翻车实录 02
苏州工厂的AI质检，检出率95%，生产主管为什么把它关了
现场：报警从每天两百条开始
苏州一家做精密五金件的工厂，两百来人，给汽车零部件厂做二级供应。去年底在两条冲压线末端装了AI视觉质检，demo 那天检出率 95%，老板当场拍板。
三个月后我们去做诊断，走到产线末端，看见质检工位旁边那块显示器已经黑着。生产主管说了一句很实在的话：“我关了。”
我们看到的三个断点
第一，检出之后没有动作。AI 判出疑似缺陷，质检员要停线、拿实物复判、找班长签字。一套走完七八分钟，一条线停七八分钟，当班产量就少一截。人是理性的，他算了一下，忽略报警比停下来划算。
第二，报警不分级。系统只输出“疑似缺陷”，不给程度。每天两百多条报警里，真正该停线的大概十几条，剩下都是光线、油污、夹具反光造成的误报。全混在一起，报警就变成了噪音，而噪音的结局一定是被静音。
第三，责任和考核反着走。质检员的考核是出货准时率和客诉为零。复判拖慢出货，扣的是他的准时率；漏检造成客诉，责任也在他身上。两头都在他身上，但“停下来”这个决定需要的权限，他手里没有。
为什么培训解决不了
这家工厂也安排过培训，讲怎么看缺陷图、怎么调灵敏度阈值。听完，质检员问的不是“怎么调”，是“我停下来，谁签字”。培训能提升判断力，但提升不了权限。一个人就算百分百确定该停线，他仍然要等班长。
后来怎么改的
我们没碰模型，先改流程：把 AI 的输出分成三级。
红色——尺寸超差、缺料、明显变形。系统直接停线，不需要任何人签字，班长事后补记录。这一条是生产经理拍的板，也是整件事的关键：把停线权从人手里交给规则。
黄色——疑似但不确定。不停线，只在班后抽检，攒够一批一起复判。
绿色——放行，不打扰任何人。
分级之后，每天两百多条报警降到 17 条，而且每一条都有人管。质检员那句话变成了：“红色的不用我判断，我只看黄色。”
这件事的真正成本在哪
很多老板以为 AI 质检是买算法。实际上算法在 demo 那天就已经达标，卡了三个月的是“报警之后谁有权停线”这句写在制度里的话。模型精度再高，如果报警的处理还要走三个人签字，它一定会被关掉。
一个动作，就够撬开一条产线。剩下的事，做起来反而快。
