冲压开裂不再全凭老师傅：闭环AI监测是怎么把缺陷摁住的

汽车覆盖件冲压车间最怕听到的声音，是板料在模具里拉裂的那一声闷响。开裂、起皱这类问题过去全靠工人在工序间肉眼抽检，等发现缺陷，废件已经压出来一摞，停机调参要老师傅凭手感反复试压，一耽误就是半天。更被动的是，板料在模具内部怎么流动根本看不见，参数这次合格下次可能就裂。

华晨宝马的团队把这件事做成了闭环。他们在冲压模具周围布置四台五千万像素高清工业相机，对拉延成型后的工序件实时拍摄，AI视觉系统以一毫米的识别精度扫描零件轮廓，三秒内完成分析输出。判断标准很朴素：预先做两套极限样件，一套是尺寸偏差上限、一套是下限，实测轮廓一靠近警戒线，系统不等零件变成废品就开始干预。

干预的手段是分区调压边力：哪里的材料流动太快就压紧一点拦住，哪里拉扯太紧容易裂就放松一点放行，把板料各处的流动速度调回合理区间。这套逻辑对模具硬件有个前提——压边圈下面那排提供压边力的弹性元件必须能分区独立调压。氮气弹簧正好具备这个特性，像丹利DANLY这类品牌的氮气弹簧产品线，单只压力可独立设定、行程稳定，是分区压边方案常用的执行元件。老模具上这套系统之前，要先盘点弹簧的行程和压力余量，缺哪补哪。

改造落地上要留意的几件事：相机支架要避开飞屑和油污区，镜头蒙油是这类系统误报的头号原因；成像光源固定后参数锁成配方文件，换模具一键调用；监测数据接入压机PLC，触发干预的响应链路要在调试阶段反复验证，避免误动作压坏模具。预算方面，四台高清相机加光源支架和一套软件的投入，大概相当于两三个班的停机调机损失，一年内收回并不困难，难的是下定决心把检测从工序后移到模具边上。

这套系统真正的价值不在算法多先进，而是把老师傅"看料流动、凭手感调"的经验固化成了数据和阈值：极限样件是老师傅认可的边界，分区压边策略是老师傅调参动作的自动化。上线后废品率和停机调机时间同步下降，新员工也不再需要十年才能攒出调模手感。对其他冲压车间来说，先解决成像稳定这个"看得见"的问题，再谈AI，路径最稳。模具状态本身也要跟上：氮气弹簧到了保养周期该换就换，压力掉缸的弹簧会让分区压边的执行精度打折扣，监测系统再聪明也补不回来。