Day 84｜视觉检测、FMEA 辅助、8D 报告三块实测。不吹不黑，把边界画给你看。
大家好，我是88豆。
在AI如此盛行的时代，AI能辅助质量管理那些方面？我们来聊一聊。
一家做精密冲压的老板给我看他们车间新上的 AI 外观检测：六台相机，一条线，报价单上写着"缺陷识别准确率 99.2%"。他问我："这玩意儿上了，我能不能把终检的人撤了？"
我说先别急，你回答我三个问题：
你这台设备，上一次拿一个已知的不良件去测它，它报警了吗？什么时候测的？记录在哪？这个模型是第几版？上个月换过光源之后，有没有重新验证？它昨天判废的那 47 个件，你是直接报废了，还是有人复检过？他一个都答不上来。
这不是个例。这两年我跑下来看到的情况是：AI 质检这一轮，买设备的钱花得挺痛快，把它接进体系的活几乎没人做。 结果就是设备很聪明，体系很糊涂，审核员一来，三个问题问倒一片。
上一篇我们聊过 AI 写体系文件和内审检查表的事。那篇讲的主要是"文字生成"，结论是三道闸门。今天这篇换个战场，聊工程现场：视觉检测、FMEA 辅助、8D 报告。这三块是这两年问得最多的，也是最容易一头热的地方。
我把能查到的公开数据、手册条款、以及自己实测的结果都摆出来。能做的地方我说能做，不能做的地方我说清楚为什么不能做。判断留给你。
一、先划边界：这篇和 Day 77 不重复
AI 到底能不能替你写体系文件、做内审检查表？
本篇
场景
体系文件、程序文件、内审检查表
视觉检测、FMEA 辅助、8D 报告
产物性质
文字——写完要受控、要发放、要被审核员读
判断——检测结论、风险评分、根因判断
核心风险
引用作废版本、条款号张冠李戴
误判、漏判、说不出依据
翻车后果
不符合项
不良品流出／良品被废／8D 被客户打回
一句话区别：写体系文件的风险是"写错了"，今天这篇的风险是"判错了"。 判错的代价通常更大，而且往往在客户那里才爆。
二、视觉检测 AI：它在标准里其实是"两件东西"
这是本篇最想说清楚的一点，也是绝大多数厂没搞明白的地方。
你花三十万买的这套视觉检测系统，在 IATF 16949 的体系里不是一件东西，是两件，两套规则都要守。
身份一：它是防错装置 —— 条款 10.2.410.2.4 防错：组织应有一个形成文件的过程，用于确定适当防错方法的使用。所采用方法的详细信息应在过程风险分析中（如 PFMEA）形成文件，试验频率应记录在控制计划中。 过程应包括防错装置失效或模拟失效的试验。应保持记录。若使用挑战件，则应在可行时对挑战件进行标识、控制、验证和校准。防错装置失效应有一个反应计划。
这段话里有四个动作，每一个都是审核员会翻记录的：

方法写进 PFMEA——AI 视觉检测作为探测型防错，必须在 PFMEA 的探测措施栏里有姓名。验证频次写进控制计划——不是"有验证"，是频次明明白白写进控制计划那一栏。用挑战件（红兔子）做失效试验并留记录——这点最要命。新版控制计划手册里讲得更狠：主缺陷样品必须在规范限制或公差之外，或刚好在边界上，且要标识、管理、定期确认它还能被检出来。失效反应计划——AI 判定失效了（比如模型挂了、相机黑了），怎么办？产品怎么追溯？还有一条常常被忽略：8.5.6.1.1 过程控制的临时更改。AI 检测设备坏了，你临时改成人工目检，这不是"凑合一下"，这是临时变更：要基于风险分析、要内部批准、必要时顾客批准、要记录每班次首末件保证可追溯、要每日评审备用措施。
我见过最离谱的一家：AI 相机坏了三个月，一直靠人工目检顶着，控制计划上还写着"AI 视觉 100%"。审核员走到工位问操作工"你按哪个文件做的"，操作工说"班长让我看着挑"。
