行业动态

这两年涂布车间里的"眼睛"是越来越多了。涂布机头上挂着在线测厚仪，收卷前架着CCD相机，烘箱各段埋着温度传感器，放卷收卷之间还有张力计。设备厂家装机的时候，话术都差不多：实时监控、自动报警、质量稳定。

用起来也确实有用。厚度跑偏了，屏幕上会跳红；膜面有脏点，相机能拍下来；操作工看到报警，走过去调一调，事儿就过去了。车间主任说起这套东西，多半是满意的——有总比没有强，至少不用全靠手感了。

可真正让质量经理头疼的，往往不是这些仪表准不准，而是另一件事：一旦客户那边出了质量问题要复查，回头去调数据，十有八九调不出来。测厚仪上那条曲线，当下看得到，第二天再找就没了；CCD拍的照片，存不了几天就被循环覆盖；报警记录，翻遍整个车间，只有交接班本上的一行字——"2号机涂布量报警，已调整"。

数据调不出来，问题就说不清楚。涂布企业这几年在在线检测上花了不少钱，但装完之后数据到底去了哪，很少有人认真问过。

其实这件事，政策层面已经点破了。2026年3月，工业和信息化部办公厅发布《关于启动工业数据筑基行动 开展面向人工智能赋能的高质量行业数据集建设先行先试的通知》，通知开门见山地提出，要着力突破工业数据"采""集""用"三个环节的瓶颈，到2026年底总结形成"工业数据高效采集处理、可信流通汇集、深度融合应用的有效路径"。这里头那个"用"字最要紧——数据采回来，如果只是闪在屏幕上、看完就丢，那不叫资产，那叫消耗。

行业里的"眼睛"也确实越来越多。高工机器人产业研究所（GGII）的数据显示，2024年中国机器视觉市场规模为181.47亿元（未包含自动化集成设备规模），2025年有望突破210亿元，预计到2028年将超过385亿元，2024年到2028年的复合增长率约20%。设备还在源源不断地装上去，可数据的"下半场"——怎么接进来、怎么存下来、怎么用出去——恰恰是被忽略的那一半。

落到涂布车间，这件事表现为三笔账，笔笔都跟钱有关。

断点一：检测数据只"看"不"留"，出事时只剩一张纸

在线测厚仪的价值在曲线，不在某一个瞬间的数字。一卷膜跑下来，厚度是慢慢漂的，还是突然跳了一下，又或者一直在设定值上下小幅摆动——这三种情况对应的问题完全不同：漂移多半是胶液粘度或者辊面状态在变，跳变可能是来料有接头或者张力抖了，小幅摆动则可能是控制回路本身的事。要看明白，靠的就是那一条连续的曲线。

问题是，这条曲线绝大多数时候只活在本机屏幕上。少数带存储功能的仪表，数据存在设备本地硬盘里，几十天一个循环，满了就覆盖；好一点的能把曲线导出成文件，可导出来之后放在谁那儿、怎么和卷号对上，又是一笔没人管的账。等到半个月后客户投诉，想调那天的曲线，设备上的早没了，能拿出来的是一张手写的首检记录表，上面写了几个时间点的厚度值，其余全靠回忆。

这不是设备不行，是数据没落地。曲线画在屏幕上，和曲线存在系统里、能按卷按米调出来，是两回事。

断点二：报警响过之后，人和卷、工单对不上号

车间里最常见的一幕是这样的：报警响了，操作工走过去看一眼屏幕，调一调速度或者温度，报警消了，人回来接着干。整个过程干干净净，但没有任何东西被记录下来——哪个班、哪台机、哪一卷、跑到第几米报的、调了哪个参数、调完有没有真的好转，全是空白。

空白带来的第一个麻烦是"重复"。同一个位置的报警，一天能响好几次，一个月下来到底是第三次还是第三十次，没人说得清。因为查不到历史，每次都是"首次处置"，班组之间也传不下去：甲班处理过的经验，乙班不知道；乙班调出来的办法，丙班又踩一遍坑。报警本来是设备在发出信号，可信号喊完就没了回音。

