质量控制方法因行业而异，而且每家制造商，每种产品都不尽相同。但在实际产品检查时，大多数制造质量过程看起来都大同小异。训练有素的检查员对每个单元进行目测评估，并判定合格或不合格。
当然，员工的工作效率很高。但是，在执行重复性任务时，员工也容易出现意外错误、疲劳或分心。此外，员工还会休息、度假，甚至退休。
几十年来，制造商一直在自动化质量控制过程，并通过摄像头、照明和机器视觉系统来增强检查员的能力。虽然许多机器增强功能提高了检查速度和数量，但仍存在诸多限制。
因此，制造商正在寻求更高水平的人工智能 (AI) 和机器学习工具（例如 FactoryTalk® Analytics™ VisionAI™），以改进其质量检查过程。
Rockwell Automation 高级产品经理 Carl Lewis 解释道：“我们的 AI 驱动型质量控制解决方案，能够让制造商看到他们错过了什么。使用我们的方案，无需编写代码，就可以利用视觉检测，来改善质量、提高产量，并从实时生产数据中获得关键见解。” AI 视觉检测系统提供的数据，可直接助力生产更优质的产品。Lewis 表示：“这有助于制造商减少产品缺陷和浪费，缩短停产时间，并降低运营成本。”
新一代 AI 驱动型视觉检测和机器学习系统可以学习并动态适应不断变化的条件，同时全天候收集、组织和传送质量数据。
这些数据有助于质量人员和工厂操作人员快速了解和解决生产问题。Lewis 表示：“这会给我们带来非凡的意义。该系统有助于识别汽车装配线缺陷以及可能会导致产品召回问题的消费品缺陷。此外还有无数的工业用例，包括确定尺寸缺陷、包装异常或者其他出厂前质量问题。这种人工智能和机器学习视觉检测工具具有巨大的价值。”