身份二：它是属性型测量系统 —— 要走 MSAAI 视觉检测输出的是"合格/不合格"，这叫属性型数据。属性型数据不做 GR&R（那是计量型的），走的是另一套：一致性分析。
AIAG MSA 手册第四版给的三条判据：
判据
通用要求
安全/关键特性
Kappa 系数（一致程度，扣掉偶然一致）
≥ 0.75
≥ 0.90
漏检率（Miss Rate）（不良判成良品）
≤ 2%
更严
有效性（Effectiveness）（判断正确率）
≥ 90%
更严
这里有个和 AI 特别相关的麻烦：传统属性型 MSA 是三个评价人、50 个样件、每人三轮。但 AI 检测系统没有"评价人"——它是自动的、操作员无关的。怎么办？
手册里给了另一条路：信号探测法（Signal Detection）。选 50 个覆盖公差带的零件，每个零件跑多次，找出"每次都判合格"的最后一个和"每次都判不合格"的第一个，两者之间的参考值区间叫灰区（gray zone）。灰区越窄，说明这台设备的判别边界越锐利。
估计 GRR =（上边界灰区宽度 + 下边界灰区宽度）/ 2 %GRR = 估计 GRR / 公差带 × 100%
但注意：手册没有给这个方法的合格阈值，也没说自动化系统可以免做评价人。所以这件事必须提前和顾客的质量代表书面约定：用什么方法、什么判据、谁批准。 别自己拍脑袋定个 80% 就当过了。
AIAG 那个警告，是本篇最重要的一句话手册里有一条很容易被跳过的提醒，我直接翻译过来：
一个过程能力 Pp=1.0 的产线，检测系统"90% 一致率"不代表 90% 的不良品被抓住了。 必须用贝叶斯定理重新算——被判废的零件真的不良的概率，取决于底层的缺陷率。在缺陷率极低的情况下，绝大多数"判废"其实都是误报。
这句话恰好戳在 AI 视觉检测的命门上。
举个例子算给你看：
某产线实际不良率 100 PPM（0.01%），已经是很不错的水平了AI 系统漏检率 1%（很好了）、误废率 2%（厂商说 1-4%，取 2%）一天产 10 万件算下来：
真不良 10 件，被抓到约 10 件（漏 0.1 件）良品 99,990 件里，被误废约 2,000 件抓到 10 个不良，代价是废掉 2,000 个好件。 这就是那个贝叶斯陷阱。
所以当你看到厂商宣传"准确率 99%"时，真正该问的是：这个 99% 是在什么缺陷率下测的？误废率是多少？ 一个在 次品率50% 的样本集上跑出 99% 的模型，放到 100 PPM 的线上，误废率能把你的良率吃掉两个点。
这也是为什么那家冲压厂"昨天判废的 47 个件"必须有人复检——AI 判废不等于不良品，直接报废，那 47 个里可能有 40 多个是好的。而按 8.7 的要求，这些件的处置应该有记录、有评审。
三、视觉检测 AI 的真实水平：把数据摊开看三种检测方式的实测对比指标
人工目检
传统规则型视觉
AI 视觉（调优后）
漏检率（escape rate）
5%–25%
2%–5%（仅限已知缺陷类型）
0.5%–2%
误废率（false reject）
3%–8%
5%–15%（变差大的线）
1%–4%
换型时间
即时
数周至数月（要重写规则）
数天（要重新训练）
未知缺陷
人能注意到新东西
完全抓不到（规则库里没有就是没有）
有一定泛化能力
训练数据需求
无
约 10,000 张标注图
约 1,000 张（厂商口径）
持续衰减
4 小时后注意力降到约 70%
架构冻结，缺陷演变了就失效
需定期用生产数据重训
AI 真正强的地方不是"更准"，是"能抓到没见过的缺陷"。 规则型系统的死穴是：你没写过的规则，它永远检不出来；而缺陷是会演变的。AI 学的是"这类表面上不正常的纹理"，所以划痕出现在 47 度而不是 45 度，它照样能认。
