智能制造典型場(chǎng)景是智能工廠的基本組成單元，為指導(dǎo)企業(yè)掌握工信部《智能工廠梯度培育行動(dòng)》涉及的40個(gè)智能制造典型場(chǎng)景的核心思想，現(xiàn)對(duì)每個(gè)典型場(chǎng)景進(jìn)行解讀。智能制造典型場(chǎng)景參考指引（2025年版）原文，生產(chǎn)作業(yè)-在線智能檢測(cè)：面向質(zhì)量數(shù)據(jù)采集、分析、判定等業(yè)務(wù)活動(dòng)，針對(duì)檢測(cè)效率低、響應(yīng)慢、一致性差等問(wèn)題，構(gòu)建在線智能檢測(cè)系統(tǒng)，應(yīng)用智能檢測(cè)、物性表征分析、機(jī)器視覺(jué)識(shí)別、參數(shù)放行等技術(shù)，實(shí)現(xiàn)產(chǎn)品質(zhì)量在線快速識(shí)別判定，提升檢測(cè)效率和及時(shí)性。

在線智能檢測(cè)典型場(chǎng)景解讀：

一、生產(chǎn)現(xiàn)場(chǎng)質(zhì)量管理

在線智能檢測(cè)是生產(chǎn)現(xiàn)場(chǎng)質(zhì)量管理的典型方法工具，生產(chǎn)現(xiàn)場(chǎng)質(zhì)量管理的核心是“預(yù)防為主，數(shù)據(jù)驅(qū)動(dòng)”，通過(guò)工具組合實(shí)現(xiàn)從“事后檢驗(yàn)”向“事中控制”以及“事前預(yù)防”的轉(zhuǎn)變。生產(chǎn)現(xiàn)場(chǎng)質(zhì)量管理的“三不原則”是不制造不合格品、不傳遞不合格品和不接收不合格品，生產(chǎn)現(xiàn)場(chǎng)質(zhì)量提升（或質(zhì)量保證能力）分為四個(gè)階段，如下圖1所示。生產(chǎn)現(xiàn)場(chǎng)質(zhì)量管理的追求是不制造不合格品，即達(dá)到四階段：通過(guò)防錯(cuò)、智能裝備以及CPK值管理等措施預(yù)知異常，保證“做不了不良品”；底線是不讓不合格品流出，即達(dá)到二階段：通過(guò)在線質(zhì)量檢測(cè)、首件檢驗(yàn)與巡檢等措施使產(chǎn)品異常一目了然，實(shí)現(xiàn)不良品不流出。

圖1 生產(chǎn)現(xiàn)場(chǎng)質(zhì)量提升四階段

生產(chǎn)現(xiàn)場(chǎng)質(zhì)量管理（如圖2所示）的基礎(chǔ)是建立有利于作業(yè)標(biāo)準(zhǔn)化的穩(wěn)定生產(chǎn)系統(tǒng)，通過(guò)QA網(wǎng)絡(luò)圖進(jìn)行每道工序進(jìn)行質(zhì)量保證能力水平進(jìn)行判定，并通過(guò)在線質(zhì)量檢測(cè)、SPC與CPK值分析、防錯(cuò)等技術(shù)和4M變化管理、作業(yè)標(biāo)準(zhǔn)化等管理方法進(jìn)行生產(chǎn)現(xiàn)場(chǎng)質(zhì)量管理。

圖2 生產(chǎn)現(xiàn)場(chǎng)質(zhì)量管理四模塊

關(guān)于如何判斷一道工序的質(zhì)量保證能力可以參考下圖3的評(píng)價(jià)標(biāo)準(zhǔn)進(jìn)行判定，1級(jí)為最高級(jí)別，即做不了不良品。本人在進(jìn)行生產(chǎn)線設(shè)計(jì)時(shí)，必用評(píng)價(jià)標(biāo)準(zhǔn)對(duì)生產(chǎn)線每道工序質(zhì)量保證能力進(jìn)行評(píng)價(jià)，確保在生產(chǎn)線設(shè)計(jì)時(shí)就保證較高質(zhì)量水平，也就是說(shuō)“生產(chǎn)線質(zhì)量是設(shè)計(jì)出來(lái)的”。在線智能檢測(cè)是生產(chǎn)現(xiàn)場(chǎng)質(zhì)量管理的典型工具之一。

圖3 生產(chǎn)現(xiàn)場(chǎng)質(zhì)量保證能力評(píng)價(jià)標(biāo)準(zhǔn)

