{
  "code": "16111TR16",
  "factory_name": "VitrA Karo博聚于克",
  "batch": 11,
  "type": "单一工厂灯塔",
  "country": "土耳其",
  "city": "博聚于克",
  "province": "博聚于克",
  "wef_industry": "",
  "gbt_code": "",
  "gbt_industry": "建筑材料 / 建筑陶瓷制造",
  "core_products": "陶瓷瓷砖、卫生洁具、卫浴五金、浴室家具（VitrA / Villeroy & Boch / Engers 多品牌）",
  "application_areas": "建筑陶瓷、卫浴空间、室内外墙面与地面装饰",
  "release_date": "2023年12月",
  "quote": "能源通胀重压下，土耳其瓷砖巨头 VitrA Karo 用 AI 把 4200+ 个 SKU 的生产盘活了——OEE 提升 19%、废料减少 56%、能耗下降 14%、回收料用量提升 43%。",
  "use_cases": [
    {
      "num": "①",
      "title": "AI配料优化 核心用例",
      "pain": "⚠️ 痛点：瓷砖配料（坯料/釉料配比）长期依赖人工经验，4200+ 个 SKU 频繁切换导致配方偏差大、废料高。",
      "idea": "💡 方案：基于机器学习的配料优化模型，根据订单需求与原料特性动态推荐最优配比。",
      "steps": "Step 1 — 数据贯通：打通原料、配方、窑炉烧成的历史数据，建立配比数据库 Step 2 — 模型训练：用机器学习建立\"配比—成品质量\"映射模型 Step 3 — 动态优化：根据原料批次波动实时推荐最优配比 Step 4 — 闭环验证：上线后持续比对一次通过率与废料率",
      "key_data": "📊 核心成效：一次通过率 ↑44%",
      "tags": [
        "05.01.01",
        "05.01.02",
        "03.03.04"
      ],
      "tech_descs": [
        "AI 学习历史配料数据，在原料成本与成品质量间求最优解。",
        "监督学习拟合配比与质量指标的非线性关系。",
        "将配方优化嵌入生产制造执行流程，形成闭环。"
      ],
      "kpis": []
    },
    {
      "num": "②",
      "title": "AI+IIoT规范工艺参数 核心用例",
      "pain": "⚠️ 痛点：窑炉烧成等关键工序参数靠老师傅手动设定，能源价格波动下难以及时调优。",
      "idea": "💡 方案：IIoT 传感器实时采集工艺数据，AI 处方化设定最优工艺参数并自动下发。",
      "steps": "Step 1 — 传感部署：在窑炉、压机等关键设备部署 IoT 传感器 Step 2 — 数据联网：工艺参数实时上传至边缘计算/云端 Step 3 — 处方化设定：AI 根据实时工况推荐最优工艺参数 Step 4 — 自动下发：参数自动下发至控制系统，减少人工干预",
      "key_data": "📊 核心成效：能耗 ↓17%（工厂级能耗 ↓14%）",
      "tags": [
        "01.01.05",
        "02.04.03",
        "05.01.01"
      ],
      "tech_descs": [
        "对窑炉温度、压力、气氛等参数进行高频采集。",
        "边缘端完成参数计算与自动执行，降低响应时延。",
        "AI 基于实时工况给出处方化（prescriptive）参数建议。"
      ],
      "kpis": []
    },
    {
      "num": "③",
      "title": "AI连续质量一致性 核心用例",
      "pain": "⚠️ 痛点：多 SKU 连续生产时，跨批次产品质量一致性难以保证。",
      "idea": "💡 方案：AI 持续监控产品规格，通过在线视觉检测动态维持质量一致性。",
      "steps": "Step 1 — 规格建模：建立产品规格与质量指标的数据模型 Step 2 — 视觉在线检测：AI 视觉实时检测尺寸、色差、表面缺陷 Step 3 — 规格自适应：根据检测反馈动态调整工艺，维持规格一致 Step 4 — 一致性看板：质量一致性指标实时可视化",
      "key_data": "📊 核心成效：废品率 ↓32%（工厂级废料 ↓56%）",
      "tags": [
        "01.03.02",
        "05.01.01",
        "03.03.04"
      ],
      "tech_descs": [
        "产线高速视觉系统实时检测瓷砖尺寸与表面质量。",
        "AI 判断产品规格是否落在一致性区间内并触发纠偏。",
        "检测反馈驱动工艺参数微调，实现连续稳定生产。"
      ],
      "kpis": []
    },
    {
      "num": "④",
      "title": "AI质量检测根因分析 核心用例",
      "pain": "⚠️ 痛点：缺陷检出后依赖人工逐环节排查根因，耗时长、易复发。",
      "idea": "💡 方案：AI 视觉检测 + 大数据根因分析，自动定位缺陷来源并推送整改。",
      "steps": "Step 1 — 视觉缺陷识别：AI 机器视觉自动识别瓷砖缺陷类型 Step 2 — 数据关联：将缺陷与批次、工艺、原料数据关联 Step 3 — 根因定位：大数据分析定位缺陷产生的工艺环节 Step 4 — 快速整改：根因报告自动推送，缩短整改周期",
      "key_data": "📊 核心成效：投诉率 ↓66%",
      "tags": [
        "01.03.01",
        "05.02.01",
        "05.01.01"
      ],
      "tech_descs": [
        "机器视觉识别裂纹、色差、变形等缺陷并自动分类。",
        "关联多源数据，定位缺陷与工艺参数的因果链。",
        "AI 辅助分析缺陷根因，输出可执行的整改建议。"
      ],
      "kpis": []
    },
    {
      "num": "?",
      "title": "智能生产控制塔 核心用例",
      "pain": "⚠️ 痛点：多产线协同困难，生产计划与现场执行脱节，设备综合效率偏低。",
      "idea": "💡 方案：建立智能生产控制塔，集中监控、智能排产与跨产线协同调度。",
      "steps": "Step 1 — 数据汇聚：打通 MES、ERP、能耗、质量各系统数据 Step 2 — 实时监控：控制塔实时呈现产线状态与 KPI Step 3 — 智能排产：AI 优化多 SKU 换线顺序与生产计划 Step 4 — 协同调度：异常自动预警，跨产线动态调度",
      "key_data": "📊 核心成效：OEE ↑19%",
      "tags": [
        "04.01.01",
        "02.03.01",
        "03.03.03"
      ],
      "tech_descs": [
        "以控制塔统一视图管理端到端生产与供应链状态。",
        "MES 作为生产执行的数据底座，向上汇聚、向下分发。",
        "AI 在产能、交期、换线成本等约束下求解最优排产。"
      ],
      "kpis": []
    }
  ],
  "performance_table": [
    {
      "metric": "一次通过率",
      "improvement": "↑44%",
      "domain": "提升 44%",
      "tech": "AI 配料优化减少配方偏差"
    },
    {
      "metric": "能耗",
      "improvement": "↓17%",
      "domain": "降低 17%",
      "tech": "处方化工艺参数优化窑炉能效"
    },
    {
      "metric": "废品率",
      "improvement": "↓32%",
      "domain": "降低 32%",
      "tech": "AI 质量一致性控制减少废料"
    },
    {
      "metric": "投诉率",
      "improvement": "↓66%",
      "domain": "降低 66%",
      "tech": "质量根因分析减少缺陷流出"
    },
    {
      "metric": "OEE",
      "improvement": "↑19%",
      "domain": "提升 19%",
      "tech": "智能生产控制塔优化设备综合效率"
    }
  ]
}