一、先说清楚：不是工人不认真，是这道题本来就做不成
很多键鼠OEM工厂的困惑是这样的：全检岗位一个没少配，工资照发、班次照排，可客户投诉还是那几类——虚焊、弹片偏移、PCB微小裂纹、外壳细微划痕。查来查去，最后结论往往是“漏检”，而漏检的责任落到了某个人头上。
这其实是把系统性问题当成了纪律问题。人眼做重复目视，有三条绕不过去的物理限制：
对比度阈值：锡点反光下的微裂纹、同色外壳上的细划痕，本身就在人眼可分辨极限附近。光线角度偏一点、工件转个方向，就看不见了。
注意力衰减：长时间单一动作的重复判定，注意力必然下降。这不是态度问题，是生理规律，加人、加班、扣绩效都改变不了。
节拍挤压：产线节拍是硬的。判定时间被压到极限时，员工只能牺牲“看不确定的那一下”来保住产量——这是现场最真实的取舍，而报表上不会写。
所以传统人工全检能拦住的，是明显的、大的、发生在后段的缺陷。真正吃掉利润的那批，是不明显、微小、发生在前段的——这就是“隐性漏检缺口”。
二、良率好看，为什么出货还是出问题：直通率的连乘效应
这是很多工厂报表上的盲区。单工位检出率、单工位良率看着都很漂亮，但产品是串联过站的。按 10 个过站工位直接算一笔账：
单工位保持率 99%，10 个工位串联后的整体直通率约 90.4%。
单工位保持率 98%，整体直通率约 81.7%。
单工位保持率 95%，整体直通率只剩约 59.9%。
也就是说，每个工位都“差不多99分”，整条线出去其实是90分；只要有一个工位长期在95%，出货质量就断到60%。而抽检模式下，10%的抽检比例意味着另外90%的在制品完全靠运气——一旦是模具磨损、料批次变化、参数漂移这类批量性成因，缺陷不会均匀分布，抽检反而最容易被“抽不到”。
深度就在这儿：漏检不是偶发失误，是串联结构下的必然结果。你要的不是“更认真的眼睛”，而是在每个关键工位上做一次客观、可复现、留痕的全数检测。
三、缺陷分三级可检性：AOI 到底能拦哪一类
行业里谈AOI常常一句话带过，实际落地必须先做缺陷谱的可检性分级，这决定了设备选型和上点位置。
A 类·光学直接可见：缺件、错件、明显偏移、键帽装错、表面压伤。AOI 检出最稳，误判低，优先上。
B 类·需多角度或特殊照明：虚焊（润湿角异常）、弹片偏移、字符与丝印缺陷、细微划痕。要看打光方案与算法覆盖，这是代工厂漏检最集中的区域。
C 类·需测量或透射：PCB 微裂纹、装配间隙、内部结构到位。单靠可见光 AOI 未必够，可能要结合尺寸测量、3D 或后续功能测试（ATE）联合拦截。
一句话结论：别问“AOI能不能替人”，先问“我的高频客诉缺陷属于哪一级”。把近 6 个月的客诉单和退货单按这个分级归一次类，哪些该先上设备、哪些该先改工艺，答案会自己跳出来。
四、十倍成本法则：漏检真正的账单不在质检部门
制造业通行的十倍成本法则——缺陷发现得越晚，处理成本成倍上涨。在键鼠代工场景里，同一条虚焊漏检的成本阶梯大概是这样：
过站即刻检出：单件返工、参数回调，几分钟工时，几乎不伤订单。
后段装配发现：拆件返工、追溯同批，人工加停机，交期出现风险。
成品仓发现：整批翻箱复检，仓储、复检、出货延误一起发生。
客户验货拒收：整批退回、扣款，现金流、交期、信誉三重损失。
品牌终端客诉：市场返工、订单收缩，丢的是长期订单和后续新品份额。
做代工的都清楚：真正贵的从来不是返工费，是“这个厂不稳”的判断。品牌客户内部把供应商分级，一次批量质量事故可以抵消一整年准时交付攒下的信任。
五、验厂视角：自动化检测能力已经是入场券
越来越多品牌客户在验厂阶段把自动化检测设备列为实评项。问的基本是三件事：有没有全检能力，而不是抽检加口头承诺；有没有数据追溯，这一批什么时候过的站、判了什么、谁复判的；有没有闭环改善，检出数据要回到工艺，而不是只用于分拣不良品。
这三问背后是同一个逻辑：客户买的不是产品，是风险可控的确定性。具备AOI全检与数据留痕能力的工厂，在中高端品牌订单谈判里少被压价、多给份额——这是从低价内卷里跳出来的少数可行路径之一。
六、一线共鸣点：AOI 不是替代人，是把人从“看不过来”里救出来
现场最容易忽略的阻力是情绪。设备一旦上线，员工会理解成“要减人”，配合度反而下降，误判没人管、复判走形式，设备很快变成摆设。
正确的说法应该是：把重复判定交给设备，把人留给判定和处置。AOI 报警之后要不要放行、怎么处置、缺陷回到哪道工序，全靠人。设备提供的是“每一片都有同一标准的客观记录”，员工因此不用再为漏检背一个自己控制不了的锅。
七、上了 AOI 还是漏检？三个最常见的坑
第一，以为上了就零漏检。检出率取决于缺陷可检性与算法覆盖，B/C 类缺陷需要打光方案、模板与参数持续调优；拿 A 类的漂亮指标去承诺 C 类，迟早翻车。
第二，只买设备，不改流程。没有复判规则、误判与过杀的权衡口径、异常处置责任链，设备只会把“漏检问题”变成“误判争议”。
第三，浪费数据资产。AOI 每天产出的缺陷分布，本质是工艺改善的实时体检表——只用来分拣不良品，等于买了血压计只当手电筒用。
八、落地四步（务实版，不画饼）
第一步，缺陷清单化：把近半年客诉、退货、内废记录归成一张缺陷谱，标注发生工位与形态。
第二步，可检性分级：按 A/B/C 分级，明确哪些是 AOI 能立刻拦住的、哪些要配合 ATE 或先改工艺。
第三步，选点先上：优先选缺陷高发、后段不可逆、节拍宽裕的工位，例如 PCB 贴片后、外壳装配前，别一次全铺。
第四步，闭环打通：检出、复判、处置、数据回流工艺、参数迭代，同时把首页看板与报表的口径统一，不然报表和现场会互相打脸。
投入怎么算账，给一个可填的框架：设备投入 ÷（设计节拍 × 实际稼动率 × 剩余使用年限），把摊销落到“每件产品增加多少成本”；再对比一次批量客诉的实际损失，包括返工扣款、翻箱复检、交期违约与订单份额。多数做品牌代工、月出货上批量的工厂，这笔账在第 2 到 3 个订单周期就能算平——这不是成本项，是风险控制的对价。
延伸阅读：《键鼠代工行业算账：品质返工的隐性成本，正在悄悄吃掉工厂利润》《键鼠、3C小件量产时代：为什么专用AOI视觉检测已成工厂标配？》
小结：良率稳不稳，看前端拦住了多少
键鼠代工再往下压原材料和人工，空间已经很窄。把缺陷拦在产线前端、减少返工退货客诉带来的隐性损失，才是还能动手的地方。良率稳不稳，看的不是末端检出了多少，而是前端拦住了多少。AOI 视觉检测不是额外的成本，而是稳住客户订单、跳出低价内卷的一笔必要投入。