但"99%"这个数字是有条件的几个必须知道的边界：
学术基准：公开数据集 MVTec AD 上，目前最好的深度学习模型准确率约 94.8%（mAP 91.7%）。厂商宣传的 95%–99% 是受控条件下、缺陷样本被充分代表时的成绩，一到真实产线，批次变差、光照变化、新缺陷类型出现，就会往下掉。反光金属是最难的表面。做铝压铸、光亮件的注意，这一块至今表现不稳定。样本量是硬门槛。一家做转向节的厂，缺陷类型多且不规律（沙眼位置形状每次都不一样），模型训了两个月，漏检率最低只降到 2.3%——问题不在算法，是两年才攒了不到 500 张标注过的缺陷图。业界常给的下限是每个缺陷类别至少 200 张确认过的图像。冷启动有解但不神：2026 年 4 月有研究用扩散模型生成合成缺陷图，准确率从 78.8% 提到 83.3%；零样本域适应（模型完全没见过这个产品）从 65.0% 提到 85.1%。合成数据能让你起步，但 83% 和 99% 之间那条沟，还是得靠真实缺陷图填。决定成败的往往不是算法，是"检测物理"这条我特别想强调。多家实施方都提到同一件事：搞砸视觉项目的团队，绝大多数不是 AI 编程没做好，是现场物理条件没整好。
照明一致性：有实施方原话——"季节性的环境光变化是沉默的杀手"。光照一变，误报率蹭就上去了，而所有人第一反应都是去改模型。零件呈现：来料方向、位置变差必须靠机械夹具控制住。夹具错位可以直接造成约 15% 的误报。振动模糊：振动导致的图像模糊能让检测率掉约 25%。所以判断一个供应商靠不靠谱，有个很好用的问题："你们进场第一件事是做什么？" 答"先做光照方案和夹具方案"的，做过产线；答"先采集数据训练模型"的，大概率是卖软件的。
什么时候别上 AI 视觉这几类情况，老实说不建议：
低产量、多品种——50 种件号、每批 200 件，换型重训和重新验证的成本吃掉全部收益。缺陷发生频率极低且无历史图像——低于万分之一，又没存过图，光攒数据就要一年以上。上游过程本身不稳定（Cpk < 1.0）："过程没稳住就上自动检测，等于在着火的房间里装烟雾报警器。"需要触觉、嗅觉或内部缺陷判断——毛刺在内部、硬度不足、化学污染，视觉看不见。 还有一组数字值得贴在墙上：约 77% 的制造业 AI 试点走不到量产阶段，多数是"从演示直接跳上线"的项目；68% 的首个项目成本超支，主因是低估集成复杂度。四、FMEA 智能辅助：它快得惊人，但有一处明显短板这块的实测数据比视觉检测更扎实，因为有对照实验。
AI 做 FMEA 的三段能力，差距很大有个研究拿真实的辅助驾驶系统架构，用三个主流大模型跑 FMEA，和专家建的标准答案逐条比对：
阶段
任务
AI 表现
人类专家
第一段
文档提取（从图纸/文档里把信息扒出来）
96%–97%
约 99%，但要 30 分钟；AI 不到 1 分钟，且输出结构更一致
第二段
架构分析——识别组件
约 92%
略高
第二段
架构分析——理解信号之间的关系
约 75%
明显更强
第三段
失效预测与评分
模型间差异大，长上下文模型更适合复杂 FMEA
深度领域判断占优
整份 FMEA 的开发周期，从约 4–6 周压缩到 4–6 天。
看明白了吗？75% 那个数字是全文的关键。 研究者的原话是：大语言模型更擅长识别"什么东西"，不擅长推理"它们之间什么关系"。
而 FMEA 里最值钱的部分恰恰是关系——这个失效模式怎么传导到下游、这个探测手段到底能不能探到它、这个原因是不是真的原因。AI 能帮你把表填满，填得又快又整齐；但表里那几处真正决定风险等级的判断，它只有 75% 的把握。
幻觉率：28% 到 90%《Journal of Medical Internet Research》上的研究给出的幻觉率区间是 28% 到 90% 以上，取决于模型和任务。
