{
  "code": "17612TR06",
  "factory_name": "Beko洗碗机安卡拉",
  "batch": 12,
  "type": "单一",
  "country": "土耳其",
  "city": "土耳其 · 安卡拉",
  "province": "安卡拉",
  "wef_industry": "",
  "gbt_code": "",
  "gbt_industry": "家用电器（家用厨房电器具制造）",
  "release_date": "2024年10月",
  "quote": "应对高能源成本与碳排放目标，Beko安卡拉洗碗机工厂部署30+项4IR用例，实现OEE↑25%、能耗↓31%、转换成本↓19%、用水↓20%、缺陷率↓42%——欧洲最大的洗碗机工厂，把绿色与效率同时做到了极致。",
  "use_cases": [
    {
      "num": "①",
      "title": "① AI过程优化 核心用例",
      "pain": "⚠️ 痛点：洗碗机内胆金属成型工序复杂，工艺参数长期依赖老师傅经验调优，波动大、良率不稳定。",
      "idea": "💡 方案：在自研IoT平台FLOW上嵌入AI算法，用决策树模型优化铆接（clinching）工序、用CNN（卷积神经网络）控制阀门浇口（valve gate），实现工艺参数实时寻优。",
      "steps": "Step 1 — 数据采集：在成型、铆接、浇口等关键工位部署传感器，接入FLOW平台，日采集5.2TB工艺与设备数据 Step 2 — 模型训练：基于历史工艺数据训练决策树与CNN模型，建立\"参数—质量\"映射关系 Step 3 — 实时寻优：将模型推理结果下发到产线，动态调整铆接压力、浇口开度等关键参数 Step 4 — 闭环迭代：根据质量反馈持续回传数据，模型在线自学习、滚动更新",
      "key_data": "📊 核心成效：切割缺陷率↓66%、节拍时间↑18%，直接支撑整体OEE↑25%。",
      "tags": [
        "05.01.01",
        "03.03.04"
      ],
      "tech_descs": [
        "以决策树、CNN等AI模型替代人工经验，对金属成型关键工序做实时参数控制，是\"AI进车间\"的典型落地。",
        "聚焦内胆成型中的铆接与阀门浇口环节，把离散的工艺经验沉淀为可复用的数字化模型。"
      ],
      "kpis": []
    },
    {
      "num": "②",
      "title": "② IIoT能源管理系统 核心用例",
      "pain": "⚠️ 痛点：高能源成本与碳排放目标压力下，厂区能耗\"看不见、管不住\"，节能空间无法量化。",
      "idea": "💡 方案：搭建IIoT能源管理系统，实时采集各产线、各设备的电/气/水消耗，用AI分析用能规律并自动优化能源调度。",
      "steps": "Step 1 — 感知布点：对高能耗设备与产线加装IoT传感器与智能电表，实现用能数据全量接入 Step 2 — 实时监控：能源数据上云，形成分产线、分时段的能耗可视化看板 Step 3 — AI分析：识别能耗异常与峰值，给出降负荷与错峰生产建议 Step 4 — 自动优化：联动控制系统自动调节设备运行参数，落地节能策略",
      "key_data": "📊 核心成效：能耗↓31%，据公开报道碳排放同步↓23%。",
      "tags": [
        "01.01.05",
        "09.03.01"
      ],
      "tech_descs": [
        "通过海量IoT传感器与智能计量设备，把能源消耗从\"月度报表\"变成\"实时数据流\"。",
        "按设备/产线粒度监控能源，快速定位跑冒滴漏与异常耗能点。"
      ],
      "kpis": []
    },
    {
      "num": "③",
      "title": "③ 数字绩效管理 核心用例",
      "pain": "⚠️ 痛点：绩效数据分散在各系统，管理层决策缺乏实时、可信的数据支撑，改善动作滞后。",
      "idea": "💡 方案：打通MES与IoT数据，建立日处理5.2TB数据的大数据实时分析平台，让OEE、能耗、成本等指标实时可视化并驱动持续改进。",
      "steps": "Step 1 — 数据汇聚：整合MES、能源、质量等多源数据，构建统一数据底座 Step 2 — 实时看板：上线管理层驾驶舱，OEE/成本/质量等KPI实时刷新 Step 3 — 绩效分析：按班组、产线维度自动归因，定位瓶颈与改善机会 Step 4 — 技能赋能：配套4IR培训，超过1000名员工完成技能升级，让数据真正被用起来",