第二个麻烦是"责任说不清"。一批货最后降级了，是操作工没按报警提示处理，还是报警本身设得不合理，还是设备那个部位本来就到了寿命？因为处置过程没留痕，只能凭谁在场谁认领，时间一长变成一笔糊涂账。质量部门想推动改进，也找不到抓手——数据不支持归因，讨论就只剩立场。

断点三：检测数据进不了成本，也进不了追溯

再有就是最实际的一条：这些检测数据，最后没有进入成本核算和成品追溯。

客户投诉某批货厚度不均，质量经理能拿出来的，通常是一句"该批首检合格"加一张汇总报表。客户接着问：这批货的涂布量实际波动范围是多少？哪几卷最接近上限、最有可能出问题？——答不上来。因为每一卷的过程数据没留下，能追溯的只有结果，追不到过程。

成本这边同样吃亏。因为过程数据缺失，损失只能按批次笼统地摊：这一批废了多少、降级了多少，算一个总数，至于具体是哪台机、哪个规格、哪个班次贡献的，无从区分。于是每年质量改进会开完，结论常常是"要加强过程管控"——正确，但落不了地，因为不知道该先管哪一段、哪一台。

让检测数据从仪表里"走出来"

解决思路其实不复杂：不去纠结仪表本身够不够准，而是让仪表产生的数据顺着卷码，流进生产管理系统里，然后再谈怎么用。

第一步，让数据按卷码、按米数段留痕。在线测厚的曲线、CCD的缺陷图、张力温度的趋势，按卷号绑好，记录到具体的米数区间；出了问题的卷，能顺着母卷-子卷的关系往上往下查。这一步做完，"数据有没有"这个问题就解决了。

第二步，让报警变成"事件"。报警触发时，系统自动带着工单号、卷码、机台、班次生成一条记录；处置的人补上处置动作和结果，这条记录才算闭环。同一部位、同一类型的报警，系统自动归集次数和间隔，重复异常自己浮出来。这一步做完，"这事儿到底发生过几次"就不靠人回忆了。

第三步，让数据进入成本和追溯。检测数据随卷码写进成品档案，客户投诉或者审厂抽查时，一键调出那一卷的过程曲线；不良导致的降级、报废，按机台、规格、班次自动归到对应的卷成本上，改进方向自然显现。

这里必须说清楚一个前提：在线检测数据要做到"留得住、连得上"，前提是生产管理系统本身就长在车间里。北望ERP系统是涂布行业专属ERP+MES深度融合平台，报工、工艺参数、在线检测、质量判定、成本核算本来就在同一个数据底座上。仪表的数据接进来，天然带着卷码，不需要哪个人事后在两张表之间来回搬运，也不会出现"检测在MES、成本在ERP"的错位。

落地别一次铺满，三步走

在线检测数据这件事，最大的坑是"一上来就把全厂的仪表全接进来"。看着声势浩大，实际三个月都跑不起来。合理的顺序是三步走。

第一步，先接一台最关键的仪表。通常是主机的在线测厚仪，或者客户投诉最集中的那个环节的检测设备。先把这一台的数据按卷码留下来，跑顺了再谈别的。一台跑通，比十台都接了一半更有说服力。

第二步，让报警变成事件。把处置流程固定下来：报警自动生成记录，处置人补处置动作，闭环才销账。这一步会改变班组习惯，是最需要盯的一步，一旦松动，数据又会退回到"只报警不留痕"。

第三步，再把数据用起来。追溯、成本归因、工艺改进，一项一项往上报。数据积累到一定量之后，"哪台机开哪个规格最稳""哪类缺陷集中在哪个班次"，这些问题就不需要开会争了，翻数据就有答案。

