第二笔账，加人加班都堵不住——件件都盯、盯到下班标准不漂，是生理做不到的事，这是结构问题，堵它得换工具。

---

质检员的"眼看手摸"，拆开是四个动作——三个给AI，一个留人

把质检员验一批料的动作放慢十倍，其实就四个：

前三个动作是"看和记"，第四个是"裁"。分工原则三篇一脉相承：报价那篇立的"算的全包、拍板的留人"，比价那篇的"搜和算全包、选和谈留人"，到质检还是同一句话换个场：看的全包，裁的留人。看外观、量尺寸，机器不累、不花眼、不赶工期——它能把每一件来料都按同一把尺子过一遍，人做不到不是不敬业，是熬不住。质检老师傅能把"看哪个部位、多大的伤算不合格"教给徒弟，就能教给AI——他教徒弟的，本来就是前三个动作的标准；徒弟只能自己历练出来的第四个（这批卡下来产线停不停、这家供应商怎么管），AI也不碰。

还有一层关系值得点破：比价和质检是一对——比价管"买得便宜"，质检管"便宜没买成次品"。只比价不验货，供应商吃透你的路数，就敢低价接单、以次充好，比价省下的钱原路吐回去。买的这只手快起来了，收的这只手就得跟上——上一篇把比价AI立起来，这一篇的质检AI，就是它的另一半。

---

系统长什么样：来料过一遍，报告带着图，档案越攒越厚

个人AI和企业AI那篇立过分水岭：企业AI的标志是"接进流程自动干活"。落到质检场景，就是从"质检员有空了看一批"，变成"来料进门就过检测台"。硬件不神秘：工业相机加打光，架在收料工位上——这也是这个场景投入里"含硬件"三个字的来处。来料进门，系统走一条流水线：

第一步，对单登记。送货单拍个照，型号、数量、批次解析出来，自动对采购单——对不上的当场标红；台账自动记，"哪批料谁送的、到没到、检没检"，再不用翻本子问人。

第二步，过检测台。来料按物料对应的检测方案过一遍：外观缺陷——划痕、变色、异物、缺角——AI对着缺陷库认，标出位置和类型；关键尺寸视觉测量，对图纸公差判超差。速度比人工快3-10倍，准确率能做到98%以上——外观缺陷检测是AI视觉里最成熟的方向之一，这不是拿新技术赌运气。判定分三档：明确合格，放行；明确不合格，拦下报警；拿不准，标"疑似"留人复核——不硬猜。

第三步，出报告、攒档案。每批料一份检验报告，每个判定带图——缺陷在哪、多大、对照哪条标准，有争议点开就能看。报告之外，系统还干一件人工质检从来干不了的事：攒档案——每家供应商的不良率、常见缺陷、批次走势，自动沉淀成供应商质量档案。年底谈价，把这份档案摆上桌——上一篇说比价报告是谈判子弹，这份档案就是第二匣。

护栏三条，一条不省：判定分级写死，宁可过杀、不可漏放——错拦一批，代价是复验一次；漏放一批，代价是整批返工，两头不对称，规则就往严的那头写。每个判定带图带依据，出了偏差能追溯到哪张照片、哪条标准。判定归系统，处置归人——退货、让步接收、索赔，签字权始终在人手里，系统不碰"裁"。幻觉那篇立的"关键数字走系统、答案标出处、拿不准转人工"，落到质检场景，就是这三条的样子。

---

落地四步，2-4周：盘家底、立标准、考试、放行

第一步，盘家底（第1周）。三样东西收拢到一处：过去一年的来料检验记录（哪批合格、哪批退了、为什么退）、不良品的留样和照片（有多少算多少）、检验标准文件（图纸、公差表、跟供应商签的质量协议）。数据那篇的"三问"在这里做：判一批料合不合格靠哪些信息、标准和记录都存在哪、随便挑一家供应商十分钟内查不查得到它去年的退货记录。顺手把物料分两堆：外观和尺寸相机拍得到的一堆，要上手摸、试装配、上专用仪器的一堆——拍得到的先上。

第二步，立标准（第1-2周）。访谈质检老师傅，把"眼看手摸"翻译成写得下来的标准：看哪几个部位、什么算缺陷、多大的划痕算不合格、哪种缺陷一票否决；再把合格品、不良品各拍一批样本喂给系统。他说、你记、AI整理，对着最近的真实批次逐条校准。这一步顺带治一个老毛病：两个质检员判得不一样、同一个人心情好坏判得不一样——标准落到纸面，全公司第一次有了同一把尺子。

第三步，考试（第2-3周）。拿留样和历史批次让AI盲判，对着当年的实际判定和后续结果对答案：漏检率多少、过杀率多少、错在哪类缺陷。验收不看演示，看历史回测——这条规矩三篇一字没变。漏检率不达标的物料回炉：补样本、修标准。这场考试照例自带彩蛋：盲判翻出来的各供应商真实不良率排行，本身就是下一轮年度谈判的筹码——考试考着考着，投入先赚回来一截。