      "key_data": "📊 核心成效：转换成本↓19%，1000+员工完成4IR技能升级。",
      "tags": [
        "02.03.01",
        "05.02.03"
      ],
      "tech_descs": [
        "以MES为生产数据源，串联设备、工艺、质量信息，支撑绩效实时统计。",
        "对日5.2TB数据做实时流式计算，把\"事后报表\"升级为\"事中决策\"。"
      ],
      "kpis": []
    },
    {
      "num": "④",
      "title": "④ ML质量预测 核心用例",
      "pain": "⚠️ 痛点：洗碗机质量检测依赖人工抽检，缺陷发现滞后，出厂后现场故障拉高售后成本。",
      "idea": "💡 方案：用机器学习模型对质量缺陷做预测性判定，结合视觉检测实现\"在线全检+缺陷预警\"，把质量问题拦截在厂内。",
      "steps": "Step 1 — 质量数据采集：汇聚检测工位、视觉设备与现场反馈的质量数据，构建缺陷样本库 Step 2 — 模型训练：训练ML质量预测模型，识别影响缺陷率的关键变量 Step 3 — 在线预测：在产线实时预测缺陷风险，对高风险批次提前干预 Step 4 — 预防性改进：把预测结果反馈到工艺端，从源头降低缺陷",
      "key_data": "📊 核心成效：缺陷率↓42%，据公开报道现场故障率同步↓29.2%。",
      "tags": [
        "05.01.02",
        "01.03.02"
      ],
      "tech_descs": [
        "用ML模型代替人工经验判断，对质量风险做前瞻性预测而非事后抽检。",
        "机器视觉覆盖关键检测工位，支撑全量、实时的质量判定。"
      ],
      "kpis": []
    },
    {
      "num": "?",
      "title": "⑤ 水资源闭环管理 核心用例",
      "pain": "⚠️ 痛点：洗碗机生产中清洗、试机等环节用水量大，水资源成本高且存在浪费。",
      "idea": "💡 方案：构建水资源闭环管理系统，对生产用水做计量、回收、处理与再利用，实现\"少取水、多回用\"的绿色制造。",
      "steps": "Step 1 — 用水计量：按工序加装流量计，摸清各环节用水量与去向 Step 2 — 回收处理：对清洗水、试机水集中回收，经处理达到回用标准 Step 3 — 循环再利用：把处理后的水回灌到对水质要求低的环节，形成闭环 Step 4 — 智能监控：实时监测水质与水量，动态优化循环比例",
      "key_data": "📊 核心成效：用水↓20%，成为该厂\"绿色灯塔\"的重要拼图。",
      "tags": [
        "09.01.02",
        "09.03.01"
      ],
      "tech_descs": [
        "通过回收—处理—回用，把一次性用水改造为闭环循环，减少新水取用。",
        "与能源管理系统协同，对水耗做分项计量与异常预警。"
      ],
      "kpis": []
    }
  ],
  "performance_table": [
    {
      "metric": "OEE（设备综合效率）",
      "improvement": "↑25%",
      "domain": "—",
      "tech": "设备利用率提升，产能释放"
    },
    {
      "metric": "能耗",
      "improvement": "↓31%",
      "domain": "—",
      "tech": "单位产品能耗显著下降"
    },
    {
      "metric": "转换成本",
      "improvement": "↓19%",
      "domain": "—",
      "tech": "制造成本下降，毛利改善"
    },
    {
      "metric": "缺陷率",
      "improvement": "↓42%",
      "domain": "—",
      "tech": "质量缺陷率大幅下降"
    },
    {
      "metric": "用水",
      "improvement": "↓20%",
      "domain": "—",
      "tech": "单位产品用水下降"
    }
  ]
}