选型时拿这三个问题去考供应商

问题一：在线检测的数据，能不能按卷码、按米数段留痕，而不只是当场报警？

问题二：报警之后的处置动作，能不能自动记录，并且跟工单、卷码绑定？

问题三：客户投诉时，能不能一键调出那批货每一卷的过程曲线？

这三个问题答不利索，说明检测数据和生产管理还是两张皮，仪表装得再全，也只是多几个屏幕。

顺便说说市面上通用软件的情况

金蝶、用友这类厂商的质量模块，强项在"检验单据流"：来料检、过程检、成品检，加上不合格品处理单，单据逻辑做得很完整，管理动作能规范下来。但单据管的是"检验这个动作"，管不了仪表产生的连续数据。测厚仪的曲线、CCD的图片，得通过额外的数采网关或者第三方系统去接；接进来之后，这些数据落在哪张单上、算不算成本、能不能进追溯，往往还要再做一次开发。结果就是检测归检测、管理归管理，两套数据各说各话，出了事还是得靠人对。

市面上一些面向涂布车间的专业MES，数据采集这块确实做得细，机台、卷码、参数都能抓。麻烦在于它通常和ERP是两套系统：MES里数据很全，可订单成本、库存状态、财务口径在ERP那边，中间还得再对接一次，接口一旦没维护好，两边数字又对不上。另有一类独立的视觉检测或者统计过程控制软件，算法能力很强，但它同样拿不到卷码级的订单与成本数据，检测结果只能自己消化。

绕一圈会发现，涂布企业真正需要的不是"检测"或者"管理"的某一头，而是让这两者长在同一个底座上。这也正是北望ERP系统的立足点——广州众联鼎兴科技有限公司从配方、生产到质量、成本用一套系统打通的思路，让仪表采回来的数据天然带着卷码，天然能算进成本、能进追溯，不需要在系统之间来回倒腾。

关于北望ERP系统

以上信息化的落地路径，均由广州众联鼎兴科技有限公司自研的北望ERP系统与配套方案提供支撑。可访问北望ERP系统官网了解更多的产品详情。

问：在线检测设备和ERP、MES，到底该谁管数据？

三者分工不同。在线检测设备负责"感知"，产生厚度、缺陷、张力、温度这些原始信号；MES负责"执行与记录"，把信号按机台、卷码、米数段留下来，跟工单绑在一起；ERP负责"算账与追溯"，把检测结果折算成成本、写进成品档案。真正的问题不在谁管，而在于三者是不是共用一套卷码。共用，数据自然流通；不共用，就得靠人搬。

问：我们已经装了在线测厚仪，为什么还是经常查不出问题？

大概率是数据没落地。设备自带的报警只是提示"现在不对"，不等于"记录下来"。报警响完就消，曲线滚动就过，事后能查的只剩人工记录。要改变这一点，关键是把报警做成事件、把曲线按卷存下来，而不是再去买一台更贵的仪表。

问：把检测数据接进系统，是不是又要上一套数采网关？

看系统底子。如果生产管理系统本身不在车间、拿不到机台数据，那确实得先补一层数采。但如果用的是ERP与MES同一底座的方案，比如北望ERP系统，检测设备的接口直接接到同一个库里，不必为一个功能再加一层中间件。多一层中间件，就多一个会失效的环节。

问：什么样的涂布企业应该优先做这件事？

两类最急。一类是客户门槛高的，比如做锂电、光学膜、车衣膜这类下游要求严苛、动不动就要求提供过程数据的；另一类是正在被质量损失拖着的，报废和降级比例居高不下，但又说不清问题集中在哪台机、哪个规格。前一类是"必须做"，后一类是"做了立刻见效"。

数据来源：工业和信息化部办公厅《关于启动工业数据筑基行动 开展面向人工智能赋能的高质量行业数据集建设先行先试的通知》（工信厅信发函〔2026〕64号，2026年3月10日发布，新华网、中国政府网报道）；工业和信息化部办公厅《关于公布面向人工智能赋能的高质量行业数据集建设先行先试联合体名单的通知》（2026年4月9日）；高工机器人产业研究所（GGII）中国机器视觉市场规模数据（2024年181.47亿元、2025年预计突破210亿元、2028年预计超385亿元、2024—2028年复合增长率约20%，经证券日报网、东方财富网转引）。

数据截止日期：2026年10月7日。