{
  "code": "17312CN03",
  "factory_name": "青岛啤酒青岛",
  "batch": 12,
  "type": "可持续",
  "country": "中国",
  "city": "中国 · 山东青岛",
  "province": "山东青岛",
  "wef_industry": "",
  "gbt_code": "",
  "gbt_industry": "食品饮料（啤酒制造）",
  "release_date": "2024年10月",
  "quote": "一家121年的老牌啤酒厂，用25个IoT与算法用例把单位能耗砍掉25%、Scope1+2温室气体直降57%——这就是全球食品饮料行业首座「可持续灯塔」青岛啤酒青岛工厂交出的减碳答卷。",
  "use_cases": [
    {
      "num": "①",
      "title": "① 先进分析余热回收蒸汽系统优化 核心用例",
      "pain": "⚠️ 痛点：糖化煮沸产生大量高温蒸汽，过去直接排放大气，既浪费热能又增排碳；阀门开度全靠老师傅经验，只可意会、难以言传。",
      "idea": "💡 方案：基于LSTM算法的麦汁煮沸热能回收利用，采集30台设备125组生产数据建模，阀门动态调优，蒸汽应收尽收并循环供给包装车间杀菌。",
      "steps": "Step 1 — 数据采集：提取灌装线、煮沸锅、热能储罐等30台设备的压力、温度、流速、生产品种等125组数据 Step 2 — 模型开发：用LSTM算法构建阀门动态调优模型，把老师傅经验转成「数字语言」 Step 3 — 热能中心：建设糖化蒸汽热能中心，回收蒸汽循环输送给包装车间杀菌机 Step 4 — 动态管控：系统根据工况变化自动驱动设备，实现酿造、动力、包装间精准回收与分配",
      "key_data": "📊 核心成效：糖化热能中心年节省蒸汽近2万吨；生产切换无缝衔接，年节约蒸汽120吨",
      "tags": [
        "05.01.02",
        "01.01.05",
        "09.03.01"
      ],
      "tech_descs": [
        "以LSTM（长短期记忆网络）学习历史工况与蒸汽负荷的关系，实时预测并动态调整阀门开度，替代依赖老师傅经验的粗放操作。",
        "对灌装线、煮沸锅、热能储罐等关键设备部署压力/温度/流速传感器，形成125组生产数据的实时采集底座。",
        "建设糖化蒸汽热能中心，对余热回收与蒸汽分配进行集中监控与节能优化。"
      ],
      "kpis": []
    },
    {
      "num": "②",
      "title": "② 发酵产物浓度软测量CO2回收 核心用例",
      "pain": "⚠️ 痛点：发酵过程产生大量CO2，传统方式难以精确捕捉，大量CO2白白排放，还需另购CO2用于灌装，成本与碳排放双高。",
      "idea": "💡 方案：以发酵产物浓度软测量技术 + 自主开发的传感网络动态监测，把发酵CO2全部精准捕捉、净化后循环用于灌装生产。",
      "steps": "Step 1 — 传感网络：部署自主开发的传感网络，动态监测发酵罐CO2浓度 Step 2 — 软测量建模：用软测量技术估计发酵产物浓度，替代部分硬传感器、降低监测成本 Step 3 — 收集净化：对发酵产生的CO2进行收集与净化处理 Step 4 — 循环利用：将回收CO2循环注入灌装生产线，替代外购CO2",
      "key_data": "📊 核心成效：年回收CO2达13万吨，相当于种植30年树龄冷杉117万棵",
      "tags": [
        "01.01.03",
        "09.01.02",
        "05.01.02"
      ],
      "tech_descs": [
        "软测量（Soft Sensor）用可测变量结合算法模型间接估计难以直接测量的发酵产物浓度，实现低成本、高频次的CO2回收监测。",
        "把啤酒发酵副产的CO2收集净化后重新用于灌装，形成「发酵—回收—灌装」的闭环循环，减少外购与排放。",
        "以机器学习算法拟合浓度与过程变量间的非线性关系，支撑CO2回收的精准调控。"
      ],
      "kpis": []
    },
    {
      "num": "③",
      "title": "③ 粒子群优化CO2剂量灌浆参数 核心用例",
      "pain": "⚠️ 痛点：CO2灌浆剂量依赖人工设定，参数不精确导致CO2浪费；开关阀门控制粗放，难以做到最大限度回收。",
      "idea": "💡 方案：依托数字模型测算CO2回收治理方案，用粒子群优化（PSO）算法搜索最优CO2剂量灌浆参数，实现开关阀门自动精准控制。",
      "steps": "Step 1 — 数字建模：依托数字模型测算二氧化碳回收治理方案 Step 2 — 参数寻优：粒子群优化（PSO）算法搜索最优CO2剂量灌浆参数 Step 3 — 阀门自动控制：实现开关阀门的自动精准控制 Step 4 — 最大化回收：保证对二氧化碳最大限度的回收利用",
      "key_data": "📊 核心成效：外购CO2/千升 ↓43.2%，CO2消耗 ↓37%",
      "tags": [
        "05.01.02",
        "03.03.04",
        "01.01.02"
      ],
      "tech_descs": [
        "粒子群优化（PSO）模拟鸟群觅食的群体智能算法，在参数空间中迭代搜索全局最优解，找到最省CO2的灌浆剂量。",
        "针对灌浆工艺环节的参数寻优，在保证产品品质的前提下最小化CO2用量。",
        "由系统根据优化结果自动驱动开关阀门，替代人工调节，实现精准稳定的CO2投放。"
      ],
      "kpis": []
    }
  ],
  "performance_table": [
    {
      "metric": "单位能耗",
      "improvement": "↓25%",
      "domain": "—",
      "tech": "25个算法+IoT用例整体降能耗"
    },
    {
      "metric": "Scope1+2 温室气体",
      "improvement": "↓57%",
      "domain": "—",
      "tech": "直接+间接排放大幅削减"
    },
    {
      "metric": "Scope3 温室气体",
      "improvement": "↓13%",
      "domain": "—",
      "tech": "价值链上下游排放同步降低"
    },
    {
      "metric": "外部蒸汽消耗",
      "improvement": "↓100%",
      "domain": "—",
      "tech": "余热回收实现蒸汽完全自给"
    },
    {
      "metric": "外购CO2/千升",
      "improvement": "↓43.2%",
      "domain": "—",
      "tech": "CO2回收循环替代外购"
    },
    {
      "metric": "CO2消耗",
      "improvement": "↓37%",
      "domain": "—",
      "tech": "剂量优化+回收，总消耗下降"
    }
  ]
}