金屬衝壓

模具打到三十萬次後悄悄越界的毛刺;深拉延轉角上一道髮絲細的開裂,直到客戶的進貨檢驗才被發現;模具裡卡了一顆金屬屑造成的凹痕,在料架上又被壓在它上面的零件遮住。在一條向一級汽車配套和白色家電客戶供貨的衝壓線上,每一件帶著隱藏缺陷離開衝床的零件,都會讓你付兩次代價。零件以你的零件號發出去。然後客戶的視覺系統線上邊把它攔截下來,停線罰款記到你頭上,糾正措施又把團隊從正經活上拉走一個星期。人工操作員能擋住明顯的廢品,但衝頭與模具的逐漸磨損是相機在出料溜槽口能看出來、而疲倦的人在第三小時漏掉的那一類。金屬衝壓的自動化品質檢測就是來補這個口子的——而且你不需要一臺六位數的視覺單元來做這件事。

金屬衝壓的 AI 缺陷檢測,透過一臺相機和一個 AI 模型,盯住每一件離開衝床、二次工位或清洗工序的零件,在它們到達料架之前把不合格件挑出來。模型不靠操作員守在控制面板旁,也不靠死板的規則機器視覺,而是從你這條線上合格件與不合格件的影像裡學習,並隨著模具、卷料和潤滑劑的變化而自適應。

車間裡把這件事叫作線上視覺品質控制、AI 缺陷檢測,或者金屬衝壓的 AI 視覺檢測。技術家族是同一套:一臺固定相機、一組受控光源、一個用你產線樣本訓練出來的 AI 模型,再加一份每一次衝壓都被檢測過、被接受、被標記或被剔除的可追溯記錄。

它不能替代你的模具維護、你的模具工程師或你的客戶稽核。它能做的是:讓你出貨的件數與合格件數保持一致——每一個班、每一副模具,並附上一份當客戶投訴回來時可以拿給稽核員看的記錄。

一座跑 Enao 視覺檢測的衝壓單元,看上去就像隔壁的單元,只多了一個元件。一臺翻新 iPhone 裝在支架上,以俯視或斜視角度對準出料溜槽、傳送帶,或衝床與料架之間的專用檢測工裝。一根簡單的 LED 燈條,在每一次衝壓時給相機一致的光照。

零件落到傳送帶上時,相機拍一張。iPhone 上的模型把零件分類為合格,或歸到上面七大缺陷家族中的某一類,並把結果寫進你的可追溯日誌。如果某副模具連續給出二十件被標記的零件,操作員會收到提醒;如果某臺衝床在一天裡出現毛刺高度的緩慢漂移,儀表板會在客戶發現之前先標記出來。

模型每晚基於前一天的標註重新訓練,因此一次模具更換、卷料更換或潤滑劑更換,在一個班內就被消化,而不是拖一個季度。新零件號走的是同一套流程:操作員標註前一百件衝壓,從第一百零一件開始模型接管,模具工程師在班末複核標註。