谁痛
EV OEM 质量、制造工程、SQE、EOL 测试、线束 Tier-1 和连接器供应商。
01 · Problem
一台智能车可能有数百个连接器；真正拖慢交付的是异常没有闭环。
车厂和 Tier-1 并不是不知道哪里出了问题。痛点是：测试失败、半插、错线、漏卡扣、返工、批次追溯、8D、客户放行和供应商责任散落在 MES、QMS、Excel、微信群、照片和工程师脑子里。
痛在哪里
一个连接器没坐实，可能变成下线返工、整批围堵、客户投诉、召回风险和发布延误。
为什么难
线束柔性、分支多、车型变体多，检测证据和返工证据很难自动对齐到 connector / cavity / lot / VIN。
为什么现在买
中国 NEV 已进入高占比、高出口、高质保压力阶段，发布速度和质量证据同时变成生死线。
02 · Why Now
EV 规模、线束复杂度、供应链压力和边缘 AI 在同一时间逼近拐点。
这个市场不是靠概念拉动，而是被产量、返修、停线、召回和供应商协同推着走。我们要抓住的是“自动化能做一部分，但异常闭环仍然靠人肉拼证据”的空白。
16.49M
新华社转引中汽协数据：2025 年中国新能源汽车销量 1649 万辆，同比增长 28.2%。
56.9%
新华社转引中汽协数据：2026 年 5 月中国新能源汽车新车销量占比达到 56.9%。
90%
Q5D 2025 年称线束制造仍高度人工化，电动化正在放大自动化需求。
$2.3M/h
Siemens 2024 停机研究估算，大型汽车工厂非计划停机成本可达每小时约 230 万美元。
03 · Core Insight
难点不是发现缺陷，而是把缺陷从发现关到验证通过。
现有视觉检测、EOL 测试、MES、QMS、PLM 都在贡献碎片。HarnessLoop 的洞察是：线束异常需要一个懂线束语义的系统 of closure，而不是又一个横向工单系统。
通用 QMS 看 ticket
HarnessLoop 看 `C214 / cavity 17 / terminal lot / wire ID / vehicle variant / EOL failure / rework proof`。
机器人不是卖点
机器人、相机、力曲线和导通测试只是证据采集器；客户买的是更快闭环和更少逃逸。
每次异常都是训练数据
人工接管、返工动作、复测结果和客户签核会进入 LeRobot episode，下一次边缘策略更稳。
04 · Solution
HarnessLoop 是 EV 线束和连接器异常闭环平台。
它不替代 MES、QMS 或线束设计软件。它补的是最丑但最值钱的一层：把检测、返工、复测、责任人、供应商、工程变更和客户放行绑成一条证据链。
- Open：从 EOL 测试、视觉检测、扫码、手工发现或机器人力曲线打开异常。
- Route：按 connector、cavity、wire、terminal lot、车辆项目、供应商和工位自动派给责任人。
- Recover：机器人或人工在受限夹具内复位、重插、补夹扣、拍照、复测并记录过程。
- Close：生成包含 before/after、力曲线、导通表、HIL 片段、签核和 CAPA 的闭环包。
05 · Product Workflow
从一条测试失败，到一个可审计关闭的物理 bug。
第一版切口是“连接器异常闭环”，不是全自动线束工厂。我们先解决发布爬坡和 EOL 电气失败最疼的一段，再扩展到线束路由、夹扣、扎带、高压连接和供应商门户。
Detect
EOL NOK、视觉缺陷、半插力曲线、漏夹扣、错路线束或供应商 NCR 打开异常。
Correlate
关联 VIN、工位、线束件号、连接器、端子批次、测试项、操作员和供应商。
Recover
HIL 模式下完成重插、补夹、复位、低压导通复测和 before/after 影像采集。
Verify
力位移曲线、视觉状态、导通表、复测记录和人工签核共同判断是否关闭。
Learn
把异常、接管和恢复片段写入 LeRobotDataset，训练下一版边缘检测和恢复策略。
06 · Market Wedge
先打发布爬坡期的连接器异常，再进入整车电气质量网络。
发布爬坡期最愿意付费，因为质量团队每天都在跟停线、EOL NOK、供应商围堵和客户 audit 赛跑。HarnessLoop 用一个窄入口拿到关键数据模型，然后扩展到全项目、全工厂和供应商网络。
连接器半插
视觉看起来像合格，CPA/锁止可能欺骗人眼，力曲线和复测能补证据。
错线 / 错孔
