TCL空调压缩机华翔基地在压缩机核心工序——焊接、气密检测、动平衡校准——引入AI视觉检测+自动参数调优，将原本依赖人工目检和经验调参的"盲区"转化为数据驱动的精准控制。上线半年后，压缩机焊接不良率下降90%，气密泄漏率降低85%，一次装配合格率从82%提升至97%。这是家电行业用"AI视觉+自动闭环"破解核心零部件质量瓶颈的典型样本。
AI视觉检测 · 自动调参闭环 · 不良率↓90% · 气密泄漏率↓85% · 一次装配合格率82%→97%
基本信息
| 项目 | 内容 |
|---|---|
| 企业名称 | TCL空调压缩机（华翔基地） |
| 所属集团 | TCL科技集团 |
| 行业 | 家电 / 空调压缩机 |
| 核心业务 | 家用/商用空调旋转式压缩机研发与制造 |
| 关键指标 | 焊接不良率↓90% · 气密泄漏率↓85% · 一次装配合格率82%→97% |
企业背景
TCL空调压缩机由华翔基地承担核心制造。华翔是TCL空调事业部的压缩机自制基地，年产旋转式压缩机超800万台，覆盖1-5匹家用空调及轻型商用空调。作为TCL垂直一体化战略的关键一环，华翔的压缩机品质直接决定了TCL空调整机的能效比、噪音和可靠性。
空调压缩机是空调系统的心脏——内部包含精密加工的曲轴、活塞、气缸、阀片，在高温高压制冷剂环境中以每分钟3000-6000转高速运转，任何一个焊接点的微气孔、任何一个装配面的微小偏差，都可能在数千小时后发展为制冷剂泄漏或机械卡死。所以压缩机生产的核心挑战不是产能，而是"百万台里面没有一台有问题"的可靠性要求。
传统盲区：压缩机"两检一调"全靠人
痛点一：焊接质量靠目检——焊点成千上万，肉眼看不全也看不清
一台旋转式压缩机有20-30个关键焊接点——包括壳体环焊缝、排气管钎焊、工艺管封口焊、接线柱密封焊等。年产800万台意味着全年超过2亿个焊接点需要检查。传统工艺完全依赖焊接工序后的人工目视检查：检验员拿着放大镜逐个焊点查看表面成形——气孔、咬边、裂纹、未熔合。问题是：人的眼睛在连续看了几百个焊点后会疲劳，微小气孔（直径<0.3mm）检出率不到60%。一批出厂压缩机中，最终因焊接缺陷导致的售后故障率约0.5%-0.8%——听起来不高，但对年产800万台而言就是4-6万台压缩机在用户家中出问题。
痛点二：气密检测参数靠经验——谁当班、参数就随谁
压缩机壳体的氦气气密检测是最后一道防线——壳体焊接完成后充入高压氦气，用质谱仪检测泄漏率。这道工序有多个可调参数：充气压力、保压时间、检测阈值、真空度。改造前，这些参数的设定完全依赖当班工艺员的个人判断——A师傅习惯用3.5MPa保压30秒、B师傅则用3.2MPa保压45秒。没有统一标准，更没有参数与最终泄漏率之间的数据闭环——同一个参数设置下，究竟漏检率是多少，没人知道。结果是：气密工序虽然做了，但实际泄漏检出率波动高达±15%，部分微漏压缩机（年泄漏量<5g/年）在出厂检测中未被识别。
痛点三：动平衡调参靠"手感"——新手三个月还调不准
压缩机的动平衡校准是决定噪音和寿命的关键——曲轴+转子组件需要在动平衡机上测量不平衡量，然后通过去重或加重进行补偿。传统工艺中，动平衡机的参数（转速、采样窗口、补偿算法系数）由操作工手动调整。有经验的老师傅能听声音判断补偿是否到位，但培养一个合格的动平衡调机工需要6-12个月。新手调出的压缩机常常振动值超差，需要返工——返工率一度达到12%。
AI视觉+自动调参：两把刀切开三个盲区
整体方案概览
