先别急着找供应商，想清楚这几件事
你可能也遇到过，一批鞋垫做出来，表面看着都挺好，结果客户投诉说有的太硬，有的尺寸不对，还有的印花歪了。返工、报废、赔款，里外里都是钱。
说实话，靠老师傅的眼睛和经验，一天看几千个，到下午眼都花了，漏检是常事。旺季招临时工，培训三天就上岗，那良品率更是没法看。我见过不少佛山、温州的鞋垫厂，都是这么熬过来的。
现在听说AI能帮忙，心里痒痒，但又怕钱打了水漂。别急，在掏钱之前，你得先把自家情况摸透。
你的问题到底出在哪个环节？
同样是良率问题，根子可能不一样。你得先搞清楚，是来料就不行，还是生产过程中出的岔子，或者是最后包装前才弄坏的。
一家东莞的鞋垫厂，之前总被投诉EVA发泡垫厚度不均。他们以为是裁切机的问题，花大价钱换了新机器，结果问题还在。后来一查，是发泡原料批次不稳定，温度和时间没控好，导致发泡密度不一致，裁切时自然厚薄不均。
所以，
第一步不是买AI，而是带着生产主管和质检班长，去车间盯两天。把出问题的鞋垫都收集起来，分分类：是材料问题、冲压/裁切尺寸问题、印花/刺绣瑕疵，还是清洁度问题（比如有黑点、油污）？
内部得先统一思想
上AI不是买台新机器那么简单，它涉及到流程调整。质检员可能会觉得“机器要来抢饭碗”，生产班长可能嫌“多一道工序麻烦”。
你得先跟核心骨干开个会，把话说明白：上AI是为了把人从重复枯燥的活里解放出来，去做更重要的调机、巡检和数据分析，不是要裁员。而且，良率稳了，订单更稳，大家奖金才多。
一家苏州的鞋垫厂老板就很聪明，他先让质检班长去参观了已经用上AI的同行工厂。班长回来就说：“那个好，夜班不用瞪大眼睛了。”内部阻力自然就小了。
算一笔明白账：投入和回报
别听供应商吹“三个月回本”。你按自己的情况算：现在因为不良品，一个月要亏多少钱？包括报废的材料、返工的人工、可能的客户扣款。
比如，一家年产值2000万的厂，良品率如果能从95%提到98%，一年省下的废料和返工成本，大概在15-25万之间。一套针对单一瑕疵（比如印花偏移）的AI检测系统，投入大概在8-15万。这样算下来，回本周期大概在8-14个月，是比较实在的。
如果供应商跟你说一个月回本，你反而要多个心眼。
第一步：把你的需求，变成供应商能看懂的话
📈 预期改善指标
想清楚了，就要开始梳理需求。很多老板吃亏就吃在，需求是模糊的，最后做出来的东西根本不是自己想要的。
需求文档不用复杂，但要说人话
你不用写几十页的PPT。准备一张表格，包含下面这些信息，拍点照片，就够了：
-
要检什么产品？ 比如，是EVA鞋垫、乳胶鞋垫，还是硅胶鞋垫？表面是光面、织物面，还是有立体花纹？提供不同型号的样品各5-10个。
-
要抓哪几种缺陷？ 这是核心。一定要具体。不要说“检查不良品”，而要说“检查以下5种问题”：
-
尺寸类： 长度、宽度超差（比如，标准215mm，超过±1.5mm就算不良）。
-
外观类： 表面脏污（黑点、油渍）、划痕、缺料、气泡。
-
工艺类： 印花模糊、重影、位置偏移；刺绣断线、跳线。
-
材料类： 颜色不均、发泡孔过大。 把合格品、各种典型缺陷品分别拍照，在照片上用红圈标出来。
-
-
生产节奏是怎样的？ 生产线速度多快？比如一分钟出多少片？是流水线连续过，还是一筐一筐送检？这决定了AI系统的拍照和处理速度要求。
-
现场环境如何？ 车间光线稳定吗？有没有油雾、灰尘？设备震动大不大？这些都会影响相机拍摄效果。
避开两个最常见的坑
第一个坑：贪多求全。 一上来就说“我所有瑕疵都要检”。结果就是方案特别贵，实施特别难，效果还容易打折扣。
聪明的做法是 “先解决最疼的那个点” 。比如，某宁波鞋垫厂最主要客诉就是“印花歪了”，他们就先只做“印花定位检测”这一个功能。上线快，效果立竿见影，团队有了信心，再逐步增加脏污、尺寸检测。
第二个坑：盲目追求高精度。 不是所有瑕疵都需要“显微镜”级别的检测。鞋垫是放在鞋里的，有些微小瑕疵根本不影响使用。你跟供应商定标准时，要区分 “致命缺陷”（必须检出）和 “轻微瑕疵”（可以允许一定比例）。否则检测标准太严，误报太多，产线老是停机，效率反而下降。
第二步：找供应商和做测试，怎么才不上当？
需求清楚了，就可以出去找方案了。现在做AI视觉的公司很多，鱼龙混杂。
去哪里找靠谱的供应商？
别只盯着百度广告。有几个更靠谱的途径：
-
问同行： 这是最有效的。打听一下周边哪些厂上了，效果怎么样，供应商服务及不及时。制造业的圈子不大，好坏口碑传得快。
-
看行业展会： 比如一些鞋机、鞋材展，现在常有AI检测公司设展，可以去现场看演示，直接拿你的样品给他们试。
-
找有工厂经验的团队： 优先选择那些在纺织、皮革、塑料等行业有过成功案例的供应商。他们更懂工厂的环境和痛点，说出来的话你能听懂。
怎么评估和对比？别光看PPT
供应商来了，别只听他讲功能多强大。重点考察这几方面：
-