按 connector-cavity-wire ID 建模，把导通失败定位到可执行的返工动作。
漏夹扣 / 错路线
路线偏差、clip vacancy 和扎带缺失通过 overhead vision 和返工证据关闭。
批次围堵
按 terminal lot、connector lot、工位时间窗和车辆范围快速定位 suspect population。
供应商 NCR
把 OEM、Tier-1、连接器供应商和工装团队放进同一个事实记录。
客户 Audit
自动生成闭环证据包：问题、围堵、根因、纠正、复测、签核和有效性验证。
07 · Business Model
用停线、围堵和返工的钱，为闭环系统付费。
HarnessLoop 不靠“节省几个工人”讲 ROI。真正的预算来自发布质量、停线风险、EOL 复测、客户审核、供应商索赔、质保成本和召回风险控制。
90 天试点
7.5 万美元/工厂/项目，覆盖 1 条发布线、3 个重点连接器工位和 EOL failure feed。
年度站点订阅
18-24 万美元/site/year，按线体、车型项目、活跃线束族和供应商协同范围分层。
供应商门户
OEM 可赞助供应商网络，Tier-1 和连接器供应商按 seat / program 参与闭环。
边缘工位包
相机、低力夹具、导通 mock、robot/HIL adapter、Qualcomm edge runtime 和实施服务单独收费。
08 · Go-To-Market
90 天只证明一件事：目标线束异常关得更快、更干净、更可追溯。
试点不做大而全集成。第一阶段建立 defect taxonomy 和当前闭环基线，第二阶段接入 EOL/视觉/扫码/返工证据，第三阶段用财务和质量团队认可的 KPI 结案。
质量 KPI
目标缺陷 repeat PPM 下降 20-30%，目标 EOL 电气 NOK/复测率下降 15-25%。
闭环 KPI
平均诊断/返工/关闭时间下降 20-30%，超过 24 小时未关闭异常减少 50%。
证据 KPI
95%+ 目标异常带站点、VIN/lot、证据、处置、根因、围堵责任人和复测结果。
财务 KPI
试点价值覆盖试点费，或形成年度订阅 3 倍以上可信年化价值。
09 · Competition
设计软件管上游，MES/QMS 管流程，机器人公司管动作；闭环证据层没人真正拥有。
我们不和 Siemens Capital、Zuken、MES、QMS、视觉检测或 Q5D 这类线束自动化公司正面硬碰。HarnessLoop 是跨系统的异常关闭层：把它们的输出变成可以签核、复盘和训练的数据资产。
上游 ECAD
强在设计和制造文档，弱在现场异常、返工证据和供应商协同闭环。
MES / QMS
强在生产记录和 CAPA 流程，弱在线束语义、传感器证据和机器人/HIL 数据。
视觉 / EOL
强在检测，弱在把检测失败转成责任、返工、复测、签核和训练样本。
机器人自动化
强在做动作，弱在跨工位、跨供应商和跨车型的商业闭环数据模型。
10 · Moat
护城河不是模型参数，而是线束异常到关闭结果的数据结构。
每一个 connector、cavity、wire、terminal、supplier、force curve、continuity result、HIL recovery 和 CAPA outcome 都让系统更懂车厂线束质量的真实语言。
Harness Graph
连接器、端子、线束分支、车型变体、工位、供应商和测试项构成专用知识图谱。
Evidence Corpus
before/after 图片、力曲线、导通表、HIL 片段和签核记录组成可审计数据集。
Recovery Episodes
每次人工修复都不是丢失的现场经验，而是下一轮 LeRobot 训练和边缘 profile 的样本。
Supplier Network
从单站点扩到 OEM/Tier-1/连接器供应商，网络越大，重复问题越早被发现。
11 · Architecture
边缘看现场，云端训模型，安全和签核留在人类负责的闭环里。
比赛版本使用安全低压桌面线束板，不接触真实 EV 高压。Qualcomm edge 运行视觉、力曲线分类和证据打包；LeRobot 负责 HIL 片段和数据集；云 GPU 负责训练，MES/QMS/PLM 通过 adapter 连接。
Sense
overhead camera、wrist camera、wrist F/T、触觉指尖、夹具限位和低压导通测试。
Edge AI
