证据不完整
缺陷图像没有稳定关联工单、批次、设备、工艺参数、供应商、模型版本和处置结果。
01 · Problem
工厂买了更多相机，却仍在反复追同一种质量事故。
AOI、相机、MES、QMS、SPC 和人工复判都存在，但它们没有形成一条质量链。质量总监真正痛的不是“有没有看到 NG”，而是 RCA 慢、责任不清、CAPA 关闭虚、供应商扯皮、审厂靠截图和 Excel。
根因太慢
工程师在群聊、截图、表格和会议之间追线索，同类缺陷跨班次、跨产线复发。
纠正动作太虚
CAPA 分派后缺少复检和效果证据，无法证明返工、报废、PPM 和复发率真的改善。
模型不可审计
阈值、recipe、缺陷 taxonomy、训练集、灰度发布和回滚没有进入质量体系。
02 · Why Now
质量正在从质检工位问题，升级为董事会、监管和出海审厂问题。
中国“质量强国”、工业设备更新、AI+制造专项行动、汽车和医疗器械监管，都在把质量数据闭环变成预算项。海外同样面对保修、召回、供应链追溯和高人工成本压力。
25%+
中国政策要求 2027 年工业设备投资规模较 2023 年增长 25% 以上，质检设备和工业软件受益。
684.6万
2025 年中国汽车召回涉及 684.6 万辆，其中制造原因占召回车辆 36.5%。
997
NHTSA 2025 年记录 997 起车辆、座椅、轮胎和设备召回，质量失败会快速公开化。
542k
IFR 统计 2024 年全球工厂新装工业机器人约 54.2 万台，复检和处置动作正在自动化。
03 · Core Insight
检测框不是产品，闭环才是产品。
最有价值的数据不是“更多缺陷图片”，而是缺陷图、工站上下文、根因候选、纠正动作、复检结果和是否复发。谁能拥有这个闭环，谁才拥有制造质量的学习飞轮。
相机看到异常
bbox、mask、置信度、热力图和缺陷码只是入口，无法独立解释为什么问题发生。
工厂需要关闭异常
质量团队需要 disposition、RCA、CAPA、复检、供应商反馈和审计证据。
闭环反过来训练模型
每次人工复判、返工、复检和复发记录，都会让 station recipe 和 edge 模型更可靠。
04 · Solution
QualityLoop 是检测之后的质量操作系统。
它不替换 Cognex、Keyence、Hikrobot、OPT、AOI 或现有 QMS/MES，而是在它们之上做 vendor-neutral overlay：把每一次 NG 变成有 owner、有倒计时、有证据、有复检、有模型治理的质量事件。
- EdgeVision Station：Qualcomm 边缘设备本地检测缺陷，保留图像、模型版本、latency 和 station recipe。
- Issue Graph：关联 lot、serial、work order、设备、工艺参数、供应商和历史相似问题。
- RCA/CAPA Copilot：生成 5 Why / 鱼骨图候选，由工程师确认后派发纠正动作。
- Learning Loop：低置信度、人工复判、机器人复检失败进入主动学习和 LeRobot HIL。
05 · Product Workflow
从扫码工件到关闭 CAPA，一条链跑完。
比赛 demo 不需要假装已经上线整座工厂。它要让评委看到：别人停在 bbox，QualityLoop 继续把问题推进到可审计的质量闭环。
Scan
扫码工件，加载工单、产品、批次和 station recipe。
Inspect
Qualcomm edge 本地检测划伤、漏装、错装或外观异常。
Reason
Issue Graph 找相似历史、设备、供应商和工艺参数，生成根因候选。
Act
派发 CAPA、隔离批次、触发返工或机器人二次复检。
Learn
复检和人工接管写回 QMS/MES，并进入下一轮 edge 模型更新。
06 · Market Wedge
先打“已有视觉设备，但质量闭环仍靠人追”的产线。
不要从“所有制造业”开始。最好的第一客户是高混低量、返工昂贵、图片证据强、审厂压力大、已有 MES/QMS 或 AOI 基础的工厂。
中国版首选
新能源汽车 Tier-1/Tier-2：电池包、焊接、压铸、热管理、电驱零部件，召回和客户审厂压力强。
中国版扩张
3C/EMS、汽车轴承、精密加工、医疗器械新版 GMP、智能装备装配。
海外版首选
electronics NPI、automotive Tier 1、industrial equipment、battery pilot lines，先卖追溯和 CAPA 效率。
统一入口
找一个每周质量会上都会出现的缺陷族，用 6-8 周证明关闭周期和证据完整率改善。
07 · Business Model
按闭环价值收费，而不是按模型调用收费。
QualityLoop 的价格锚点是经客户确认的年度质量收益：少返工、少报废、少追责、少质量会议、少审计准备时间。保守规则是收取已验证年度收益的 10-25%，并让试点后回本周期小于 12 个月。
中国试点
6-8 周，1-2 条线或一个供应商/返工流程，30k-80k 元；重点证明证据完整和 CAPA 关闭。
中国生产版
60k-300k 元/厂/年；企业版 300k-800k+ 元/年，按产线、接口、私有部署和 HIL workflow 扩展。
海外试点
15k-40k 美元，单线单缺陷族；标准站点 36k-90k 美元/年。
硬件与集成
相机、光源、边缘计算、PLC/MES/QMS 接口单独计费；每站约 8k-60k 美元或 20k-100k+ 元。
08 · Go-To-Market
Land 一个缺陷族，Expand 成一个工厂质量网络。
第一单不卖“全厂 AI”，卖一个质量总监愿意在周会上展示的结果：缺陷到隔离、RCA、CAPA、复检和回写全过程可追踪。
Buyer
