行業挑戰
傳統靠人耳聽音判斷異響，在規模化、高質量追溯的要求面前越來越力不從心。
01 · 人力依賴
會累、會走、會退休
培養一名聽音師傅要 3–6 個月，連續聽音 2 小時高頻敏感度就急劇下降；師傅一退休，整條產線的標準隨之消失。
02 · 離線抽檢
靜音房裡的資料「孤島」
靜音房造價 50–100 萬/間，把檢測變成離線孤島——抽檢率僅 5%，部分產品未經聲學檢測就流向市場，資料資產缺失。
03 · 主觀波動
忽高忽低、無法對齊
「異響」本質主觀——不同師傅、班次、工廠標準各異，客訴發生時無據可查。
04 · 資料黑洞
說不上來「哪不對」
「聽著不太對」卻說不清哪不對，質量資料鎖在耳朵裡，無法數字化、無法反推工藝。
四層能力
不僅判定 OK / NG，還要分類異響、定位異響——把「聽感」變成可追溯、可反推工藝的質量結論。
01 · 測得準
客觀指標 + AI 交叉驗證
客觀數字與時頻影像支撐，結論可對標主流評價方法，減少誤判漏判。
02 · 測得全
100% 逐臺全檢
不抽檢、不遺漏，每一件產品都過聲學檢測，不增加生產節拍。
03 · 分類異響
不止 OK / NG
識別異響型別——摩擦、衝擊、嘯叫、共振，各有敏感指標體系。
04 · 定位異響
鎖定位置與工序
異響型別 → 鎖定工序 → 反推工藝，不止挑次品，更幫您改良率。
核心引擎
機理模型快、準、可解釋；深度學習懂整體、抓隱性。二者互補，缺一不可。
第一層 · 機理模型引擎
客觀指標，可解釋、可對標
把聲音拆成一組客觀數字與時頻影像，像實驗室化驗單一樣可複核。
第二層 · AI 深度學習引擎
端到端感知，抓隱性異常
不挑單一指標，端到端整體感知聲學特徵，捕獲單指標與人耳都抓不到的細微異常。
處理鏈路
01
感知
接觸式 + 非接觸式
4 通道 16 位深
44.1kHz 同步採集
02
推理
機理指標 + AI 感知
雙層引擎並行判讀
03
解釋
客觀指標 + 圖譜
可複核可寫報告
04
行動
OK / NG 判定
PLC 聯動 + MES 上報
05
進化
資料迴流 → 迭代
模型持續提升
自研硬體
接觸式感測器直接耦合結構振動，從物理層面隔離環境空氣噪音，是區別於競品的核心硬體能力。
VH23 · 接觸式感測器
電子「聽診器」
壓電式加速度計（IEPE），機械耦合直接採集振動，物理層面抑制環境空氣噪聲。
SV30 · 資料採集器
四通道同步採集
16 位深 / 44.1kHz 取樣，接觸式/非接觸式混合接入，產線可多臺同步擴充套件。
HP AIPC · 邊緣計算
資料不出廠
邊緣節點本地處理，滿足 IATF 16949 追溯審計要求。
目標產品 · 應用場景
不同產品匹配不同敏感指標，覆蓋汽車零部件與更廣的工業與消費電子場景。
冷卻風扇 · CFM
冷卻風扇模組
葉頻噪聲、不平衡、擦碰、電磁嘯叫。多轉速點掃描，空氣聲與結構振動貢獻分離。
電動尾門 · PLG
電動尾門驅動
啟停衝擊、嘯叫、摩擦、卡滯。左右驅動同步，全行程分段，鎖止事件檢測。
轉向電機 · EPS
電動助力轉向電機
電磁階次、軸承、不平衡。電流/轉速/負載同步，正反轉與控制嘯叫檢測。
車門模組 · DM
車門模組
摩擦、導軌異響、共振。升降行程位置、密封負載、載板共振檢測。
側門驅動 · SDD
電動側門驅動
電機聲、制動摩擦、衝擊。開閉方向、制動、限位與衝擊檢測。
座椅 · SEAT
座椅專項
摩擦、衝擊、卡滯、共振。多通道 + 階段 + 位置訊號，機構複雜建議第二階段匯入。
更多應用場景 · Beyond Automotive
整車聲學
NVH · 座艙
整車路試、座艙異響定位與零部件溯源，覆蓋整車級聲學質量。
主機廠 / Tier1
座椅 · 出風口 · 頭枕
多品類零部件異響檢測，從單一產品到多品類全覆蓋。
3C 消費電子
筆記本 · 觸控板
高轉速散熱風扇異響、觸控板按壓異響、鍵盤鍵程異響，覆蓋消費電子聲學質量檢測。
機電裝置運維
軸承 · 齒輪 · 電機
軸承缺陷、齒輪齧合、電磁噪聲，產線裝置線上狀態監測與故障預警。