QCS6490/RB3 运行 connector detector、route verifier、force signature classifier 和 evidence packer。
HIL
LeRobot 记录 policy、pause、human takeover、recovery、return-to-policy 和质量结果。
Systems
接入 MES/QMS/EOL/PLM/供应商门户，但不替代原系统 of record。
Train
异常 episode 进入中国云或海外云训练，导出固定模型回到 Qualcomm edge profile。
12 · Competition Demo
三分钟演示一个完整闭环，而不是炫耀万能机器人。
桌面 demo 用低力线束板、彩色线、JST/Molex 类低压连接器、3D 打印夹具、相机、力传感、MCU 导通测试和小机械臂即可。重点是证据链，而不是汽车级认证。
Open
故意放入错路线束或半插连接器，EOL mock 和视觉同时打开异常。
Assist
机器人尝试低速插接或复位，力曲线异常时停止并请求 HIL 接管。
Recover
人工遥操作修复路线、重插连接器或补夹扣，LeRobot 记录 recovery episode。
Verify
复拍照片、检查 latch/route、导通测试通过，系统生成 before/after 和曲线证据。
Close
异常卡片变成 closed，自动生成 8D/CAPA draft 和下一轮训练样本。
13 · Why Qualcomm
Qualcomm 不只卖智能车大脑，也应该守住智能车的物理神经系统。
线束异常闭环是 Qualcomm 机器人和汽车生态的交叉点：端侧多传感融合、低延迟推理、工业数据本地化、SDV 发布质量和中国车厂供应链都在这里汇合。
Edge AI Workload
相机、力曲线、触觉、导通测试和异常证据在工位本地融合，不适合全部上云。
Automotive Pull
Qualcomm 已在智能座舱、ADAS 和 SDV 中进入车厂；HarnessLoop 把价值延伸到制造质量。
China Fit
中国 NEV 产量、供应链深度、数据本地化和快速发布周期，让本地 edge-first 方案更有说服力。
Developer Story
比赛能展示 AI Hub、QNN/QAIRT、LeRobot HIL、ROS 2 和云训练如何变成商业产品。
14 · Ask
比赛阶段需要一个线束异常闭环样板，而不是真实汽车产线。
我们需要证明商业逻辑、数据闭环和 Qualcomm edge 价值：在低风险桌面工位里把一个物理异常从发现、修复、复测、签核到训练回流完整演示出来。
Hardware
RB3 Gen 2 / QCS6490 类开发板、低力机械臂、双相机、F/T 或 load cell、MCU 导通板和 E-stop。
Fixture
3D 打印线束板、彩色线束、低压连接器、clip/tie 点、pogo pin 或 JST/Molex 类测试座。
Software
ROS 2 topic、LeRobot adapter、异常状态机、evidence packet、AI Hub/QNN profile 和 dashboard。
Boundary
不声称高压 EV 验证、ASIL、任意连接器全自动插接、零人工关闭或生产节拍提升已验证。
Claims & Sources
可信说法：证据支持的异常闭环，不是全自动线束工厂。
页面使用公开资料作为方向性证据。市场报告类数字只做趋势参考；比赛 demo 明确限定在低压桌面夹具、人工可接管和 operator approval 的边界内。
Xinhua CAAM 2025 NEV
Xinhua CAAM May 2026
IEA Global EV Outlook 2026
Q5D Harness Automation
Q5D Funding
Agile Robots Harness Challenge
Robotic Connector Mating
Aptiv EDS Separation
Versigent Launch
GB/T 37133-2025
Siemens Downtime Study
WarrantyWeek Auto Warranty
NHTSA Harness Recall Example
LeRobot HIL
LeRobotDataset v3
Qualcomm RB3 Gen 2
Qualcomm AI Hub
QNN / QAIRT