灯下看外观的那些年

在3C电子装配行业，外观质检长期是件耗眼力的活。林秀兰在这类工厂做了八年质检，最忙的时候一天要看上万件小结构件，靠放大镜和侧光找划痕、毛刺、压伤。她说那几年下班后眼睛发花，看什么都带重影。班组里人员流动快，新人培训周期长，判断标准还容易因人而异——同一件产品，两个人可能给出不同结论。

工厂引入PG直营站的AI视觉质检终端后，第一轮变化发生在工位上。终端在产线节拍内完成取像与判定，疑似不良品自动分流到复核台，质检员从逐件全检转为复核与抽检。林秀兰坦承，最初大家心里没底，担心岗位被替代。真正让她改变看法的是终端对微小压伤的识别稳定性——那类缺陷在灯光角度变化时人眼容易漏判，而终端在同一工位条件下保持了较高的一致性。

从判产品到判规则

岗位没有被取消，但内容变了。林秀兰现在的主要工作是复核系统标记的边界样本，并把误判案例整理反馈给方案工程师，用于调整判定阈值和补充样本。她学会了看简单的分布图，能说清“这批来料颜色偏深导致对比度下降”这类问题。班组里另一位质检员转向了来料检验，还有一位被调到工艺组，专门跟踪划痕类缺陷的发生工位。

  • 复核台按缺陷类型分组，边界样本优先处理，减少无效重复判断。
  • 每周汇总误判与漏判案例，由质检、工艺、设备三方共同确认原因。
  • 新员工培训改为先学缺陷分类，再上机复核，缩短独立上岗周期。
  • 保留人工抽检比例，用于验证终端判定稳定性，避免形成单一依赖。

这些流程并非一开始就顺畅。初期误报偏多，复核台反而更忙，班组一度想退回全检。后来通过调整光源方案、补充训练样本、把判定结果与工艺参数关联分析，误报逐步下降。PG直营站的方案工程师在其中承担了沟通角色，把现场反馈翻译成可执行的配置调整，而不是简单丢一份操作手册。

被重新定义的岗位价值

林秀兰觉得最大的变化是工作从“消耗注意力”变成“积累判断”。过去她只知道这件产品不行，现在能说清为什么不行、问题可能出在哪道工序。她把常见缺陷整理成一份图文对照表，贴在复核台旁边，新同事上手快了很多。工厂管理层也开始把这些记录纳入工艺改善的输入，而不是只当作质检台账。

当然，不是所有人都适应。有同事习惯了动手操作，面对屏幕和数据觉得空落；也有人担心长期不接触实物会生疏。工厂的做法是安排轮岗，让复核岗定期回到抽检工位，保持对实物缺陷的敏感度。林秀兰认为这个安排很关键，工具负责稳定，人负责判断标准是否还合适。

一条产线的启示

回访结束时，林秀兰带我们看了复核台旁边的白板，上面贴着最近一周的典型边界样本，每张都标了判定结论和争议点。她说现在最怕的不是系统出错，而是大家不再追问系统为什么这么判。只要还有人愿意追问，质检这个岗位就不会消失，只是换了方式存在。

对PG直营站而言，这类现场记录比任何参数表都更能说明问题：AI视觉质检终端的价值不只在识别率，更在于它把一线人员从重复劳动中释放出来，让他们有机会去做更需要经验的事。技术落地从来不是替换人，而是重新分配人和机器的分工。