{
  "code": "21013CN18",
  "factory_name": "美的集团重庆",
  "batch": 13,
  "type": "端到端",
  "country": "中国",
  "city": "中国 · 重庆",
  "province": "重庆",
  "wef_industry": "",
  "gbt_code": "",
  "gbt_industry": "家用电器制造",
  "release_date": "2025年01月",
  "quote": "定制订单激增180%的极限挑战下，美的重庆水机工厂部署79项AI驱动数字用例，实现配置周期↓81%、设计周期↓45%、缺陷率↓71%，打造全球首座全流程AI赋能水机端到端灯塔工厂。",
  "use_cases": [
    {
      "num": "①",
      "title": "① 多物理模拟一键智能配置报价 核心用例",
      "pain": "⚠️ 痛点：30名工程师花数天从数百万配置中人工筛选最优方案，选型周期长达5.3天",
      "idea": "💡 方案：基于多物理场仿真构建100+高精度物理模型数据平台，实现AI最优选型并一键自动报价",
      "steps": "Step 1 — 多物理场建模：对制冷循环、流体力学、传热学等关键物理过程进行高精度仿真建模，构建覆盖100+物理模型的数字孪生底座 Step 2 — 知识库构建：将300+工程师的选型经验规则化，形成包含数百万种配置组合的标准化参数知识图谱 Step 3 — AI优化引擎：部署多目标优化算法，在性能、成本、能效、交付周期等约束条件下自动求解最优配置方案 Step 4 — 一键报价集成：将选型结果与BOM、供应链价格、制造成本模型对接，实现分钟级自动报价",
      "key_data": "📊 核心成效：选型周期↓81%（从5.3天缩短至1天），30名工程师从选型重复劳动中释放，客户方案等待时间大幅缩减",
      "tags": [
        "02.01.01",
        "05.01.01"
      ],
      "tech_descs": [
        "美的自研仿真平台整合制冷循环、换热器、压缩机等100+物理模型，通过多物理场耦合仿真替代传统经验试错，从数百万配置组合中自动寻优。",
        "部署遗传算法与梯度下降混合优化引擎，在满足客户制冷量、能效等级、预算约束的前提下，搜索全局最优机组配置方案。"
      ],
      "kpis": []
    },
    {
      "num": "②",
      "title": "② 自研PLM启发式算法定制部件设计 核心用例",
      "pain": "⚠️ 痛点：23万张历史图纸的知识沉睡，定制部件设计高度依赖资深工程师经验，设计周期长且一致性差",
      "idea": "💡 方案：自研PLM系统从海量历史图纸中提取设计参数，结合AI启发式算法实现换热器和管路智能设计",
      "steps": "Step 1 — 图纸数字化解析：自研PLM系统对23万张历史设计图纸进行OCR+结构化解析，提取几何参数、材料属性、性能指标等数值信息 Step 2 — 参数知识库构建：将提取的设计参数按产品族、工况条件、客户场景分类入库，建立设计参数-性能映射关系模型 Step 3 — AI启发式设计引擎：训练AI算法学习历史最优设计模式，输入客户需求后自动推荐换热器几何结构、管路布局和材料选型 Step 4 — 自动出图与验证：AI生成方案后自动驱动CAD生成工程图纸，同时通过仿真引擎进行性能预验证，设计重用率↑49%",
      "key_data": "📊 核心成效：设计周期↓45%，设计重用率↑49%，定制订单交付能力从31%占比扩展至87%",
      "tags": [
        "02.03.02",
        "05.02.03"
      ],
      "tech_descs": [
        "美的自研产品生命周期管理系统，超越传统PLM的文档管理功能，内嵌AI设计引擎实现从需求输入到工程图纸的自动化生成。",
        "融合基于案例推理和历史数据驱动的深度神经网络，在海量设计空间中快速收敛到最优解，自动平衡换热效率、材料成本和可制造性。"
      ],
      "kpis": []
    },
    {
      "num": "③",
      "title": "③ 先进调度动态分派柔性加工 核心用例",
      "pain": "⚠️ 痛点：多品种小批量定制下，传统EXCEL排产无法应对订单频繁插单和资源冲突，机加工周期长达14天",
      "idea": "💡 方案：AI智能排产系统充当「调度大脑」，13台重载AMR执行最优物料配送，建设高端智能柔性车间",
      "steps": "Step 1 — 智能排产引擎上线：部署APS高级计划排程系统，AI实时计算设备负载、人员班次、物料齐套状态，动态生成最优生产序列 Step 2 — 柔性车间物理改造：建设高端智能柔性离心式压缩机车间和换热器柔性智能车间，全面优化生产线布局、设备配置、生产工艺和物流动线 Step 3 — 重载AMR物流部署：引入13台重载AGV/AMR物料搬运机器人，与APS系统联动，实现物料按需自动配送至工位 Step 4 — 动态分派与实时调度：基于RFID和IoT传感器实时追踪WIP状态，当插单或异常发生时AI秒级重排，保障交付准时率 Step 5 — 一码溯源闭环：为每台机组赋予唯一溯源码，贯穿来料检验、加工、装配、测试全流程，实现质量数据全程可追溯",
      "key_data": "📊 核心成效：OEE↑32%，机加工生产周期从14天缩至5天（改善64%），效率→30%，成本↓15%",
