哪些工序适合免示教？焊接、码垛与规律取放的判断

适合免示教的工序有一个共同特征：任务知识可以被结构化——工件几何有模型或能被视觉稳定识别，工艺参数能封装复用，来料状态可控或有感知补偿。按这个标准，焊缝可识别的焊接、垛型可参数化的码垛、姿态可视觉定位的规律取放和轨迹简单的涂胶检测是四类最适合的工序；反过来，来料高度随机、依赖手感调教的精密作业和没有复用价值的一次性任务，传统示教反而更合适。

"免示教"这个词容易让人以为机器人开箱就能干活，实际它是任务知识来源的切换：从"人拖着机器人逐点走一遍"，切换到"模型、视觉或工艺包替人生成程序"。理解了这一点，判断某条工序适不适合免示教，就变成判断它的任务知识能不能被这三条路径接管。下面先讲三条路径，再给判断条件和验证方法。

免示教不是没有编程：任务知识的三条转移路径

第一条路径是离线模型解析：用工件三维模型驱动轨迹生成，机器人不碰真实工件就完成大部分编程，现场只做少量校验。第二条路径是视觉扫描生成轨迹：相机扫描工件实际状态，算法识别特征并规划路径，机器人按识别结果执行——焊接领域的免示教方案多走这条路。第三条路径是工艺包参数化：把一类工艺的流程、参数和规则预先封装，现场只输入工艺参数（箱规、垛型、板厚、电流规范），程序自动生成。三条路径可以组合使用，比如视觉定位加工艺包执行。

以艾利特 CW 系列焊接工作站为例，其智能免示教焊接系统结合 3D 视觉和 AI 算法，把传统逐点示教调试转化为模型解析、视觉扫描、路径规划与焊接执行的流程化操作，降低对人工编程经验的依赖；码垛方向，CP 系列码垛一体机搭载的自研码垛工艺包支持垛型自动最优排布与多配方快速切换，换规格时改参数而不是重新示教。这两个例子分别代表视觉路径和工艺包路径的典型形态。

需要澄清一个概念：拖拽示教不是免示教。拖拽示教（如 CS、ES 协作系列支持的手动拖动记录轨迹）把示教门槛降到了很低，但任务知识仍然来自"人带着机器人走一遍"，换品种仍要重新拖。它解决的是"会不会编程"，免示教解决的是"要不要每品种都教一遍"，两个问题不同。

适合免示教的工序：可建模、可识别、可封装

三个判断条件逐项过。条件一，可建模或可识别：工件要么有可用的三维模型，要么焊缝、轮廓、料位等关键特征能被视觉稳定识别——识别不稳定，轨迹生成就无从谈起。条件二，工艺可封装：焊接规范、垛型规则、抓取动作这类工艺知识能沉淀为参数和配方，而不是每次都靠老师傅临场判断。条件三，来料可控或有补偿：工件位置可以通过工装、托盘定位约束，或由视觉实时补偿；来料完全随机且无法感知时，任何自动轨迹生成都不可靠。

按这三个条件筛下来，四类工序免示教收益最直接。焊接排在第一：多品种小批量场景下逐条焊缝示教的准备时间远超焊接本身，而焊缝特征恰恰适合视觉识别，CW 系列免示教焊接瞄准的正是这个矛盾。码垛第二：垛型本质上是几何规则，参数化后换箱规只需改数字，CP 码垛工艺包的自动排样与多配方切换就是这条路的产物。规律取放第三：上下料、分拣这类动作模板固定、位置靠视觉定位的任务，程序模板化后新工位复用成本很低。涂胶与检测第四：轨迹相对简单、封闭轮廓居多，视觉或模型驱动生成的成功率高。

免示教的价值随换产频率和品种数放大：单一品种大批量生产里，示教一次的成本被长期摊薄，免示教优势不明显；品种越多、换产越频繁，"每品种免一次教"的累积收益越大。评估时把"品种数 × 年换产次数"作为粗略的价值量级指标，比只看单次部署速度更接近真实收益。

