2025制造业AI应用场景案例研究报告：质量检测篇

》制造业AI应用系列报告e-works Research2025制造业AI应用场景案例研究报告质量检测篇12025年6月数字化企业网www.e-werks.net.cr前言制造业作为国民经济的支柱产业，其发展水平直接关系到国家的综合实力与竞争力。随着市场竞争的日益激烈和消费者需求的日益多样化、个性化，传统制造业面临着前所未有的挑战，如生产效率提升瓶颈、产品质量不稳定、成本控制难度增大等问题。人工智能(A)技术正以前所未有的速度重构产业格局。作为新一轮工业革命的核心驱动力，AI通过其强大的数据处理能力、自学习算法和场景化应用，为制造业注入了前所未有的活力。质呈检测环节作为制造业生产流程中的关键环节，直接决定了产品的合格率与市场口碑。传统的质量检测方法往往依赖人工检验或简单的仪器测量，存在检测速度慢、精度低、易受主观因素影响等缺点。而AI技术在质量检测领域的应用，如基于深度学习的机器视觉检测系统，能够对产品的外观、尺寸、性能等多方面进行高精度、高速度的检测，即使是微小的瑕疵也难以逃脱其“法眼”，大幅提升了质量检测的效率与准确性。此外，AI还能够通过对历史检测数据的学习与分析，不断优化检测模型，实现质量检测的持续改进与智能化升级，为制造业企业提供更精准、更高效、更具前瞻性的质圣管控解决方案。在此背景下，本报告聚焦AI技术在制造企业质量检测环节的应用。通过分析多个实际应用案例，深入探讨A/技术如何借助深度学习、图像识别、大数据分析等手段，解决传统质量检测中的痛点问题，为制造企业引入A技术提供参考，助力其提升经济效益与产品质量。后续，我们将推出系列报告，继续探讨AI技术在研发设计、生产管控、供应链物流、营销服务等环节的应用，敬请持续关注，与我们共同探索AI为制造业带来的无限可能。目录content一AI在制造业质量检测环节应用概况01二AI在制造业质量检测环节应用案例02·案例1：舍弗勒汽车轴承AI视觉检测02·案例2：某国际汽车零部件企业电驱动产品质量检测05·案例3：国内某汽车主机厂密封胶涂胶检测07·案例4：华赢新材利用AI打开硅钢外观质检黑箱09·案例5：基于AI的交流继电器产品异音检测11·案例6：佛吉亚汽车座椅电动调高器异音检测13·案例7：中韩石化基于“机理+AI”模型的质量预测15三AI质量检测的实施步骤17结语19附 案例表2002025制造业A应用场景察例研究报告-质量检测境、AI在制造业质量检测环节应用概况根据工信部发布的智能制造典型场景参考指引（2025）3，智能制造在质量检测环节的典型场景为在线智能检测，即面向质量数据采集、分析、判定等业务活动，针对检测效率低，响应慢、一致性差等问题，构建在线智能检测系统，应用智能检测、物性表征分析、机器视觉识别、参数放行等技术，实现产品质量在线快速识别判定，提升检测效率和及时性。在细分应用场景方面，基于检烈的缺陷类别差异，可以划分为外观缺陷检测、装配质量检测、功能性能检测、异音异响检测、尺寸公差检测以及成分物性检测。这些场景涵盖了从生产前端到后端的主要检测环节，AI技术依托其卓越的数据分析与模式识别能力，正成为突破各环节检测痛点、提升质量管控效能的关锂技术支撑外观缺陷检测装配质量检通过工业相机、光学系统等硬件采集产通过视觉系统、力传感器等硬件采集装配品外观图像，利用A算法快速准确地识过程数据，利用A算法分析部件安装位置、别产品表面缺陷连接累固度等，精准判断装配质量功能性能检测-AI●异音异响检测借助传感器网络实时获取产品运行数据，采用高灵敏度壶克风阵列采朱声学信号，运用