某鞋业公司：AI标准行为管理

鞋业制造｜AI SOP管理｜行为即时分析｜异常留痕

客户背景

客户是集团型企业下面涉及多个分公司，但是集团制定的相关生产标准很难监管落地执行情况。客户已建立各工序的SOC标准，但传统管理依赖人工巡查和成品抽检，无法对每一双鞋的每一个关键动作进行全量确认。而鞋类制造涉及刷胶、贴底、压合、检验等多道关键工序，每一道工序的动作规范都直接影响成品质量与穿着安全。

本项目基于 SY · 视域智能视觉平台，在客户制鞋产线整体部署AI视觉质量追溯系统，覆盖刷胶、贴底、压合、检验等核心工序。系统对每一双鞋的作业过程进行自动识别、计时与异常留痕，形成“一鞋一档”的数字化质量证据链。

其中，贴底工序作为质量风险最集中的环节，是本项目的重点落地场景。以下以贴底工序为例，展示平台的核心能力与业务价值。

项目挑战与洞察

贴底质量不仅取决于最终粘合结果，更取决于操作人员是否完成面底检查、对位贴合和鞋头压实等关键动作。客户已有贴底SOC标准，但过去长期面临三个管理难题：

– 每一双鞋是否都完整执行了规定动作？依赖班组长巡查，无法全量覆盖。

– 异常发生当时现场是什么情况？缺乏过程证据，事后难以追溯。

– 面对客户验厂、质量审核，如何拿出有说服力的过程证明？仅靠成品报告和口头说明，信任建立成本高。

解决策略与落地执行

SY · 视域智能视觉平台整体部署

辰翊数字为客户提供 SY · 视域智能视觉平台及完整工位系统，在产线各关键工序部署工业相机、补光、边缘计算设备和提醒屏。平台统一管理各工序的识别规则、作业记录、异常证据和统计看板。

以贴底工序为例建设三项核心能力：

1、全工序时间检测

鞋子与大底进入作业区时，系统自动建立作业编号并开始计时；贴底完成、鞋子进入完成区时，系统结束任务。每次作业输出总时长、45秒节拍达成情况，以及超时、过快和异常停顿记录。

2、贴底前检查动作检测

系统识别鞋子、大底和手部，判断操作人员是否进入面底检查节点、是否完成必要停留和号码核对。输出结果分为“检查完成、疑似漏检、检查时长不足、需人工复核”四类，直接对应SOC标准要求。

3、压鞋头动作检测

系统持续观察鞋头区域的手部或工具接触、覆盖位置、停留时间与遮挡状态，内置符合现场SOC的压合时长规则。输出正常、疑似漏压、疑似快压、疑似遮挡和疑似节拍异常，确保鞋头压实动作不遗漏。

受工艺保密等因素对于刷胶、压合、检验等工序不做过多展开，分别识别刷胶覆盖区域与轨迹、压合保压时长、检验动作完整性等关键节点，形成全流程质量数据闭环。

每个工位交付完整硬件与软件系统：

– 工业相机、镜头、补光和固定支架，保障稳定成像。

– 本地边缘计算设备，用于实时识别和视频缓存。

– 工位提醒屏，实时显示当前步骤与异常提示。

– 管理端看板，展示整个产线各工序的实时状态、异常分布与关键指标。

– PAD端，支持随时查看任意批次、任意工位的作业记录与视频证据。

AI洞察管理看板是整个产线的质量态势图。管理人员可以一眼看到刷胶、贴底、压合、检验各工序的实时产量、节拍达成率、异常类型分布，并可下钻到具体工位、具体批次、具体作业视频。

项目成效与价值

1. SOP标准化与全量可追溯

每一双鞋在全流程各工序的作业都形成独立记录，关键动作、作业时长、异常证据自动关联。SOP不再停留在纸面，而是转化为每一双鞋都可查询、可回放、可统计的过程数据，真正实现“一鞋一档”。

2. 质量保证可视化，异常证据自动留存

刷胶、贴底、压合等关键工序的动作执行由AI持续识别，异常自动截取短视频并关联工位、时间、批次。质量管理人员可以在分钟级定位异常批次与工位，降低批量质量风险，避免依赖人工巡查和事后回忆。

3. PAD端质量演示，提升客户信任与签单率

系统标配PAD端查看能力。客户验厂、审厂或商务洽谈时，销售、品质或生产人员可手持PAD，现场输入订单号或批次号，立即调出该批次在刷胶、贴底、压合等工序的关键动作完成率、异常闭环记录与全流程视频。

客户能够直观看到：

– 每一双鞋的刷胶轨迹是否标准；

– 贴底前检查是否执行；

– 鞋头压实动作是否达到标准时长；

– 异常是否被记录、复核并关闭；

– 质量不是口头承诺，而是有完整AI证据链的过程管控。

这种“可展示的质量保证”显著增强客户信任，缩短验厂沟通周期，在商务谈判中形成差异化优势，直接提升签单转化率与订单议价能力。

4. 管理提效，从事后补救到事前事中管控

管理人员无需等到成品抽检或客诉后才倒查问题。系统实时识别异常，工位提醒屏即时提示，班组可第一时间纠正动作，降低批量性质量风险。整个产线的质量状态实时可见，管理响应速度大幅提升。

5. 真实数据驱动培训与工艺改善

各工序的异常类型、时段分布、工位差异、人员动作特征等数据持续沉淀，可用于新员工培训、班组技能评比、工艺参数优化和管理决策，让质量管理从经验驱动转向数据驱动。