底盘装配的错漏装要在大件合装前拦住，检测点为什么得沿装配步骤一步步铺开，而不是集中终检
底盘装配部件尺寸大、结构复杂，装配涉及多个部件与多个步骤。任何一处错装、漏装都会影响合装质量与行驶安全，而问题往往在合装后才暴露——那时候要拆开返修，成本已经不是补一个件的量级。质量关口放在终检，拦得住不良品，拦不住返修代价。
合装后才发现，返修要拆
底盘合装是多个部件的叠加过程，越往后，前面的部件越难触及。错漏装如果在合装完成后的检查中发现，处理方式通常是拆解已合装的部件，再重新装配。返修范围与发现时间成正比：在发生的那一步发现，改一个动作；在合装后才发现，动的是整段装配。这是方案把检测嵌入装配过程的直接理由。
检测点沿装配步骤布置，不是围着一个工位
方案把检测点沿装配流程铺开，装配进行到哪一步，检测就跟到哪一步。每个关键装配节点都有对应的检测确认，工人或设备完成一步，系统同步确认一步。这与终检的思路相反：终检是在一个工位上把整台件查一遍，过程监测是在每个动作后确认当前状态是否正确。前者覆盖面广但滞后，后者及时但要求检测点跟着工艺走——工艺改了，检测点也要跟着改。
三种数据各补一个维度
2D/3D 视觉传感器提供平面与深度双重信息：2D 适合判定特征有无与位置，3D 提供深度信息应对部件的空间位置关系。激光测量系统补充关键位置数据，与视觉特征比对相互印证。三类数据融合判定的原因很实际——单靠一种维度，错装的方向问题与漏装的缺失问题容易互相掩盖；多一维数据，判定就多一个约束。
45 秒是嵌进装配动作里的
单件检测节拍 45 秒，嵌入底盘装配作业节奏，与装配作业同步推进，不额外增加等待，以现场验收结果为准。这个节拍的特点是与人的装配动作并行，而不是独立占用一个工位时间。所以检测窗口小、留给判定的时间短，算法要快速比对并给出可靠结论，不能等一轮完整分析再报警。
报警要能指到工序
判定结果与工位、工序关联，异常即时报警拦截。这个关联的意义不在报警本身，而在问题定位：知道是哪一步出的错，才能判断是零件问题、装配动作问题还是工艺问题。事后检查很难定位问题发生的具体步骤，只能笼统归因到装配环节，改进也就无从下手。
过程数据回流工艺
实现工艺质量 100% 视觉检测与全装配流程 AI 监控，以现场验收结果为准。检测从抽点变成覆盖全流程，装配过程状态可查询、可回溯。过程数据积累之后，可以反馈到装配工艺，为防错项的设计提供依据——哪些步骤反复出问题，哪些检测点其实冗余，都能从数据里看出来。这条回流路径是过程监测相对终检的长期优势。
过程防错的两个前提
过程监测和终检是替代关系吗？
不是。过程监测拦在发生环节，终检做整体确认，两者覆盖的问题不同。过程监测能缩小返修范围，但替代不了终检对整机状态的把关。
为什么不能用终检的方式做过程防错？
终检把所有检测集中在一个工位，节拍压力大，且发现问题时前面的步骤已经完成。过程监测把检测摊到各步骤，单点负担小，问题也能早发现。
传感器多了，维护会不会很重？
会。检测点沿流程铺开，意味着传感器、光源与线缆分布在多个工位。选型时要评估维护通道与备件策略，这部分成本容易在方案阶段被低估。