      "tags": [
        "03.02.01",
        "01.03.02"
      ],
      "tech_descs": [
        "基于约束满足和启发式搜索的APS引擎，同时考虑设备、物料、人员、模具等20+约束条件，实现秒级动态重调度。",
        "搭载激光SLAM导航的重载AMR，与APS和MES实时通讯，根据生产节拍自动执行物料拉动式配送，物流效率→30%以上。"
      ],
      "kpis": []
    },
    {
      "num": "④",
      "title": "④ AR和AI智能操作指南装配防错 核心用例",
      "pain": "⚠️ 痛点：离心压缩机装配含100+线束和50+零件，纯人工操作易出错，新手培训周期长",
      "idea": "💡 方案：AR眼镜叠加操作指引+AI视觉大模型实时防错预警，将「事后质检」变为「事前防错」",
      "steps": "Step 1 — AR操作指引部署：为装配工人配备AR眼镜，在视野中叠加3D装配动画、扭矩数值、工序步骤等实时指引，消除纸质SOP查阅时间 Step 2 — AI视觉大模型训练：基于海量装配过程图像训练多层次目标检测模型，实现线束插接、零件安装、螺栓拧紧等关键工序的实时识别 Step 3 — 实时防错预警：AI视觉模型与AR眼镜联动，检测到错装、漏装、未拧紧等异常时即时提醒，防止缺陷流入下道工序 Step 4 — 操作标准知识库：将资深技师的操作经验数字化为标准动作库，新员工通过AR引导实现「照做不误」，大幅缩短认证周期",
      "key_data": "📊 核心成效：新手认证期↓53%，质量防错从「事后质检」升级为「事前预防」，装配一次合格率大幅提升",
      "tags": [
        "01.04.01",
        "05.03.01"
      ],
      "tech_descs": [
        "通过AR眼镜将3D装配动画、螺丝扭矩、线序指示等虚拟信息叠加在真实工件上，新手可按步骤操作大幅降低出错率。",
        "基于YOLO架构的多层次目标检测网络，覆盖线束插接、零件安装、螺栓拧紧等50+关键工序，准确率>99%。"
      ],
      "kpis": []
    },
    {
      "num": "?",
      "title": "⑤ ML动态优化压力容器焊接缺陷提醒 核心用例",
      "pain": "⚠️ 痛点：压力容器焊接质量决定机组安全性，传统人工焊后检测周期长，焊接缺陷率居高不下",
      "idea": "💡 方案：机器学习动态优化焊接参数，结合AI视觉实时检测焊缝质量，将焊接周期从2.3天缩短至0.6天",
      "steps": "Step 1 — 焊接过程数据采集：在焊接工位部署电流、电压、送丝速度、保护气流量等10+维度的IoT传感器，实时采集焊接过程参数 Step 2 — ML模型训练：基于历史焊接数据与对应质量检测结果，训练ML回归模型建立焊接参数-缺陷概率的预测关系 Step 3 — 实时动态优化：焊接过程中ML模型实时分析参数序列，发现偏离最优区间时自动微调焊接电流、速度等参数，实现在线纠偏 Step 4 — AI视觉焊后检测：使用AI视觉大模型对焊缝外观进行自动检测，识别气孔、裂纹、未熔合等常见缺陷，替代人工目检",
      "key_data": "📊 核心成效：缺陷率↓71%，焊接周期从2.3天缩至0.6天（改善74%），维修率↓31%",
      "tags": [
        "05.01.03",
        "05.03.02"
      ],
      "tech_descs": [
        "基于XGBoost/LSTM的焊接质量预测模型，在焊接过程中逐秒分析电流、电压、速度等参数，当预测缺陷概率超阈值时自动触发参数微调。",
        "基于CNN的焊缝缺陷检测网络，识别气孔、裂纹、未熔合、咬边、焊瘤、变形等6类缺陷，检测速度<1秒/帧。"
      ],
      "kpis": []
    }
  ],
  "performance_table": [
    {
      "metric": "配置周期",
      "improvement": "↓81%",
      "domain": "1天",
      "tech": "AI多物理场仿真替代30名工程师人工选型，实现分钟级最优方案生成"
    },
    {
      "metric": "设计重用率",
      "improvement": "↑49%",
      "domain": "+49%",
      "tech": "自研PLM从23万张历史图纸中智能提取设计参数，驱动部件复用"
    },
    {
      "metric": "设备综合效率(OEE)",
      "improvement": "↑32%",
      "domain": "+32%",
      "tech": "AI智能排产+重载AMR物流+柔性车间改造，消除等待与切换浪费"
    },
    {
      "metric": "新手认证周期",
      "improvement": "↓53%",
      "domain": "-53%",
      "tech": "AR眼镜叠加操作指引，AI实时防错提示，新员工「照做不误」"
    },
    {
      "metric": "产品缺陷率",
      "improvement": "↓71%",
      "domain": "-71%",
      "tech": "ML焊接参数动态优化+AI视觉焊缝检测，从事后质检到在线防错"
    }
  ]
}