第四步，试运行放行（第3-4周）。来料AI先判、质检员复核——他纠正的每一个判定，都在继续教AI；漏检率稳定达标的物料进白名单，逐步放行自动判，质检员只管疑似件、争议件和"拍不到"的那一堆。到这一步，人从"件件都看"挪到"只看AI拿不准的"，腾出来的手去干供应商质量管理——盯着档案看哪家该谈、哪家该换，这才是质检这门手艺里升值的部分。

账摆出来，测算口径跟AI工程师樊军刚在6个场景那篇立的完全一致：质检人力释放，8-12万/年；漏检带来的报废返工减少，5-20万/年（幅度看行业——料越贵、发现得越晚损失越大的行业，省得越多）——合计年省13-30万；系统投入5-15万（含相机等硬件），3-12个月回本。投入口径也跟系列每一篇一致：单点场景3万起、2-4周上线；多场景组合与长期合作另有分期方案——物料杂、预算紧的公司可以从更轻的切法起步：先上损失最大、最常出问题的那一两种料，一个检测工位跑出感觉再扩。

---

常见问题

Q：老师傅看了十几年，上手一摸就知道好坏——AI的眼睛能比老师傅还毒？

单看一件，老师傅可能仍然更强，尤其是疑难件。但质检的胜负手不在"看一件多准"，在"件件都认真"：人有疲劳曲线，早上九点和下午四点不是同一双眼睛，赶工期的时候更不是；AI的标准写死在系统里，第一件和第一万件一个判法。而且别忘了，AI的标准本来就是老师傅立的——立标准那一步，干的就是把他的眼力拓印下来。员工那篇的三件套照用：署名（判定标准库以他的名字命名）、给钱（拦下的损失按比例有奖）、升角色（从看料的人，变成质检标准的作者加供应商质量的管理者）。上线之后他也不闲着：AI管"看得多"，他管"看得深"——疑似件、新缺陷、跟供应商掰扯，都是他的主场。

Q：我们十几年没出过大的质量事故，这钱花得着吗？

先把"没出过大事"拆开看：是真没有，还是没记账？返工工时、产线上随手挑出来的不良、客户的小批量退货，多数公司都记在"正常损耗"里，从来没人把它们跟"来料没验住"连起来算总账——盘家底那一步经常有意外：把去年的返工和退货一归因，不少公司发现水底的账比想象的大。另外抽检那一条要再念一遍：缺陷藏得稀，不等于不存在；十几年没抽中，不等于下一批也抽不中——概率的事，次数够多总会到。这套系统买的不只是省人，是把这个概率钉死在门口：从"赌它不来"，变成"来了也进不去"。

Q：上了AI质检，还是漏了一批，责任算谁的？

先看人的基线：人工质检的漏检本来就每天在发生，只是没人记账，出了事还常常说不清漏在哪一环。AI这边三层防：判定规则宁过杀不漏放，拿不准的一律拦下留人；每一件都有照片和判定记录存档，出了问题能翻出这批料进门时的样子——是来料就坏，还是产线弄坏的，一查就清；处置签字权在人，该复核的环节跳不过去。责任始终在人，但人手里第一次有了完整的证据链——对内说得清哪一环的事，对外跟供应商索赔有图有据。真正该怕的不是AI漏检，是人漏了、连漏在哪都查不出来。

Q：我们的料一半要上手摸、要试装配，相机拍不出来，AI还有用吗？

分两半说。外观和尺寸——划痕、变色、异物、缺角、孔位、超差——相机拍得到的，AI全包，大部分金属件、塑料件、电子元器件都落在这一半；手感、装配配合、材质内部的，留给人和专用检具，AI不硬扛。但围着质检转的文书活它照样全干：对单、台账、报告、供应商档案——哪怕判定是人做的，结果录进系统，档案照样越攒越厚。适用判断就一句话：有明确外观标准、相机拍得到的物料，先上。另外这套方法不挑行业：来料质检的骨架，在制造、贸易、批发、供应链是相通的——贸易公司的进货验货、批发商的到货抽检，换个名字，同一套活。

---

一句话总结

来料质检还靠眼看手摸，这活AI看得住："对单、看外观、量尺寸、攒档案"全是对着标准找不同的机器活，AI全包——拍得到的料件件都过、第一件和第一万件一个判法、每个判定带图，顺手攒出供应商质量档案；"退不退、怎么谈"留给人——检验报告是证据，不是退货通知书。落地四步2-4周：盘家底、立标准、拿留样和历史批次考试、试运行放行。账两头算：质检人力释放8-12万/年，漏检报废返工减少5-20万/年，合计年省13-30万；投入5-15万含硬件，3-12个月回本。比省钱更值钱的是从此有据——每批料查得到进门时的样子，每家供应商摊得开真实的不良率。质检这道门守的从来不只是这道工序，是后面所有工序的成本。