二、在線智能檢測(cè)定義

在線智能檢測(cè)是一種在生產(chǎn)過(guò)程中實(shí)時(shí)進(jìn)行質(zhì)量檢查的技術(shù)，通過(guò)自動(dòng)化設(shè)備或系統(tǒng)直接在生產(chǎn)線上對(duì)產(chǎn)品關(guān)鍵參數(shù)進(jìn)行測(cè)量、分析和反饋，確保產(chǎn)品質(zhì)量符合標(biāo)準(zhǔn)，減少缺陷品流入后續(xù)環(huán)節(jié)的風(fēng)險(xiǎn)。核心：“在線”：檢測(cè)與生產(chǎn)同步進(jìn)行，無(wú)需中斷流程或離線送檢；“實(shí)時(shí)”：數(shù)據(jù)即時(shí)采集、分析與反饋，支持快速調(diào)整，檢測(cè)數(shù)據(jù)可集成到SPC系統(tǒng)，用于過(guò)程能力分析（如CPK）；“自動(dòng)化”：依賴傳感器、機(jī)器視覺(jué)、AI算法等技術(shù)，減少人工干預(yù)，避免批量缺陷，通過(guò)早期預(yù)警降低返工和報(bào)廢成本。

三、關(guān)鍵技術(shù)

在線智能檢測(cè)系統(tǒng)的核心技術(shù)包括物聯(lián)網(wǎng)（IoT）與邊緣計(jì)算技術(shù)、物性成分分析技術(shù)、機(jī)器視覺(jué)檢測(cè)技術(shù)等。

1：物性成分分析技術(shù)

通過(guò)光譜、色譜、質(zhì)譜等物理或化學(xué)手段，實(shí)時(shí)檢測(cè)材料的成分、密度、硬度、含水量等物性參數(shù)，結(jié)合算法模型實(shí)現(xiàn)快速分析。包括近紅外光譜（NIRS）、激光誘導(dǎo)擊穿光譜（LIBS）、X射線熒光光譜（XRF）等技術(shù)，例如：乳制品企業(yè)采用近紅外光譜在線檢測(cè)牛奶的脂肪、蛋白質(zhì)含量，檢測(cè)速度達(dá)每秒10次，誤差＜0.1%；利用XRF技術(shù)對(duì)礦石進(jìn)行在線成分分析，實(shí)現(xiàn)金屬礦物的實(shí)時(shí)分選，效率提升50%；中藥行業(yè)通過(guò)紅外指紋圖譜在線檢測(cè)技術(shù)測(cè)量中藥配方顆粒的成分并建立實(shí)測(cè)模型，持續(xù)與傳統(tǒng)湯藥成分標(biāo)準(zhǔn)和成分模型進(jìn)行對(duì)比篩選以優(yōu)化中藥配方顆粒工藝流程、工藝方法及工藝參數(shù)。

2：機(jī)器視覺(jué)檢測(cè)技術(shù)

是基于圖像識(shí)別的自動(dòng)化檢測(cè)，利用高分辨率相機(jī)、圖像處理算法（如卷積神經(jīng)網(wǎng)絡(luò)CNN）和光學(xué)系統(tǒng)，模擬人眼進(jìn)行外觀缺陷、尺寸精度等檢測(cè)。一般包括采用高動(dòng)態(tài)范圍（HDR）相機(jī)、3D結(jié)構(gòu)光、多光譜成像等技術(shù)進(jìn)行圖像采集；基于深度學(xué)習(xí)的算法模型進(jìn)行缺陷分類（如YOLO、ResNet）、圖像分割（U-Net）。汽車零部件制造利用線陣相機(jī)+深度學(xué)習(xí)算法檢測(cè)發(fā)動(dòng)機(jī)活塞表面劃痕，替代人工目檢，效率提升5倍；農(nóng)業(yè)水果分選機(jī)通過(guò)多光譜成像判斷成熟度與損傷，每小時(shí)處理10噸蘋果，準(zhǔn)確率＞98%。

3：未來(lái)技術(shù)發(fā)展

未來(lái)通過(guò)多技術(shù)融合（如機(jī)器視覺(jué)+物性分析）實(shí)現(xiàn)更全面的質(zhì)量監(jiān)控，通過(guò)邊緣AI實(shí)現(xiàn)在設(shè)備端部署輕量化模型，降低云端依賴，通過(guò)自適應(yīng)學(xué)習(xí)使檢測(cè)系統(tǒng)通過(guò)增量學(xué)習(xí)適應(yīng)新材料或新缺陷類型。

