Case Studies

结果写在验收单上
而不是写在 PPT 里

覆盖制造业、零售业、金融业与通用行业的落地案例,每一项指标都来自客户实际运行环境。

0+

交付项目

0

覆盖城市

0%

客户续约率

0h

平均响应时长

部分服务客户

  • 比亚迪
  • 美的集团
  • 海尔智家
  • 宁德时代
  • 三一重工
  • 小米集团
  • 京东物流
  • 名创优品
  • 伊利股份
  • 永辉超市
  • 顺丰控股
  • 中国工商银行
  • 招商银行
  • 中国平安
  • 中信证券
  • 蚂蚁集团
  • 万科集团
  • 华润集团
  • 比亚迪
  • 美的集团
  • 海尔智家
  • 宁德时代
  • 三一重工
  • 小米集团
  • 京东物流
  • 名创优品
  • 伊利股份
  • 永辉超市
  • 顺丰控股
  • 中国工商银行
  • 招商银行
  • 中国平安
  • 中信证券
  • 蚂蚁集团
  • 万科集团
  • 华润集团

精选案例

从痛点、方案到结果,完整可对照

每个案例都包含挑战、做法与可量化的结果。

某汽车零部件一级供应商

某汽车零部件一级供应商

制造业 · AI 视觉质检

AI 视觉质检

挑战

多品种小批量下,人工目检漏检率高,客诉 PPM 长期居高不下。

做法

部署工业多模态模型 + 边缘推理,缺陷样本自动回流迭代,质检结论回流至工艺参数寻优。

  • -78%漏检率
  • -52%客诉 PPM
  • -4 人/线质检人力

问题层级变了,效率自然就出来了。

质量总监 · 某汽车零部件一级供应商
某全国连锁生活家居品牌

某全国连锁生活家居品牌

零售业 · 需求预测 + 门店巡检

需求预测 + 门店巡检

挑战

畅销品断货与长尾积压并存,门店陈列执行无法被有效监督。

做法

SKU × 门店粒度需求预测生成补货单,门店拍照与摄像头完成陈列与缺货识别。

  • -31%缺货率
  • +24%库存周转
  • 100%巡店覆盖

店长不再花两小时做要货单,时间还给了卖场。

运营副总裁 · 某全国连锁生活家居品牌
某股份制商业银行

某股份制商业银行

金融业 · 智能风控 + 合规审查

智能风控 + 合规审查

挑战

反欺诈规则库臃肿,尽调报告撰写耗时,结论难以解释。

做法

图模型与行为序列模型识别团伙欺诈,文档智能体生成尽调初稿并标注依据出处。

  • -24%欺诈损失率
  • -33%误杀率
  • -2.6 人/万件审查人力

每一个拒绝理由都能被解释、被追溯、被复核。

零售风控负责人 · 某股份制商业银行
某 3C 精密结构件制造商

某 3C 精密结构件制造商

制造业 · 柔性上下料机器人

柔性上下料机器人

挑战

换型依赖原厂调试,小批量订单不划算,夜班招工困难。

做法

3D 视觉引导 + 抓取策略模型处理无序来料,技能以包的形式沉淀,工艺员自主换型。

  • 2天 → 4小时换型时间
  • -3 人单线人力
  • +14pt设备利用率

工艺员自己扫一遍新工件,两小时就能跑起来。

制造工程部经理 · 某 3C 精密结构件制造商
某区域连锁商超

某区域连锁商超

零售业 · 盘点机器人 + 拣选自动化

盘点机器人 + 拣选自动化

挑战

大盘点需停业加班,临期与缺货发现滞后,损耗难以控制。

做法

盘点机器人融合视觉与 RFID 夜间自动巡检,仓内部署拣选机械臂与 AMR 集群。

  • -83%盘点耗时
  • -18%损耗率
  • +2.4×拣选效率

第二天开门前,缺货清单已经在店长手机里了。

门店运营中心总监 · 某区域连锁商超
某科技园区运营方

某科技园区运营方

通用行业 · 多品牌机器人统一调度

多品牌机器人统一调度

挑战

三栋楼四个品牌的机器人,四套后台,运维成本高且无统一数据。

做法

以适配层统一抽象机器人能力,一个中台完成调度、地图、电梯联动与运维。

  • -50%运维人力
  • -48%配送人力
  • 26 台在运机器人

物业管理第一次有了完整的作业数据。

园区运营负责人 · 某科技园区运营方

让 Boldblue 把方案落到你的产线、门店与网点

提交需求后,Boldblue 的解决方案架构师会在 1 个工作日内联系你,附上同行业的可参考案例与落地路径。