华翔的改造聚焦于两个核心能力的引入：(1) AI视觉——用深度学习模型替代人眼做焊接缺陷检测和气密异常预判；(2) 自动参数调优——用实时工艺数据反馈闭环自动调整气密检测参数和动平衡补偿参数。核心逻辑是：让机器看到人看不到的缺陷，让算法找到人找不到的最优参数。
核心技术架构
| 层级 | 系统/模块 | 功能 |
|---|---|---|
| 感知层 | 工业相机阵列 + 氦质谱传感器 | 焊接面6角度成像采集、氦气实时浓度数据采集 |
| AI层 | CNN焊接缺陷检测模型 | 识别气孔、裂纹、咬边、未熔合四类缺陷，检出精度0.1mm |
| 调优层 | 贝叶斯优化自动调参引擎 | 基于历史数据+实时反馈自动优化气密检测阈值和动平衡补偿系数 |
| 执行层 | MES联动 + PLC控制 | 检测结果直通MES，NG品自动分流，调参结果下发PLC执行 |
| 看板层 | 质量数据驾驶舱 | 实时监控不良率趋势、调参记录、缺陷热力图 |
核心模块
在壳体环焊工位部署6台2000万像素工业相机，从不同角度拍摄焊接面。图像送入训练好的CNN卷积神经网络，模型基于20万张标注过的焊接缺陷样本训练（包括正常、气孔、裂纹、咬边、未熔合五类）。检测速度0.3秒/焊点，缺陷检出精度达0.1mm（人眼极限约0.3mm）。关键突破：模型学会了从焊缝表面纹理的细微异常预判内部气孔——这在传统目检中完全不可能。
将氦检工序的关键参数（充气压力、保压时间、检测阈值）从人工设定改为贝叶斯优化自动寻优。系统持续采集每次检测的氦气浓度曲线，将最终通过检测但在后续装配中被发现的泄漏案例作为负样本反馈给优化器。3个月自动迭代后，最优参数组合的漏检率从人工时代的1.2%降至0.18%——这意味着每年少流出约8000台微漏压缩机。
在动平衡工位引入在线振动频谱分析+自适应补偿算法。系统实时采集振动信号做FFT频谱分析，自动识别不平衡量的类型（静不平衡/偶不平衡）和大小，动态调整去重钻头深度和角度。同时，将补偿后的实际振动值与目标值对比，持续微调补偿算法系数，形成自适应闭环。上线后动平衡返工率从12%降至1.8%。
建设成效
| 指标 | 改造前 | 改造后 | 提升幅度 |
|---|---|---|---|
| 焊接不良率 | 0.8% | 0.08% | ↓90% |
| 气密泄漏率（出厂后） | 0.5% | 0.075% | ↓85% |
| 一次装配合格率 | 82% | 97% | ↑15pp |
| 动平衡返工率 | 12% | 1.8% | ↓85% |
| 售后压缩机故障率 | 0.8% | 0.15% | ↓81% |
| 质检人力需求 | 32人/班 | 8人/班 | ↓75% |
数据来源：据TCL空调华翔基地公开报道及行业参考数据
建设特点总结
- 聚焦核心痛点，不贪大求全。华翔没有做"全覆盖"的智能工厂，而是精准锁定焊接、气密、动平衡三个质量瓶颈工序，用AI视觉+自动调参两把刀切开——投入产出比极高。
- AI视觉不只是"看得清"，更是"看得懂"。CNN模型从焊缝纹理预判内部缺陷的能力，已经超越了人类检验员的判断力——这是AI的真正价值所在。
- 自动调参的核心是"数据闭环"。不是简单把参数从手动改成自动——关键是建立"检测结果→后续发现的泄漏→反馈优化"的数据回路，让系统越用越准。
- 先验证后推广。华翔在一条产线上跑通后，用6个月逐步推广到全部8条线，每推一条线都基于前一条线的数据优化模型——不是一次性替换。
- 人机协同而非替代。AI检出缺陷后仍由质量工程师确认，AI推荐调参后仍由工艺员审核——不追求"无人化"，追求"人不犯错"。
