注塑检测从目检到自动光学的发展趋势
摘要：趋势是用自动光学与 AI 缺陷识别替代目检，提升一致性与可追溯；结合在线 SPC 闭环，从抽检走向近全检。
关键词：自动光学,缺陷识别,趋势
注塑检测从目检到自动光学的发展趋势
注塑检测最明显趋势是目检退场、自动光学上位。目检受疲劳与标准不一影响，自动光学把缺陷转成可量化的数据与记录。
这不仅是换设备，更是从「凭感觉」到「凭数据」的范式转移。
自动光学能做什么
自动光学可稳定识别流痕、缩凹、缺料、毛边等外观缺陷，输出面积率与位置分布，比人工一致且可复核。
配合算法，能随缺陷库扩展识别类型，越用越准。
| 维度 | 典型取值 | 适用边界 |
|---|---|---|
| 公差依据 | ISO 20457 塑料件公差 | 按功能面选精密档 |
| 采样方式 | 首件全检 + 过程 SPC | 关键尺寸必测、带批次字段 |
| 设备取向 | 自动光学 主导设备 | 透明薄壁件优先非接触 |
和 SPC 怎么结合
自动光学产出的尺寸与缺陷数据直连 SPC，形成在线趋势监控，从离线抽检走向近全检闭环。
闭环让异常即时报警、即时停线，不良流出大幅降低。
落地门槛在哪
门槛在样本与标注：算法要可靠，需足量缺陷样本与准确标注；透明反光件还要解决成像。
中小厂可从单工位快检起步，再逐步扩展。
对人员与体系的影响
检测岗从「看」转向「看数据、管异常」，体系记录自动生成，审核更顺。人工价值上移到异常处理。
这也推动批记录从人工转录到自动归档。
怎么分步走
先选一个高缺陷率工位做自动光学快检，验证一致性与数据价值，再横向复制。别一上来全线上 AI。
把算法样本库与成像方案沉淀为资产，越用越省。
自动光学为什么上位
目检的天花板很明确，人会疲劳，标准会在人与人之间漂移，一个班次前后松紧都不一样。自动光学把缺陷转成可量化的数据并留下记录，判断的基线不再随人走。
更实质的变化在追溯。看没看到说不清，测到多少、记录在案说得清，客户审核时这一项的差别很明显。
和 SPC 怎么闭环
自动光学产出的尺寸与缺陷数据直连 SPC，监控从离线抽检走向在线近全检。异常触发报警、停线、处置，环节数据全程留痕。
闭环跑起来之后，人工的价值点上移，重复目检少了，异常处理与根因分析多了。岗位内容变了，编制未必减。
落地检查清单怎么编
清单的起点是拆解，把这项工作拆到可以勾选的粒度。前置条件、要测什么、用什么设备、判定阈值、谁来签核，每一条写成一个可执行的动作，避免出现「加强关注」这类没法打勾的条目。
清单随项目走，评审时逐条过。漏项在纸上发现，成本是一支笔的时间；漏在产线上发现，成本就要按批次算。
常见误区与规避
高频误区有两个。一个是把单次合格当成稳定合格，一次测量达标就签字放行，过程漂移完全没进视野；另一个是拿目检替代数据判据，肉眼看着没问题，公差边界其实没人量过。
堵的办法是给每类结论配证据要求。结论写区间与边界，证据给原始曲线与批次号，两样齐了才放行。证据要求写进模板后，规避就成了流程的一部分，不依赖个人警觉。
数据记录与留痕
记录的字段决定它的可用性。批次、设备、环境、操作者，这四项缺任何一项，审厂或争议复核时都要花几倍的时间补证，有时还补不回来。设备直出 CSV、按批次自动归档，是最省事也最不容易断档的做法。
人工在记录里的角色应该往后退，确认与异常备注为主。誊录环节每多一道，抄错与断档的概率就多一层。
谁来执行、何时复核
责任分界要写到人到岗，首件谁签、过程谁巡检、终检谁放行，写进作业指导书。出了问题追责是一方面，更重要的是执行时不用猜。
复核节奏跟风险走。高风险尺寸每批复核，一般尺寸按周期抽复核，复核结果回写台账。复核发现偏差要能追到执行环节，不然复核就只是走形式。
与现有流程怎么衔接
新判据新工具最忌另起一套流程。挂进现有首件、SPC 与放行环节，用大家已经熟悉的表单和节点，阻力最小，落地最快。
衔接的顺序是先对齐表单字段与系统接口，再谈规则升级。反过来做，工具再好也推不动，最后变成展示用的摆设。
怎么判断做得够不够
三个信号可以自查。趋势是否受控、异常是否闭环、复核是否按期，三条都满足，体系在正常运转。三条里有缺项，说明某个环节只做了纸面功夫。
还有一个反向信号，同一个问题隔几个月又出现。这说明上次的措施没有落到根因，要回到责任链条重新过一遍。
跨部门怎么对齐口径
研发、质量、生产三家各自给输入，公差与边界、判据与抽样、节拍与工况，凑齐之后写成一份共享的检验规范，签字确认。口头对齐的口径，换一个班次就变味。
口径统一之后，换线、换班、换供应商执行的都是同一套判据，数据波动容易被识别，而不是被各自解释掉。
异常升级路径怎么定
现场先按临时准则处置并留证，超过时限或范围，立即升级到技术与质量负责人。升级路径要写清联系人、时限与决策权限，层层等待是批量事故的常见起点。
路径定了之后要演练。真出事时翻文件找电话号码，耽误的都是处置窗口。
结果怎么对外表达
对外表达给区间与边界，把判据、工况与不确定度一并交代，读者自己能判断适用性。绝对化的承诺短期看着漂亮，长期是隐患。
表达克制一点，可信度反而高。工程团队引用数据时最怕来源含糊，来源清楚的数据会被反复引用，这本身就是内容的复利。
结论：
- 当缺陷率高时，先用自动光学快检验证再复制。
- 当接 SPC 时，让光学数据直连形成在线闭环。
- 当上 AI 时，先备足缺陷样本与标注资产。
相关阅读
- 注塑过程抽检和SPC监控怎么做 — 从「process」视角补充本主题的判据与落地。
- 透明光学件量产检测场景怎么布 — 从「application」视角补充本主题的判据与落地。
- 光学面型检测仪 — 从「vision-optical」视角补充本主题的判据与落地。