四、典型案例

案例1：在線智能檢測(cè)-基于5G+AI 視覺(jué)技術(shù)的智能在線檢測(cè)系統(tǒng)

天正電氣公司在裝配線上為實(shí)現(xiàn)自動(dòng)檢測(cè)代替人工檢測(cè)，依靠帶自動(dòng)檢測(cè)的自動(dòng)裝配設(shè)備、自動(dòng)檢測(cè)設(shè)備等多臺(tái)智能設(shè)備及5G+AI 視覺(jué)技術(shù)組成一套完整的智能在線檢測(cè)系統(tǒng)，自研發(fā)AI 算力,整合云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)等創(chuàng)新源,賦能核心產(chǎn)品終驗(yàn)流程,實(shí)現(xiàn)“智腦”代腦、“智眼”代人眼、提高質(zhì)檢質(zhì)量和效率。建成后，完全替代人工,徹底消除了人的主觀因素，真正做到100%全檢無(wú)盲點(diǎn),檢測(cè)效率提升70%以上，誤檢率在排除人為因素、幾乎無(wú)漏檢情況發(fā)生，產(chǎn)品的一致性明顯提高同時(shí)生產(chǎn)效率顯著提高。

案例2：在線智能檢測(cè)-煤質(zhì)在線分析

針對(duì)煤質(zhì)分析均采用人工采樣制樣，利用實(shí)驗(yàn)室儀器對(duì)其進(jìn)行分析速度慢，遠(yuǎn)遠(yuǎn)不能滿足鍋爐燃燒調(diào)整和事故分析需要的問(wèn)題。采用煤質(zhì)在線分析儀實(shí)現(xiàn)自動(dòng)在線煤質(zhì)分析，6 分鐘內(nèi)可實(shí)現(xiàn)煤灰分、水分等信息的快速檢測(cè)，解決了傳統(tǒng)方法的采樣、制樣、化驗(yàn)工序復(fù)雜問(wèn)題，規(guī)避了結(jié)果滯后所導(dǎo)致的一系列問(wèn)題，在大幅減輕工人勞動(dòng)強(qiáng)度的同時(shí)可避免人為因素的干擾，檢測(cè)結(jié)果更客觀，輔助生產(chǎn)決策。

案例3：在線智能檢測(cè)-全流程質(zhì)量在線實(shí)時(shí)檢測(cè)

北京牽手果蔬公司在車間生產(chǎn)線全流程設(shè)置十多個(gè)在線質(zhì)量檢測(cè)點(diǎn)實(shí)現(xiàn)全流程在線質(zhì)量檢測(cè)，采用大量視覺(jué)識(shí)別等人工智能技術(shù)進(jìn)行在線質(zhì)量管控，并實(shí)現(xiàn)產(chǎn)品質(zhì)量數(shù)據(jù)在線采集、精細(xì)化質(zhì)量管控、可視化展示以及批次質(zhì)量追溯，保證飲料產(chǎn)品質(zhì)量。

案例4：在線智能檢測(cè)-全流程數(shù)字化質(zhì)檢系統(tǒng)

針對(duì)汽車行業(yè)產(chǎn)品規(guī)格多且復(fù)雜、人工檢測(cè)效率低等共性問(wèn)題，自主構(gòu)建數(shù)字圖像處理算法軟件平臺(tái)，利用物聯(lián)網(wǎng)（IoT）、人工智能和機(jī)器學(xué)習(xí)、 云計(jì)算、大數(shù)據(jù)和知識(shí)推送等技術(shù)，重點(diǎn)突破多源異構(gòu)數(shù)據(jù)采集、融合與閉環(huán)控制，基于 AI 視覺(jué)技術(shù)的截面尺寸和形貌檢測(cè)，面向知識(shí)學(xué)習(xí)的工藝參數(shù)建模與關(guān)鍵因素分析，大數(shù)據(jù)驅(qū)動(dòng)的質(zhì)檢全流程可視化智能決策管控等關(guān)鍵核心內(nèi)容，打造一套技術(shù)先進(jìn)、產(chǎn)品精湛、模式創(chuàng)新的數(shù)字化質(zhì)檢系統(tǒng)，提高質(zhì)量檢測(cè)準(zhǔn)確性，提升質(zhì)量管理效率。

來(lái)源：精益智造達(dá)人