质量总监、制造工程负责人、厂长、数字化工厂负责人、MES/QMS owner。
Pilot KPI
检测到遏制时间下降 25-50%，记录完整率 >95%，CAPA overdue 下降 25-40%。
Expansion
单缺陷族 -> 多缺陷族 -> 多检测站 -> 工厂模板 -> 集团供应商质量网络。
Channel
机器视觉集成商、MES/QMS 实施商、自动化集成商、Qualcomm 生态硬件伙伴。
09 · Competition
检测层拥挤，闭环层缺一个轻量操作层。
QualityLoop 的姿态不是“替代谁”，而是把多厂商检测结果、质量记录、人工复判、CAPA、复检和模型治理连成一条操作链。
视觉/AOI
Cognex、Keyence、Omron、Hikrobot、OPT 强在看见；QualityLoop 做异常关闭。
AI 视觉平台
Landing AI、Elementary、Instrumental 等强在训练和检测；闭环仍要接质量流程。
MES/QMS
Siemens、SAP、Plex、ETQ、MasterControl 强在记录；缺少线边实时 evidence layer。
机器人系统
ABB、FANUC、KUKA、UR 能执行动作；QualityLoop 负责何时动、为何动、如何验证。
国内生态
海康机器人、奥普特、凌云光、阿丘科技、创新奇智等提供视觉资产，适合被接入。
我们的 wedge
从“检测结果”到“可审计关闭记录”，进入质量例会、供应商反馈和模型治理。
10 · Moat
壁垒来自这家工厂如何真正关闭问题。
单个视觉模型会被复制；闭环质量记忆很难复制。它包含 defect taxonomy、station recipe、接口、人工复判、复检结果、质量例会习惯和供应商反馈路径。
缺陷本体
跨产品、工站、供应商和客户统一缺陷 taxonomy。
闭环记忆
缺陷 -> 根因 -> CAPA -> 复检 -> 复发结果持续沉淀。
工站上下文
批次、设备、工艺参数、人员、供应商和检验计划一起记录。
集成壁垒
MES/QMS/PLC/SPC/OPC UA Vision/SAP adapter 带来切换成本。
模型治理
recipe、阈值、模型版本、灰度、回滚、审计和 training set 绑定。
流程嵌入
周质量会、CAPA 审核、供应商反馈和 NPI ramp 模板形成使用习惯。
11 · Architecture
边缘检测、质量核心、机器人复检、区域训练云。
架构必须同时满足产线低延迟、工厂数据敏感、MES/QMS 集成、模型可回滚和中国/海外两套部署策略。
EdgeVision Station
Qualcomm board + camera/light/trigger + IM SDK/GStreamer + QNN/ONNX Runtime QNN。
QualityCore
DefectObservation、QualityEvent、CAPA、TraceEvent、ModelRelease 和 adapter。
Robot Re-Inspection
ROS 2/MoveIt 2 控制多角度复检；安全由机器人控制器、安全 PLC、急停和互锁负责。
Regional Learning
中国数据留在中国租户；海外接收经批准的脱敏包、指标、model card 或合成样本。
12 · Competition Demo
三分钟证明：NG 不是终点，而是闭环的起点。
桌面 demo 用 mock MES/QMS、安全低速机械臂、相机、灯光和样件即可成立。重点不是夸张产线规模，而是展示 Qualcomm edge AI 如何把质量异常带入可执行 workflow。
0:30
扫码零件，边缘设备识别划伤或漏装，展示 mask、置信度、模型版本和 latency。
1:15
生成 evidence packet，关联工单、批次、设备、供应商和历史相似异常。
2:10
工程师确认候选根因，QMS 创建 NCR/CAPA，机器人执行安全二次复检或隔离。
3:00
复检结果写回 MES/QMS，人工接管与低置信度样本进入 LeRobot HIL 和训练队列。
13 · Why Qualcomm
QualityLoop 把 Qualcomm 从“算力板卡”推到工业质量入口。
工厂质量场景天然需要边缘 AI：缺陷图和工艺数据敏感、网络不稳定、多相机低延迟、模型需要本地治理。Qualcomm 的价值不只是跑模型，而是成为工业机器人和视觉闭环的端侧标准样板。
Edge AI
RB3/RB6/IQ 设备适合本地视觉推理、视频处理、多传感器融合和低功耗部署。
AI Hub
模型 compile、profile、量化和设备侧验证，给比赛作品可展示的性能证据。
Robotics
ROS 2、LeRobot HIL 和复检动作把视觉缺陷转成机器人可执行任务。
Privacy
敏感缺陷图、供应商批次和工艺参数默认留在厂内或区域私有云。
Ecosystem
把视觉、MES/QMS、机器人和云训练伙伴连接成 Qualcomm 工业开发者样板。
14 · Ask
比赛阶段要交付一个可复制的工业 edge AI 样板。
我们向 Qualcomm 申请的不是抽象支持，而是能让“AI 视觉发现缺陷，QualityLoop 关闭缺陷”成为现场可演示产品的资源。
开发板与 profile
多相机质检、QNN/ONNX artifact、端侧 latency、功耗、模型灰度和回滚证据。
工业试点数据
1-2 个公开可演示的缺陷族或 mock 产线，用于验证 NG -> RCA/CAPA -> 复检闭环。
生态连接
机器视觉、MES/QMS、机器人复检和区域云训练伙伴，联合展示商业化路径。
QualityLoop 的投资人版一句话：AI 视觉发现缺陷，QualityLoop 关闭缺陷，并把每次关闭结果变成下一轮 edge 模型和质量流程的资产。