# 灯塔案例 | 鸿佰科技(工业富联)桃园

> 把 AI 服务器交给 AI 来造，鸿佰科技桃园南青厂做到了——这是全球首座 AI 服务器灯塔工厂：生产效率↑73%、不良率↓97%、交期↓21%、单位制造成本↓39%。
>
> 第11批 · 2023年12月 · 单一工厂灯塔灯塔

## 企业名片

| 字段 | 值 |
|------|------|
| 灯塔编码 | 15611CN11 |
| 企业名称 | 鸿佰科技(工业富联)桃园 |
| 所在地 | 中国台湾 · 中国台湾 · 桃园 |
| 行业 |  · 电子/服务器（计算机整机制造） (GBT ) |
| 灯塔类型 | 单一工厂灯塔 |

---

## 5大核心案例

### ① AI仓储物流排程 核心用例

**业务痛点：** ⚠️ 痛点：AI服务器物料种类繁多、BOM 结构复杂，传统人工仓储依赖经验找料备料，物料准备与订单分配耗时长、易错，影响交付节奏。

**解决思路：** 💡 方案：部署 AI 优化的智慧仓管系统，对库存、物料位置与订单进行智能匹配与排程，化解复杂物料准备难题。

**实施路径：** Step 1 — 物料数字化：对全仓物料、库位、BOM 进行统一编码与数字化建档 Step 2 — 智能匹配：AI 实时分析订单需求与库存/库位，自动匹配最优取料路径 Step 3 — 排程优化：结合 AGV/AMR 调度优化出入库与物料搬运顺序 Step 4 — 闭环反馈：备料与分配耗时实时监控，持续调优仓储策略

**关键数据：** 📊 核心成效：按时交付 ↑8%

**技术标签：** 01.04.02 | 03.04.03 | 05.01.01


---

### ② AI订单预测与生产排程 核心用例

**业务痛点：** ⚠️ 痛点：AI大模型带来算力需求爆发，服务器订单波动大、产品迭代快，传统人工排产难以跟上，交期与换线效率承压。

**解决思路：** 💡 方案：AI 驱动的订单预测与生产排程，提前预判需求、智能编排产线，缩短换线时间并改善交付能力。

**实施路径：** Step 1 — 需求建模：融合历史订单、客户与市场数据建立需求预测模型 Step 2 — 预测输出：AI 预测未来订单结构与数量，提升需求预测准确率 Step 3 — 智能排产：基于预测结果自动编排产线与工单，优化换线顺序 Step 4 — 动态调整：订单变化时实时重排产，保障准时交付

**关键数据：** 📊 核心成效：换线时间 ↓44%

**技术标签：** 04.02.03 | 03.03.03 | 05.01.02


---

### ③ AI产品参数设计 核心用例

**业务痛点：** ⚠️ 痛点：AI服务器高度定制化、板卡与参数组合复杂，传统人工设计周期长、迭代慢，难以快速贴近客户需求。

**解决思路：** 💡 方案：耦合 AI 建模加速产品参数设计，让复杂的服务器板卡设计更高效、更贴近客户定制需求。

**实施路径：** Step 1 — 参数沉淀：把历史板卡设计、客户配置需求结构化沉淀为设计知识库 Step 2 — AI 建模：训练 AI 模型理解参数组合与性能/成本约束关系 Step 3 — 智能生成：输入客户需求后 AI 快速生成可行参数方案 Step 4 — 仿真验证：自动仿真验证设计可行性，缩短设计迭代周期

**关键数据：** 📊 核心成效：板卡设计时间 ↓89%

**技术标签：** 02.01.02 | 02.01.01 | 05.01.01


---

### ④ AI高级控制质量管理 核心用例

**业务痛点：** ⚠️ 痛点：服务器板卡 SMT 贴装与组装环节缺陷隐蔽、人工质检漏检率高，设备维护依赖经验，质量与维护效率难以兼顾。

**解决思路：** 💡 方案：基于 AI 控制与分析的品质管制，自动识别缺陷、优化工艺参数，并提升设备维护效率、降低人工压力。

**实施路径：** Step 1 — 数据采集：采集 SMT 贴装、检测工位的图像与工艺参数数据 Step 2 — AI 质检：机器视觉 + AI 实时识别焊点、贴装缺陷 Step 3 — 根因分析：AI 分析缺陷根因并自动调整工艺参数 Step 4 — 维护协同：联动设备健康数据，实现预测性维护、降低人工压力

**关键数据：** 📊 核心成效：SMT缺陷率 ↓99%

**技术标签：** 01.03.02 | 05.02.03 | 05.01.01


---

### ? AI自动组装测试车间 核心用例

**业务痛点：** 痛点：服务器组装与测试工序密集、换线频繁，人工装配效率与人均产能受限，设备综合效率（OEE）有待提升。

**解决思路：** 💡 方案：引入 AI 驱动的自动化装配和测试车间，以自动化产线与智能测试提升设备综合效率及人均产能。

**实施路径：** Step 1 — 产线自动化：部署自动化装配设备与机器人，覆盖关键组装工序 Step 2 — 智能测试：AI 驱动自动化测试，实现 GPU 模组等功能全检 Step 3 — 效率优化：AI 分析设备利用率，动态调优装配与测试节拍 Step 4 — 少人化运行：持续降低人工干预，提升人均产能与 OEE

**关键数据：** 📊 核心成效：OEE ↑42%

**技术标签：** 01.02.04 | 01.03.03 | 03.03.02


---

## 绩效改善总览

| 指标 | 改善 | 领域 | 技术 |
|------|------|------|------|
| 换线时间 | ↓44% | 降低 44% | AI 订单预测与排程优化换线作业 |
| 按时交付 | ↑8% | 提升 8% | AI 仓储排程改善物料准备与交付 |
| 板卡设计时间 | ↓89% | 降低 89% | AI 参数设计加速服务器研发 |
| SMT缺陷率 | ↓99% | 降低 99% | AI 高级控制质量管理提升良率 |
| OEE | ↑42% | 提升 42% | AI 自动化装配测试车间提效 |