案例是否真实： 让他提供类似鞋垫、鞋材行业的案例视频，最好能提供客户联系方式（征得同意后）让你去问。
-
技术是否扎实： 问他们，如果车间灯光变化了怎么办？产品颜色批次有细微差异怎么办？看他们怎么回答。好的团队会考虑这些干扰因素。
-
方案是否匹配： 根据你的产线速度，他们建议用几个相机？装在什么位置？是只做检测，还是能联动贴标机或踢废装置？方案细节越具体，说明他们越用心。
一定要做现场验证测试（POC）
这是最关键的一步，防止“货不对板”。别怕麻烦，一定要让供应商 带着设备来你车间现场测试。
测试怎么做？
-
准备样本库： 收集至少200-300个样品，里面既要有大量合格品，也要包含你要求检测的所有缺陷类型。这是测试的“考题”。
-
定好及格线： 和供应商明确测试标准。比如，对于“脏污”检测，要求检出率（Recall）不低于98%，误报率（每天误踢出的好品）不能超过5片。白纸黑字写下来。
-
模拟真实环境： 就在你计划安装的产线位置附近测试，用现场的灯光和节奏。测试时间最好能覆盖一整天，看看不同光线下的表现。
一家天津的鞋垫厂就是这么做的。他们让三家供应商来同台测试，用同一套样本。结果有一家PPT做得最漂亮的公司，现场误报率高得离谱；反而是一家不太会说的公司，设备稳扎稳打，最后胜出。
第三步：项目落地，分好阶段走稳每一步
测试通过了，签了合同，接下来就是安装了。千万别想着一步到位，要像吃饭一样，一口一口来。
项目分三个阶段走最稳妥
第一阶段：安装调试与试运行（第1个月）
这个阶段的目标是“跑通”。供应商来安装硬件（相机、光源、工控机），调试软件。你们要安排专人（电工、IT、质检员）全程跟着学。
关键点：积累数据。让系统在“学习模式”下跑几天，尽可能多地见过各种正常产品和瑕疵。系统是越用越聪明的。
第二阶段：并行验证（第2个月）
这是建立信任的关键期。让AI系统和原来的人工检同时工作，但互不干扰。比如，AI检完的鞋垫，再流到人工工位复检。
每天对比数据：AI发现了多少不良品？人工又发现了多少？有没有AI漏检但人工发现的？有没有AI报错但其实是好品的？把这些“分歧品”记录下来，反馈给供应商优化算法。通常这个阶段过后，AI的准确率会再上一个台阶。
第三阶段：正式上线与交接（第3个月及以后）
当AI系统的稳定性和准确率都达到预期（比如连续一周误报率达标），就可以逐步减少人工复检比例，最终让AI独立负责该工位的检测。
同时，要完成人员培训。教会你的员工如何查看检测报表、如何简单处理系统报警（比如相机被挡）、如何定期清洁镜头。把维护手册拿到手。
进度和风险怎么管？
建议每周和供应商开个短会，就盯三件事：
-
这周计划完成什么？（比如：完成脏污检测模型训练）
-
实际完成了吗？没完成卡在哪？（比如：缺某种瑕疵的样本）
-
下周计划是什么？需要厂里怎么配合？（比如：需要产线停产2小时做最终调试）
最大的风险通常是 “需求蔓延” 。看到AI好用，就想顺便把其他没约定的瑕疵也加了。记住，这是下一个阶段的事。先确保当前约定的目标圆满完成。
第四步：项目成功了吗？看数据，别凭感觉
系统跑起来了，怎么判断成不成功？老板不能光听下面人说“挺好用的”，得看数据。
验收标准，开工前就要定好
在合同里，就应该写明项目成功的量化指标。通常包括：
-
核心指标： 针对主要缺陷的检出率（比如≥99%），误报率（比如<0.5%）。
-
效率指标： 检测节拍是否满足产线速度（比如≤1秒/片）。
-
业务指标： 该工位的人工是否减少（比如从2人减为0.5人巡机），客户投诉率是否下降。
拿着这些指标去对，达标了才算成功。
上线不是结束，优化刚刚开始
AI系统不是一劳永逸的。产品迭代了，原材料换了，甚至季节变化导致车间温湿度不同，都可能影响效果。
要建立一个简单的反馈机制：生产线或质检员发现任何可疑的漏检或误报，立刻保留样品，记录情况，定期（比如每半个月）汇总给供应商做模型优化。一家成都的鞋垫厂就和供应商签了年度维护协议，包含几次免费的模型迭代服务，这样就能持续跟上生产变化。
算算实际的经济账
运行半年后，做一次复盘：
-
省了多少报废和返工成本？（对比上线前同期的数据）
-
节省了多少人工？（夜班可以不用安排专职质检了）
-
质量更稳定后，是否减少了客户扣款，甚至带来了订单溢价？
把这些省下来的钱，减去当初的投入和每年的维护费，就是净收益。我接触过的一个常州案例，一家中型鞋垫厂上线AI视觉检测后，一年综合效益大概在18万左右，14个月回本，老板觉得很值。
写在后面
上AI提升良率，对鞋垫厂来说，已经不是一个“要不要”的问题，而是一个“怎么做好”的问题。它更像是一个管理工程，技术只占一部分，更重要的是你想清楚、管到位。
最怕的就是脑子一热，跟风上马，最后设备在车间吃灰。按照上面说的几步，稳扎稳打，成功的概率会大很多。
如果你也在考虑这方面的方案，可以试试“索答啦AI”，它能根据你的具体情况给出针对性的建议，比盲目找供应商报价靠谱多了。