客戶與應用
從外資汽車零部件到本土主機廠，客戶覆蓋德企、日企、美企及央企、民企，產品涵蓋汽車零部件與機電裝置。
遮陽簾 · 德企
電機 / 導軌
電機噪聲、導軌摩擦異響檢測。
轉向系統 · 日企
轉向執行 / 齒輪
轉向執行噪聲、齒輪齧合異響檢測。
制動系統 · 美企
制動執行 / 摩擦
制動執行器噪聲、摩擦異響檢測。
電動頭枕
調節電機 / 傳動
調節電機噪聲、傳動異響檢測。
執行器
齒輪傳動 / 衝擊
齒輪傳動噪聲、衝擊異響檢測。
搖窗機
升降電機 / 導軌
升降電機噪聲、導軌摩擦異響檢測。
電子水泵
葉輪 / 軸承 / 電磁
葉輪噪聲、軸承缺陷、電磁噪聲檢測。
壓縮機
機械振動 / 運轉
機械振動、運轉噪聲檢測。
交付模式
從機理分析到全量模型，從產線檢測到質量研發
機理檢測系統
Tinia 機理引擎 + 一體機硬體（採集器 + 接觸式感測器），快而穩，適合首線快速上線。
機理 + AI
在機理基礎上疊加深度學習引擎，抓隱性、能進化，適合多線規模化場景。
全量服務
資料標記 + 演算法調優 + 全流程交付 + 升級維保，交鑰匙，適合燈塔 / 標杆專案。
報價按 單節點 / 整線 / 多節點 核算 · 含稅 · 以實測方案與合同為準
為什麼選我們
| 維度 | 人工聽音 | 簡單閾值 | 普通 AI | SmartQuality |
|---|---|---|---|---|
| 判斷依據 | 老師傅「感覺」 | 單一指標超標 | 單一演算法閾值 | 雙層引擎聯合判定 |
| 一致性 | 早午班不一致 | 穩定一致 | 穩定一致 | 穩定 + 交叉驗證 |
| 可解釋性 | 說不上來 | 指標可查 | 黑箱 | 指標 + 圖譜 + 置信度 |
| 覆蓋型別 | 憑經驗 | 只能抓超標 | 一種演算法 | 多類異響各有敏感指標 |
| 未知異常 | 看運氣 | 無 | 訓練集外失明 | 特徵距離提示覆核 |
| 持續進化 | 會退休 | 固定閾值 | 需人工重訓 | 閉環迴流越用越準 |
| 工藝反饋 | 只能挑次品 | 知道超/不超 | 知道過/不過 | 型別→工序→改良率 |
檢測報告
不是看一個數字就下結論，而是多指標、多引擎綜合後給出可追溯的聲學質量結論。
結論背後，都有指標與圖譜支撐
機理模型的客觀指標、時頻影像，加上深度學習引擎的端到端感知，全部彙總到聯合判定機制。
按不同異響的「敏感指標體系」加權融合，最終給出：是否異響、異響型別、嚴重程度、改善建議。
每一個結論都可 追溯、複核、反推工藝——不止挑次品，更幫您改進良率。
SmartQuality AI 檢測報告
No. SQ-2026-XXXX✓ 雙層引擎聯合判定 · 可追溯
價值回報
人工替代是最硬的回報，客訴降低是最大的槓桿——價值因行業、產線規模與 NG 率而異。
檢測覆蓋
從抽檢 1–5% 到 100% 逐臺全檢，漏檢風險隨覆蓋率消失。
人工替代
專職聽音工 → 兼職監控 + 複核，人工檢測成本 大幅下降。
判定一致性
人耳主觀、班次波動 → 客觀指標 + AI，穩定一致、可追溯。
客訴與召回
全檢攔截 + 資料反推工藝，客訴 / 召回風險 顯著降低。
技術壁壘
演算法
CNN+Transformer
混合架構、語義特徵空間、已知 + 未知雙通道、閉環持續學習。
工程
接觸式感測整合
感測器設計與整合、產線自適應降噪、多系統整合、大規模部署經驗。
資料
行業特徵庫
與頭部客戶合作積累的行業異響特徵庫與多行業落地 know-how。
行業
客戶深度驗證
頭部客戶深度合作驗證、行業 know-how 沉澱、客戶口碑積累。
實施路徑
風險前置、信任漸進——從專案啟動到終驗收的標準化交付流程。
S0
啟動
組建團隊
確認分工
S1
資料
資料分流
通道對映
S2
標籤
缺陷字典
真值標註
S3
訓練
機理調參
模型驗證
S4
預驗收
凍結盲測
指標驗證
S5
試執行
影子執行
對比人工
S6
終驗收
量產驗證
簽署驗收
S7
總結
標準化
擴充套件建議
常見問題
