{
  "code": "16311CN18",
  "factory_name": "海尔青岛(端到端)",
  "batch": 11,
  "type": "端到端",
  "country": "中国",
  "city": "中国 · 山东青岛",
  "province": "山东青岛",
  "wef_industry": "",
  "gbt_code": "",
  "gbt_industry": "消费品/家电（家用电器制造）",
  "core_products": "全品类家用洗衣机（波轮、滚筒等）",
  "application_areas": "家用电器制造，覆盖洗衣机研发、采购、生产、物流、售后服务全价值链",
  "release_date": "2023年12月",
  "quote": "面对家电行业激烈的成本竞争与\"服务不专业、不及时\"的行业痛点，海尔青岛洗衣机互联工厂用5.5G、先进算法和轻量化数字孪生迅速部署136个4IR用例，把采购、生产、物流、服务端到端打通——产品成本↓32%、生产率↑36%、服务投诉↓85%，并成为全球首个5.5G应用示范的灯塔工厂。",
  "use_cases": [
    {
      "num": "①",
      "title": "① 一键应计成本与优化 核心用例",
      "pain": "⚠️ 痛点：家电行业成本竞争激烈，采购定价依赖人工经验与分散数据，难以快速准确测算产品应有成本，材料成本偏高",
      "idea": "💡 方案：构建一键应计成本(should-costing)工具，用大数据与算法自动拆解产品BOM、测算应有成本并识别降本空间，驱动采购与设计协同降本",
      "steps": "Step 1 — 成本模型构建：建立产品BOM与原材料、工艺成本的应计模型 Step 2 — 数据贯通：打通设计、采购、供应商报价数据 Step 3 — 一键测算：自动测算产品应有成本，识别价差 Step 4 — 持续优化：定位降本点，驱动采购与设计协同降本",
      "key_data": "📊 核心成效：单位材料成本↓21%",
      "tags": [
        "02.02.04",
        "04.02.01",
        "05.02.01",
        "06.02.03"
      ],
      "tech_descs": [
        "打通采购与供应商报价数据，支撑成本测算与议价",
        "采购成本数字化管理，系统识别降本空间",
        "汇聚BOM、价格、工艺数据，为应计成本提供数据底座",
        "成本从研发到采购端到端贯通，协同降本"
      ],
      "kpis": []
    },
    {
      "num": "②",
      "title": "② 5.5G智能厂内物流 核心用例",
      "pain": "⚠️ 痛点：传统厂内物料配送依赖人工呼叫与固定路线，配送慢、易缺料，导致产线频繁停机",
      "idea": "💡 方案：用5.5G Passive IoT+高精度定位实现物料实时追踪，智能生成最优配送路线并自动派发任务，物料精准配送到工位",
      "steps": "Step 1 — 5.5G组网：部署5.5G专网，接入Passive IoT无源物联标签 Step 2 — 物料追踪：对物料/工装实时定位与状态追踪 Step 3 — 路线优化：算法智能生成最快配送路线 Step 4 — 自动派发：自动派发搬运任务，精准配送到工位",
      "key_data": "📊 核心成效：缺料停机↓80%（物料配送效率提升50%）",
      "tags": [
        "07.01.01",
        "01.04.01",
        "03.04.01",
        "05.03.03"
      ],
      "tech_descs": [
        "5.5G专网支撑大带宽低时延厂内物联",
        "自动搬运设备执行配送任务，替代人工搬运",
        "仓储与线边物料智能化管理，精准匹配供给",
        "边缘实时处理与云端调度协同，支撑实时配送"
      ],
      "kpis": []
    },
    {
      "num": "③",
      "title": "③ IIoT总装效率优化 核心用例",
      "pain": "⚠️ 痛点：总装线工序多、人工密集，生产过程不透明，瓶颈难以定位，劳动生产率提升受限",
      "idea": "💡 方案：用IIoT将总装线设备与工位联网，实时采集生产数据并分析，识别瓶颈、优化节拍与人员配置",
      "steps": "Step 1 — 设备联网：总装线设备与工位传感器接入IIoT Step 2 — 数据实时采集：采集节拍、质量、停线等实时数据 Step 3 — 瓶颈识别：分析产线瓶颈与浪费 Step 4 — 优化提升：优化节拍平衡与人员配置",