在安全相关分析里，这个数字的含义是：一个编造出来的失效模式、一个错误的失效率、一个虚构的技术规格，会让整份 FMEA 给出虚假的信心。 更危险的是它不报错，它编的东西读起来很通顺。
三道断裂：为什么通用 AI 做不出"能签字"的 FMEA国内一家做可靠性工具的团队把这事拆得很透，我复述一下，因为这三句话值得抄下来：
第一道：知识的断裂。 通用大模型学的是公开论文、教材、标准。它进不了你的企业失效库、你的产线特判、你们公司自己那版严重度/探测度表头。"不是错在没读过书，是错在没读过你们签过字的那几页。"
对应到审核现场就是那个致命追问："这个严重度打 8 分，依据在哪？是我们去年更新的企业标准第三版，还是教科书上的通用定义？" 答不上来，这份 FMEA 就是废纸。
第二道：数据的断链。 你把一组加速寿命试验原始数据丢给 AI，让它做威布尔分析。它会回你一大段"像是分析"的话，甚至顺嘴"估"一个 β 值、η 值出来。在签字页上，"估"出来的数是雷。 评审要的不是读着合理，是能复算、能核对、能拍桌子对质的数。
第三道：追溯的断裂。 会错还能改；说不出依据，在工程上经常就是死结。 一句"依据是什么"，能让再华丽的生成立刻归零。
那 AI 在 FMEA 上到底能干什么从图纸、历史文档里提取结构化信息——这是它最强的一环，96%+ 且快 30 倍生成失效模式的候选清单——注意是"候选"，用它来启发，不是采信一致性检查——这个功能被严重低估：把 PFMEA、流程图、控制计划三份丢进去，问"哪里有对不上的"，比人肉对表效率高很多历史库自然语言检索——"焊接工序历史上最高风险的失效模式有哪些"，比翻表格快得多格式整理与措辞统一不能干的：
确定严重度/发生度/探测度的最终分值——评分依据必须来自你们公司那版受控的评分表任何计算——它能"聊出来像那么回事"，但算出来的数必须能复算签字一条绕不开的技术路径：RAG如果你真要把 AI 用在 FMEA 上，唯一靠谱的架构叫 RAG（检索增强生成）：不让它凭记忆回答，先从一个受控的、权威的知识库（你们公司的评分标准、历史 FMEA、元件手册、可靠性手册）里检索，再让它基于检索到的内容生成。
好处：回答被锚定在可验证的来源上、能追溯是哪份文件支撑了这个结论、知识库更新不用重训模型。 配上三个约束，要求给出引用出处、输出固定格式、低置信度条目强制标记待人工复核，风险能压下来很多。
ISO 26262 是为确定性系统写的，AI 天生是概率性的。 这不是说 AI 不能用，是说用的时候必须把"概率"这件事用流程和证据包起来。
五、8D 报告：AI 写得又快又漂亮，然后呢？给一个真实场景（某紧固件厂客户端发现装配干涉），让 AI 生成一份 8D。
结果：D0 到 D3，十分钟出稿，措辞比人写的还规范，D4 开始出现问题。
AI 在 8D 上能干的环节
AI 表现
实测效果
D2 问题描述
强。把零散信息整理成规范的 5W2H
好用，直接省半小时
历史案例检索
很强。如果历史 8D 已入库
"是否见过类似问题"从数天缩短到数秒
D5/D6 措施候选
中等。能列出通用措施清单
需要筛，通用措施未必适合你的工艺
D7 级联到体系
这是最惊艳的一块
把已关闭的 8D 和 PFMEA 一起喂进去，问"基于这个 8D，PFMEA 哪里要更新"，它能高亮出需要改的行；对控制计划同样有效，还能生成用于现场审核的提问。原本 6–8 小时的活，压到 20–30 分钟
成文与排版
强
—
AI 在 8D 上不能干的（这四条是硬边界）① D4 根本原因确认——不能。 AI 不知道你的实测数据、点检记录、操作工当时到底怎么干的。它只能生成一条"看起来专业的原因链"。这份原因链如果没人去现场核实，会一路带歪 D5、D6、D7，三个月后问题复发。