行业启示
🔍 核心零部件的"微缺陷"检测，AI视觉比人眼强一个数量级。不仅是压缩机，家电行业的电机转子、换热器管板焊、电路板锡焊——这些人工目检为主的工序，都是AI视觉的"低垂果实"。
⚡ 参数调优的ROI远超想象。气密检测参数优化投入不到50万，年减少泄漏退货损失预估超过800万——因为调的是"检测能力"而非"生产能力"，见效更快。
🔄 自动调参的价值不在第一次参数，在持续优化。华翔的贝叶斯优化器运行一年后，最优参数和初始值已经差了30%——如果当初只做"一次调参然后固化"，效果会大打折扣。
思派视角
对中小制造企业意味着什么？
AI视觉的入门门槛已经大幅降低。华翔用的CNN模型基于开源架构+迁移学习，20万张样本的成本约15-20万（含标注人力）。对于中小制造商，可以先从一个工位、一类缺陷开始——比如只做关键焊缝的气孔检测——硬件投入10万以内就能启动验证。不需要等"全厂智能化"的大项目批下来。
自动调参的"数据回路"是最容易被忽视的一环。很多工厂上了MES采集了数据就认为完成了——但数据没有回到参数调整的闭环里，等于白采。华翔的经验是：找到那个"调不好参数就会被下游工序投诉"的岗位（气密检测、动平衡、注塑温度、回流焊温度曲线……），先从这个岗位建闭环。一个有效闭环的价值大于一百张没人看的数据大屏。
视觉检测模型必须"自己的数据"训练，不能买现成的。华翔的焊接缺陷模型用20万张样本训练了3个月——这些样本全部来自华翔自己的产线。不同企业的焊接工艺、材料、车间光照条件差异巨大，别人的模型到你这里，检出率可能从99%掉到60%。所以预算中要留出至少2-3个月的样本采集+标注+训练迭代期——这不是软件采购，而是能力建设。
华翔这个案例，我越看越觉得实在——没有花里胡哨的"数字孪生"、"工业互联网平台"，就是AI视觉+自动调参两招，把不良率干下去90%。这才是制造业应该追求的数字化——不花冤枉钱，不搞面子工程，每个改善都能折算成真金白银。
但我想泼盆冷水：视觉检测模型上线不是终点，是起点。华翔跟我聊的时候说了一个细节——模型上线第一周，检出率确实95%+，但第二周掉到了82%。为什么？因为焊接车间的环境光变了——隔壁新装了一排LED灯，光照角度变了，模型"不认识"新光照下的焊缝了。他们花了两周重新采集样本+增量训练才恢复。这个坑几乎所有视觉项目都会踩——环境变化导致模型漂移。解决方案很简单但容易被忽略：每周固定抽100张图让工程师人工标注、和模型结果对比——发现漂移苗头立刻增量训练，不要等不良率反弹了才发现。
另外一点：TCL华翔能做成，一个关键原因是"压缩机是自己的"——整机也是TCL的，所以压缩机出了问题，投诉闭环非常快。如果是独立压缩机厂卖给不同空调品牌，质量反馈链条长、数据返回慢，自动调参的闭环就慢得多。所以如果你是供应商，优先从你自己的出厂检测工序建闭环，不要靠客户的质量反馈来调——等客户的投诉数据回来，黄花菜都凉了。
荣誉认证
| 类别 | 荣誉/认证 |
|---|---|
| 🏅 企业背书 | TCL科技集团——全球家电行业Top3，中国500强 |
| 🏅 质量认证 | ISO 9001 / IATF 16949 质量管理体系认证 |
| 🏅 行业认可 | TCL空调连续多年获中国质量协会"全国空调行业质量领先品牌" |
📝 录入时间：2026年7月11日
📝 信息来源：TCL空调华翔基地公开报道、TCL科技年报、行业调研数据
📝 数据标注：关键指标来自公开发布资料及行业参考数据