文档摘要

3.2 制造业：质检与预测性维护 制造AI的两大经典落点是视觉质检（机器替人目检瑕疵）与预测性维护（提前预报设备故障）。本节审计两者的成色：过杀与漏检的成本平衡点、换型重训的隐性成本、以及预测性维护项目常见的死法。 产线上的两个百分比 工厂车间里衡量质检AI只有两个百分比：漏检率和过杀率。漏检是把不良品放走，代价是客诉、退货甚至整批召回；过杀是把良品拦下，代价是返工、复检人力和产能损失。 会员。《3.2 制造业：质检与预测性维护》收录于灏天文库文集《AI在各行业的应用案例分析》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/443-ai%E5%9C%A8%E5%90%84%E8%A1%8C%E4%B8%9A%E7%9A%84%E5%BA%94%E7%94%A8%E6%A1%88%E4%BE%8B%E5%88%86%E6%9E%90

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流