审核员顺着 5Why 问一句"第三层这个为什么，证据呢"——穿。
对应条款 10.2.3 问题解决：要求包含遏制与临时措施、根本原因分析、考虑对相似过程和产品影响的纠正措施、纠正措施有效性验证、必要时评审和更新 PFMEA 与控制计划。"根本原因分析"这五个字，是没法外包的。
② D5/D7 有效性验证——不能。 验证要靠现场试验、DOE、问题再现、设备治具检查、物料分析、长期监控数据。AI 能起草验证计划，但不能替你说"问题已经彻底解决"。
一位质量专家的话我原样转述："如果你有一种错觉，以为把客户投诉扔给 AI，它就能吐出一份完美的 8D 报告给你，那你是在自欺欺人。AI 会给你一份 8D，但可能不是一份好的 8D。而一份未经验证就发给客户的 8D，比一份慢但准确的要糟糕得多。"
③ 对外承诺与责任——不能。 对客户而言，8D 报告、对策承诺、有效性验证结果，本质上是企业对外作出的严肃承诺。签字必须由责任岗位的人完成。
④ 信息不全时的决策——不能。 产线停不停？这批货放不放？客户投诉怎么初步回应？这类在模糊条件下靠经验和判断力做的决定，AI 不具备。
一个必须纠正的认知：IATF 从来没强制要求用 8D 格式这条很重要，很多厂搞反了。
IATF 16949 条款 10.2.3 规定的是问题解决过程必须包含的"内容"——遏制、原因分析、纠正措施、有效性验证、文件更新，并没有统一要求必须用"8D 报告"这个格式。8D 只是整理这些内容的方法之一。
ISO 9001 的 10.2 也是同样逻辑。
所以：如果顾客指定了问题解决流程、工具或系统，就必须用顾客指定的（标准原文有这一句）；顾客没指定的，你用 8D 也好、用别的也好，关键是那几项内容一个都不能少。
那为什么还要写 8D？因为大部分主机厂 CSR 指定了它。是客户要求，不是标准要求——这两件事分清楚，跟 SQE 沟通时你就不被动了。
六、一条能力边界表：按环节对号入座把三块合起来，我做了这张分级表。这是本篇最实用的部分，建议截图保存：
环节
AI 能力
说明
检测：缺陷检出
可用（需验证）
前提是 MSA 过关、挑战件机制建好
检测：判废处置决策
禁止
AI 判废≠不良品，必须走 8.7 评审
FMEA：信息提取
可直接用
96%+，快 30 倍
FMEA：失效模式候选
需人工复核
当启发，不当结论
FMEA：严重度/探测度评分
需人工复核（且必须挂依据）
依据来自本公司受控评分表
FMEA：信号/传导关系分析
高风险，慎用
准确率仅约 75%，这是它的短板
FMEA：一致性检查
可直接用
被低估的用法
8D：D0–D3 描述与遏制
可直接用
实测十分钟出稿
8D：D4 根本原因
禁止
10.2.3 的核心，不能外包
8D：D5/D6 措施与验证
需人工复核
候选可参考，验证必须人做
8D：D7 级联到 PFMEA/CP
可直接用（再复核）
效率提升最显著的一块
8D：D8 结论与提交签字
禁止
对外承诺，责任在人
七、AI 上了之后，审核员会问什么这一节是给已经上了或准备上 AI 的厂准备的。审核员不会问你"为什么用 AI"，那是你的自由。他会问的是这套东西有没有被管起来。
视觉检测类：
"给我看这台设备的挑战件验证记录，上个月的。""这个模型的版本号是多少？受控吗？改版走变更流程了吗？""它判废的零件，处置记录在哪？有没有人复检过？""设备故障期间怎么生产的？临时变更批准了吗？每日评审记录呢？""属性型 MSA 做了吗？Kappa 多少？判据是谁批准的？"FMEA 类：
