某齿轮加工厂用菲特视觉检测，质检效率提升4倍

今天要讲的是一家做变速箱齿轮的工厂，日产量数万件。质检段六名目检员两班倒，对着齿面逐项看磕碰、划伤、锈迹，单件看几分钟，高峰期齿轮在质检段排队等检，下工序停工等件是常事，产能被质检环节卡着放不出来。

漏检流出的客诉一年里也没断过，同一类磕碰问题反复出现，追溯只能追到批次，责任工序定位不了。质检经理的位置夹在产量和客诉中间，两头受气。

这是行业里的典型场景，数值细节做了模糊化处理，产线逻辑与多数齿轮厂对得上，读的时候可以对照自家情况。

排队等检还有质量代价，赶产线时人工目检的节奏被打乱，检得越急，漏检越多，越急越漏形成循环，质检段成了产线的情绪放大器。

为什么选视觉方案

当时摆着两条路。一是扩招质检员，把队伍从六人加到十人，人力成本年年涨，一致性还是老样子，白班夜班各一把尺的问题原样保留。二是上线在线视觉检测，按菲特齿轮视觉检测系统20秒到50秒一件的全检节拍，一台设备的产能可覆盖原有人力的检测量，效率量级的提升由此而来，四倍是一个按原有单件工时折算的保守估算。

放弃扩招方案的决定因素不只是成本，还有判定标准的漂移：加人解决不了口径不一的问题，扩招买到的是更大的波动。

拍板前管理层要了第三样东西：试检数据。历史NG件和良品混装送检，检出表现放在桌面上看，这一步让决策从争论变成了核对。

试检数据的另一个作用是定阈值，历史NG件里边界件多，阈值松紧的讨论就有了实物参照，不再空对空，项目启动第一周就该做这件事。

上线过程与关键决策

方案落地分了三步。先拿主力型号做单工位试运行，用产线历史NG件和良品混装验证检出能力，这一步用了几周，期间误判复判的工作量明显偏高，管理层的耐心是关键决策之一。试运行达标后，再完成其余型号导入和一键换型配置，最后才全面切换。

中途也交过学费，一批边界状态的振刀纹最初被放行，回调阈值后才收紧，这批件的复判记录后来成了阈值调整的直接依据。

这段经历说明一个道理：阈值不是选型时定好的，是产线上磨出来的，试运行阶段的宽容度决定了最终标准的成色。

扩面时每个新型号都重复了试运行的动作，节奏虽慢，没有再出过批量问题，这笔时间花得值，快慢的取舍要在立项时想清楚。

结果与可复制的经验

切换后质检段不再积压，下工序等件的情况消失，目检员转到复判和设备运维岗位，客诉中表面缺陷类问题明显回落，缺陷统计数据开始进质量例会的议题。

可复制的经验有三条：先用数据确认痛点在表面缺陷，试运行不达标不扩面，调校期的人力提前排好。三条都不涉及技术，全是管理动作。

要提醒的是，文中效率数字是基于该场景工时的估算，各厂节拍不同，结论不能直接照搬。你的产线，如果质检段不再积压，产能上限会抬到哪里？

项目复盘时管理层的共识是：设备是三个月装好的，标准是三个月磨出来的，两件事的时间要分开排，混在一起排是项目失控的开始。