生产线上发现一个不良品并不难，难的是几天以后还能不能回答清楚：它是哪一批生产的，当时哪个工位出现异常，同一时间段还有多少产品受到影响，类似问题之前是否发生过。
这也是很多自动视觉检测项目运行一段时间后才会暴露出来的问题。工业相机能够识别缺件、装反、尺寸异常或者表面缺陷，发现问题以后把产品剔除，生产线继续运行。从设备角度看，任务已经完成；从质量部门角度看，事情往往才刚刚开始。检测结果如果只留在视觉控制器或现场电脑里，后续追溯仍然需要人工重新整理。
8月11日，Rockwell Automation公布Plex质量管理系统与FactoryTalk Analytics VisionAI的集成方案。按照公开的信息，视觉系统产生的检测结果能够进入质量管理流程，并与产品序列化、检测历史等信息关联。相比单独增加一套AI视觉设备，这项变化更值得制造企业注意的地方，是检测数据开始正式进入质量记录。
制造业过去几年安装了大量视觉设备，但视觉系统与质量系统之间一直存在一道比较明显的边界。
相机通常属于设备自动化的一部分，由设备工程师或者自动化部门负责；质量管理系统则更多由质量部门使用，里面保存检验结果、不合格记录和处理过程。两个系统各自都能工作，但一旦发生批量质量问题，人员经常还需要把现场检测记录、产品编号和质量文件重新对照。
当生产速度不高、产品种类比较少时，这种方式还能维持。到了电子装配、汽车零部件、包装、医疗器械和精密制造等生产线上，产品数量增加，序列化管理越来越细，单靠人工整理检测记录就会变得吃力。
视觉检测因此正在发生一个不太显眼却很实际的变化：过去强调“看得准”，现在开始强调“检测结果去了哪里”。
例如一条装配线通过视觉系统检查零件是否漏装。传统方式下，相机判断NG以后，PLC控制气缸把产品剔除，操作人员知道这一件产品不合格，但管理系统未必知道具体原因。如果视觉结果能够直接写入质量系统，这件产品的编号、检测时间、异常类型甚至相关图像就有机会形成完整记录。以后同一问题再次出现，质量人员看到的就不再只是一个总的不良率。
这种连接对于批次追溯尤其重要。
制造现场最棘手的质量问题通常不是一眼就能发现的大故障，而是偶发问题。可能某个工位几个小时内连续出现轻微偏差，之后设备又恢复正常。如果没有历史检测数据，很难判断受影响的产品范围，企业只能扩大检查数量，严重时甚至需要追查整个生产批次。
记录越完整，质量人员能够锁定的范围就越小。
这也是视觉检测和QMS连接之后比单纯“增加相机”更有价值的地方。视觉系统负责持续检查，质量系统负责把结果按照产品、时间和工艺流程保存下来，两套系统之间如果能够直接交换数据，很多过去依赖人工录入的环节就可以减少。
对设备制造商来说，这种趋势也会改变视觉项目的设计方式。
以前做一个检测工位，工程师重点确认相机像素、镜头、光源、拍摄距离和PLC通信，只要NG信号能够送到控制器，项目基本就可以交付。今后客户可能会进一步要求设备输出缺陷类别、产品编号、检测图片或者统计结果，并且能够与MES、QMS等上层系统连接。
这类要求会让工业视觉从一个相对独立的设备功能，变成工厂数据体系的一部分。
不过，数据连接得更多，并不代表视觉检测本身就会变得简单。真正到了生产线上，光照变化、产品反光、位置偏移、镜头污染仍然会影响检测结果。如果基础视觉条件不稳定，把数据接入质量系统只会更完整地记录错误判断。因此，现场应用仍然要先保证检测方案本身可靠，再考虑更上层的数据管理。
质量部门也需要重新考虑判定规则。
机器视觉最大的特点是能够按照统一条件连续检测，不会因为操作人员疲劳而改变判断标准，但系统设定本身如果不合理，也可能长期产生误判。特别是在表面检测、外观缺陷等场景中，“什么程度算不合格”往往需要质量人员和自动化工程师一起确定，而不能完全交给设备供应商。
从工控市场来看，这种变化会让过去分开的几个产品领域逐渐发生联系。工业相机、视觉控制器、PLC、工业计算机、工业网络原来更多属于自动化设备层，MES和QMS属于生产管理层。当视觉结果开始直接进入质量流程以后，上下两层之间的数据接口就会变得越来越重要。
这对老生产线同样有影响。
制造企业未必需要因为质量系统升级就全部更换原有相机。此次公布的方案强调能够面向现有和新增相机系统建立视觉工作流程，这种思路比较符合工厂现实。很多企业已经投入大量视觉设备，下一步更可能做的是把分散的数据利用起来，而不是重新采购一遍硬件。
对于采购部门而言，以后评价一套视觉检测系统，也不能只比较相机分辨率和算法功能。检测数据能不能保存、能保存多久、能不能关联产品编号、是否支持现有生产系统接口，这些过去容易放到项目后期讨论的问题，会逐渐提前到设备选型阶段。
这一变化背后，其实是制造企业对质量自动化要求提高了。
过去生产线上的视觉系统解决的是“有没有不良品”；现在企业进一步希望知道“不良从哪里来、影响了哪些产品、以后能不能查得到”。前一个问题主要依靠检测设备，后一个问题则需要自动化系统和质量管理系统共同完成。
8月11日公布的这次系统集成没有改变工业相机本身，却把视觉检测向前推进了一步。对于制造企业来说，下一阶段的质量自动化不会只是增加更多检测点，而是让每一次检测真正成为可以保存、查询和追溯的生产记录。
当这一点逐渐普及以后，工业视觉在生产线上的身份也会发生变化——它不再只是负责把不良品挑出来的一双“眼睛”，而会成为整个质量管理体系的数据入口。