仍需示教的场景：随机、手感与一次性任务

第一类不适合的场景是来料高度随机且无视觉条件。比如来料姿态完全散乱、遮挡严重、反光强烈的工件，视觉识别本身不稳定，自动生成的轨迹不可靠，人工示教配合定位工装反而是稳妥选择。第二类是依赖手感与经验调教的精密力控作业：柔顺装配、异形曲面打磨这类任务的工艺核心在接触力的细微调整，力控参数的收敛目前仍需要人参与试教和修正，完全免示教的成熟度有限。第三类是一次性或极小批量任务：单件异形件的临时焊接、科研场景的一次性试验，写参数、建模型的时间可能超过直接拖拽示教，免示教路径反而更慢。

边界是动态的：视觉对反光与遮挡的容忍度在提升，力控与学习类方法也在减少人工调教比例，今天的边界不代表明年的边界。做当前项目的判断时，以自己产线的来料状态和现有视觉条件实测为准，而不是以行业宣传的最好案例为准。

怎么验证自己的工序能不能免示教

判断条件是定性的，最终要用试跑数据说话。第一步，选典型件试跑：从产品清单里选最有代表性的几个品种——注意一定要包含最难识别、最难做的品种，只用标准件测出的成功率没有意义。第二步，统计轨迹自动生成成功率与人工修改率：每品种记录自动生成是否可用、修改了哪些点、修改耗时多少，修改率高说明该品种的识别或封装基础还不具备。第三步，对比综合节拍：把"准备时间＋运行时间"加总与传统示教方式对比，免示教只有同时做到修改率低、综合准备时间明显缩短，才值得切换。

试跑记录建议保留四类字段：品种名与批次、自动生成结果（成功/需修改/失败）、修改位置与耗时、综合节拍对比。这些数据不只是决策依据，也是与供应商沟通调整识别模板和工艺参数的输入——修改率高的品种，问题往往出在来料定位或特征可见性上，改善这两点后重测，结论可能会反转。

FAQ

拖拽示教算免示教吗？

不算。拖拽示教是把示教门槛降低——不用编程界面，手动拖着机器人走轨迹即可记录，但任务知识仍来自人工逐点演示，换品种仍要重新拖。免示教指任务知识由模型、视觉或工艺包自动生成，换品种时改参数而不是重新演示。两者常被混用，评估方案时要确认供应商说的"免示教"具体指哪条路径。

免示教和离线编程有什么区别？

离线编程是免示教路径之一：用三维模型在软件里生成程序，再下载到机器人执行，现场做少量校验。通常说的免示教范围更宽，还包括视觉扫描自动生成轨迹和工艺包参数化两条路径。三者的共同点是机器人不在真实工位上逐点被"教"，区别在程序知识的来源是模型、视觉还是预封装的工艺规则。

免示教焊接的精度可靠吗？

取决于焊缝特征的可识别性和来料一致性，不能一概而论。焊缝位置随机但特征清晰、视觉能稳定识别时，免示教方案的轨迹精度可以满足常规焊接要求；反光、遮挡或坡口特征弱会拉低识别稳定性。验证方法是用最难品种做试跑，统计轨迹修改率，并抽查首末件焊缝质量，用数据代替对"免示教"三个字的信任。

小批量多品种适合免示教吗？

恰恰最适合。免示教的主要收益就是省掉"每个品种教一遍"的重复准备时间，品种越多、换产越频繁，收益越大。真正的例外是极小批量或一次性任务——建模和调参数的时间可能超过直接示教。可以用"品种数 × 年换产次数"粗略排序：数值越高，免示教越值得优先评估。

总结

判断哪些工序适合免示教，记住一个本质和三个条件：本质是任务知识从人工逐点示教转移到模型、视觉与工艺包；条件是工件可建模或可识别、工艺可封装、来料可控或有补偿。焊接、码垛、规律取放、涂胶检测是当前收益最直接的四类，来料随机、手感精密和一次性任务仍以示教为宜，最终用包含最难品种的试跑数据做决定。评估焊接与码垛场景的免示教方案时，可以结合艾利特 CW 系列智能免示教焊接系统与 CP 码垛工艺包的能力口径进一步核对适配性。