A模型对产品性能指标进行动态评结合声音识别算法精准定位异音异响来源估，快速识别功能异常或性能衰减并判断缺陷类型尺寸公差检测成分物性检测利用3D视觉测量仪、激光扫描仪等硬依托光谱仪、色谱仪等设备采集材料成分件获取几向尺寸歌据，通过AI算法对关专物理性能，运用机器学习模型快速准确超尺寸参数与标准进行对比拟合，高效地解斯材料成分含量及物理特性完成尺寸公差检测图1AI技术在质量检测环节的细分应用场景本报告共梳理了了人案例，润盖A技术在外观缺陷检测、尺寸公差检测以及异音异响检测等细分场景的应用，包括汽车轴承外观检测、汽车电驱动工序缺陷检测、汽车密封胶涂胶检测、硅钢表面缺陷检测、继电器产品异音检测、汽车座持电动调高器异音检测以及烯经产品质量预测，以期通过这些案例的呈现，为制造企业捉供可参考的实践。?2025节造业AI应用场景案例研究报告-质量检测缆二、AI在制造业质量检测环节应用案例》案例1：舍弗勒汽车轴承AI视觉检测1企业痛点：舍弗勒是德国著名的汽车零部件企业，其汽车轴承产品型号多、尺寸范围大，缺陷种类超过20种，企业此前采用传统视觉技术+人工的方式检测，但遇到了较高的产品质量风险：(1)缺陷种类覆盖有限，传统视觉技术无法对所有缺陷实现100%的外观检测；(2)质检工人的捡测水平不稳定，频禁发生客诉，再加上人员流动性高，用人成本不断攀升1需求分析：(1)建立算法、软件、设备一体化检测系统，机器智能检测替代人工检测，实现100%全检；(2)根据舍弗勒生产现场的实际情况，方案要满足缺陷检出率>95%、过检率≤5%、处理速度≤0.2秒/片的需求。|解决方案：舍弗勒联合思谋科技，依托思谋ViMo智能工业平台，搭建了基于AI的轴承智能检测方案，涵盖算法、软件、硬件等。光学整体方案采用站立式旋转拍照，采用“主动+从动双轴模式"模式，既能解决轴承OD（OuterDiameter,外径）面平放成像时造成的像素失真、产品打滑的问题，又能避免混入杂质造成二次污染，从而高精度100%呈现缺陷大小、尺寸等信息，保证检测的稳定性APPs定位质检OCR量测数据管理思谋智造超脑SMoreViMo设备相机 PLC「机器人「光源工业电脑 传感器图2轴承A视觉检测整体解决方案架构（来源：中国信通院-工业互联网资源池）2025制造业AI应用场景奔例研究报告-质量检测境算法与模型方面，采集的数据通过集成在工业电脑中的思谋智造超脑进行数据处理，其采用多任务模式将OCR、检测、分割等定制化算法进行融合，形成了一个专门用于轴承检测的算法库。此外，由于缺陷形态多样、面积差异大，方案采用多分辨率结合的分割模型，即在模型中保持一个高分辨率的分支，并将其与不同低分辨率分支的特征进行融合与交互，以适配不同的缺陷形态。果模型输出检测结果佳成图3轴承A视觉检测算法方案（来源：中国信通院-工业互联网资源池）模型训练方面，方案采用思谋自研SMAP训练框架，训练过程使用半精度和全精度结合的混合错度方案，即大部分模型使用平精度，对于售敏感部分使用全精度。这冲混合错度训练方式可以将速度和精度的平衡达到最优，在系统部署时能达到最快运行速度，并且不会有精度损失。float2half. WeightsF16F16FWDActivationsF16* ActivationsF16WeightBWD-ActvF16Activation GradF16Weight GradF16BWD-WcightActivationsF16Activation GradMaster-Weights(F32)F32Weight UpdateF32Updated Master-W