质检从终点站下沉到工位旁：拆锁工位开始被要求自证"看清楚了没有"

过去十年，3C 制造业的质检布局基本遵循一条清晰的分工：工位负责做动作，质检负责判结果。拆锁工位把螺丝拆下来，外观与装配质量由后段的 AOI 或人工目检来把关。这条分工在批量大、型号少、良率稳定的年代是经济的——检测设备贵，利用率要高，集中布置才能摊薄成本。

2026 年这条分工正在被重新划线。推动它的不是检测技术本身，而是三件同时发生的事。

第一件是缺陷的时效性变短。以前一个批次做完再去检，发现问题还能整批拦截、整批返工。现在订单批量收窄到几百台，等后段检出时，料已经流到下一道工序甚至已经出货。工艺端因此提出一个更现实的要求：问题要在产生它的那个工位上被拦住。这对拆锁工位意味着，它不能只报告"我拆了几颗"，还要报告"我拆的这颗，拆之前是什么状态、拆的过程是否异常"。

第二件是拆解对象的复杂度上升。折叠结构、堆叠主板、点胶加固、异形屏蔽罩，这些结构让"螺丝在哪里"不再是一个可以靠坐标表回答的问题。同一款产品在不同批次的来料公差、运输形变、返修痕迹都会改变螺丝的实际位置与表面状态。坐标固定的开环拆解在这种来料波动下会持续小概率失败，而失败往往表现为滑牙或批头空转——这两个结果都不报警，只是安静地损伤工件。

第三件是 AI 模型的可部署性变了。两三年前，把一个小模型放到工控机上做单站推理还需要专门的显卡与散热方案，成本压不下来。现在主流的边缘算力平台已经能在无风扇的机箱里跑轻量分割与分类模型，单站部署的增量成本落到了一个可以被项目预算吸收的区间。这就是"下沉"真正发生的原因：不是算法变强了，是算力便宜到可以浪费在每一个工位上。

这三件事叠加，让工序级质检从"可选加分项"变成"设计前提"。但它带来的不只是多装一台相机。

真正的变化在于工位要开始承担"证据责任"。当质检前移到工位，工位就成了质量数据的第一个产生点，它产出的图像、扭力曲线、时间戳要能和具体产品绑定，能在几周后回溯到某一颗螺丝。这套要求会反向改造设备：相机不能只是"帮忙找位置"的传感器，它得是能留存、能比对、能被调取的记录源；扭力数据不能只是超限报警，它得留下完整曲线；工位不能只有一个结果码，它得有可追溯的过程数据。

从设备供给端看，这个转向对厂商的能力结构提出了新要求。以前客户验收看的是"能不能拆下来、节拍多少"，现在越来越多的项目在技术协议里直接写明：单站要有图像留存、要有异常分类、要能与 MES 做数据对接。深圳市鸿锐达科技在自动锁付与拆锁一体的长期项目里，围绕微小螺丝拆卸设备的结构设计，近两年被客户追问最多的已不是轴速，而是相机安装位是否留了二次调整余量、光源是否能换型不停机、控制柜里是否还有位置放一台边缘计算盒子。

视觉在这里的角色也发生了偏移。带视觉自动拆螺丝机的工位，过去把视觉当作"定位工具"——找到螺丝中心，把坐标发给运动控制，任务即结束。现在同一个相机被要求承担第二份工作：在拆解前后各拍一张，判断螺丝头型是否完好、槽内是否有异物、拆下后螺孔是否有拉丝或掉屑。这两份工作对成像的要求并不一致：定位要的是对比度与边缘锐度，判定要的是均匀性与可重复性。同一个光位很难同时满足，实践中的做法是把两套成像参数分开存，用同一套硬件在不同工序步切换，而不是为了省钱共用一组参数然后在判定环节反复调阈值。

与之配套的是数据侧的收口。工序级质检产生的数据量远比集中式检测大——它按工位、按产品、按颗产生。如果每个工位各存各的，几周之后就会变成一堆无法聚合的孤岛。可行的架构是工位只做本地缓存与短期留存，把结构化结果（判定码、缺陷分类、时间戳、产品条码）实时上报，图像按策略抽样上传。这样既保住了追溯能力，又不会让车间的网络和存储被图像淹没。

对规格跨度大的项目，这套逻辑还要再细分一层。M0.8 到 M2.0 这个区间里，螺丝头型从十字到梅花到内六角，槽深与槽宽差异明显，同一个模型很难在全部规格上保持稳定。比较务实的做法是按头型与规格分组建模，各组独立阈值，判定结果再汇总到同一张报表。这也是M0.8-M2.0螺丝拆卸方案里强调分档配置的原因：分档不是为了把设备做复杂，而是为了让每一档的成像与判定都有明确的适用边界。

需要提醒的是，工序级质检并不是把所有检测都搬到工位上。它有明确的适用边界：适合拦"过程性缺陷"——滑牙、断头、漏拆、异物、位置偏移；不适合替代需要大面积扫描或高倍率观测的终检项目。把边界划清楚，投资才不会变成一堆利用率极低的相机。

从产业角度看，这轮下沉的意义可能不在检测精度，而在质量数据的归属。当每个工位都能自证"我看清楚了、我记录下来了"，质量责任就从后段前移到工序，返工与追责的路径也随之缩短。对拆锁这类长期被视为"辅助工序"的环节来说，这既是压力，也是它第一次真正进入质量体系的机会。