      "key_data": "📊 核心成效：劳动生产率↑33%",
      "tags": [
        "01.01.05",
        "01.01.04",
        "05.02.03",
        "03.03.02"
      ],
      "tech_descs": [
        "设备与工位物联网化，采集实时生产数据",
        "设备数据采集与汇聚，打通现场数据通道",
        "实时分析产线状态、识别瓶颈与浪费",
        "总装线自动化与柔性化升级，提升节拍"
      ],
      "kpis": []
    },
    {
      "num": "④",
      "title": "④ 智能维修匹配自主调度 核心用例",
      "pain": "⚠️ 痛点：家电服务存在\"不专业、不及时\"的行业痛点，维修工单派发依赖人工，匹配慢、响应慢，用户满意度低",
      "idea": "💡 方案：用服务派单决策模型智能匹配服务师与工单，秒级派单，服务全程轨迹可视，用户实时在线评价满意度",
      "steps": "Step 1 — 工单数字化：维修请求自动生成数字化工单 Step 2 — 智能匹配：算法匹配技能、位置与工单 Step 3 — 自主调度：秒级派单并自动调度服务师 Step 4 — 全程可视：服务轨迹可视+用户在线评价",
      "key_data": "📊 核心成效：修复速度↑88%（服务效率提升30%）",
      "tags": [
        "05.01.01",
        "05.01.02",
        "05.01.04",
        "03.03.03"
      ],
      "tech_descs": [
        "服务派单决策模型，智能匹配与秒级派单",
        "匹配算法持续学习优化派单策略",
        "故障预测与主动服务，提前响应维修需求",
        "服务资源智能排程，提升派单效率"
      ],
      "kpis": []
    },
    {
      "num": "?",
      "title": "⑤ 洗衣机参数优化数字孪生 核心用例",
      "pain": "⚠️ 痛点：洗衣机研发与工艺参数优化依赖物理样机反复试错，周期长、成本高，缺陷率偏高",
      "idea": "💡 方案：用轻量化数字孪生构建洗衣机虚拟模型，在虚拟环境仿真优化参数，减少物理试错、降低缺陷",
      "steps": "Step 1 — 产品建模：构建洗衣机产品数字孪生模型 Step 2 — 参数仿真：虚拟环境仿真洗涤/结构参数 Step 3 — 参数寻优：算法优化参数组合 Step 4 — 工艺固化：优化参数固化到量产工艺",
      "key_data": "📊 核心成效：产品缺陷率↓43%",
      "tags": [
        "03.01.01",
        "05.04.01",
        "03.03.04",
        "05.01.02"
      ],
      "tech_descs": [
        "轻量化数字孪生承接产品优化，减少物理试错",
        "洗衣机产品级数字孪生，虚拟验证参数",
        "工艺参数仿真与寻优，固化量产工艺",
        "参数寻优算法，自动搜索最优参数组合"
      ],
      "kpis": []
    }
  ],
  "performance_table": [
    {
      "metric": "单位材料成本",
      "improvement": "↓21%",
      "domain": "下降21%",
      "tech": "一键应计成本工具识别降本空间，压降采购成本"
    },
    {
      "metric": "缺料停机",
      "improvement": "↓80%",
      "domain": "下降80%",
      "tech": "5.5G智能物流精准配送，消除缺料停机"
    },
    {
      "metric": "劳动生产率",
      "improvement": "↑33%",
      "domain": "提升33%",
      "tech": "IIoT总装效率优化，释放产线产能"
    },
    {
      "metric": "修复速度",
      "improvement": "↑88%",
      "domain": "提升88%",
      "tech": "AI派单模型秒级调度，提升服务响应"
    },
    {
      "metric": "产品缺陷率",
      "improvement": "↓43%",
      "domain": "下降43%",
      "tech": "数字孪生虚拟验证参数，降低质量缺陷"
    }
  ]
}