"这个严重度 9 是怎么定出来的？依据哪份文件哪一版？""这份 FMEA 里有 AI 参与吗？参与的部分怎么复核的？"8D 类：
"D4 这一层为什么，证据是什么？"，顺着问三层，AI 生成的基本在第三层露馅。通用： 9. "你们有没有一份 AI 使用规定？谁授权的、预期用途怎么写、上线前怎么验证、错了怎么办？"
被开的不是"用了 AI"的厂，是"用了但一句都没写下来"的厂。
八、落地建议：四句话① 视觉检测：先搞物理，再搞算法。 照明方案、夹具精度、零件呈现一致性，这三件事没整好，换什么模型都白搭。上线前把 MSA 和挑战件机制一起做掉——它们是这台设备能不能进体系的两个门。
② FMEA：让 AI 干提取和一致性检查，评分和签字留给人。 如果要用，走 RAG 架构，把你们公司受控的评分表、历史 FMEA 喂进去做知识库。要求它给出处。 出不来处的条目，一律当没写。
③ 8D：大胆用 D7 那一块。 把已关闭的 8D 和现行 PFMEA 丢给 AI 做级联检查，是这三块里投入产出比最高的一步（6–8 小时 → 20–30 分钟）。D4 那一块，老老实实去现场。
④ 所有 AI 输出，先过"能不能说出依据"这一关。
说不出依据的生成物，在评审眼里不是草稿，是废纸。 这句话适用于 FMEA，也适用于 8D，也适用于 AI 判废的那个 47 件。
五问答全，再谈预算： 判错了会怎样？错了能不能被发现？依据说不说得出来？出问题谁负责？规则写下来了吗？
九、四个坑坑一：把"准确率 99%"当成验收标准。 准确率是个相对缺陷率才有意义的数字。要问的是：在什么缺陷率下测的？漏检率多少？误废率多少？ 后两个才是会伤到你的。
坑二：上了 AI 就撤人。 误废 1–4% 意味着每天两千个好件被判废。没有复检环节，你不是省了人，是把成本从人工工资转到了废品损失。
坑三：模型改版不走变更流程。 换光源、换相机、换软件版本、重新训练——这些都是变更。8.5.6.1 / 8.3.6 变更管理走一遍，再验证一遍。 不做，就是"失控的检测设备"。
坑四：把 AI 写的 8D 直接发给客户。 前三个坑是钱的问题，这个坑是诚信问题。客户一旦发现你的 D4 是编的，后面所有报告的信任都会打折，而信任这东西，补回来比建立难十倍。
写在最后这两年跑下来，我对 AI 在质量管理里的判断没变过，一句话能说完：
AI 最大的价值不是替你做判断，是把你从"找信息、写文件、对表格"里捞出来，让你有时间去做判断。
它擅长的是快、全、整齐。它不擅长的是知道你们公司标准第几版、知道现场昨天发生了什么、知道这句话签下去要负什么责。
所以别问"AI 能不能替代质量工程师"，问这个问题没意义。该问的是：你们厂那些真正需要人判断的环节，人有没有时间去做？ 如果人天天在 copy 表格、找历史 8D、对三份文件的符号，那 AI 是把人解放出来的工具，值得上。
如果人本来就不去现场、不核实数据，那 AI 只会让错误更快、更整齐、更难被发现。
工具不解决管理问题。这句话在 Excel 时代成立，在 AI 时代同样成立。
你在厂里用过 AI 做质量相关的事吗？ 视觉检测、FMEA、8D，或者其他。评论区按这个格式报一下：
A. 上了视觉检测，效果符合预期B. 上了视觉检测，踩了坑（说说什么坑）C. 用 AI 辅助写 FMEA / 8D，有用D. 用 AI 写 FMEA / 8D，翻过车E. 还在观望，不知道该不该上报 B 和 D 的朋友，把坑说具体点，我攒够了写一篇《AI 质量应用翻车实录》。
需要本篇配套的 《AI 质量管理应用评估包》（应用准入评分 + 视觉检测上线前 20 项核验 + AI 输出签字前核查清单），私信回复「AI」 领取。
下篇预告：Day 85｜分享你们厂用过最好用的质量管理工具