{
  "code": "24015CN17",
  "factory_name": "美的厨卫电器",
  "batch": 15,
  "type": "供应链韧性",
  "country": "中国",
  "city": "中国 · 安徽芜湖",
  "province": "安徽芜湖",
  "wef_industry": "",
  "gbt_code": "",
  "gbt_industry": "消费品行业 — 厨卫电器",
  "release_date": "2026年01月",
  "quote": "113个数字化用例、35%由AI驱动，美的厨卫电器芜湖工厂以\"敏捷智能交付端到端灯塔工厂\"身份，实现端到端交付缩短39%、库存下降30%、市场缺陷率暴跌86%——这是供应链从\"被动响应\"到\"主动智控\"的范式转变。",
  "use_cases": [
    {
      "num": "?",
      "title": "1 AI先进计划排程系统 核心用例",
      "pain": "五级分销网络下需求波动剧烈，排产依赖人工经验，碎片化订单导致换产频繁、产能利用率不足。产前物料齐套率低、产中异常响应滞后、产后缺乏系统性复盘，整体交期不可控。",
      "idea": "自研智能体实现一体化AI排程，将市场波动纳入产销规划，打通订单-计划-物料-产能全链路数据，建立\"产前检查-产中纠偏-产后复盘\"闭环。",
      "steps": "① 建立全品类BOM数字化标准，打通ERP-APS-MES数据链路，实现订单到排产秒级同步 ② 训练多目标优化模型（交期优先/成本优先/换产最少），将市场需求波动参数化纳入排程引擎 ③ 部署自研排产智能体，实现产前物料齐套自动检查、产中异常实时告警与纠偏方案推送 ④ 构建产后复盘分析模块，基于历史数据持续优化排程参数与换产策略",
      "key_data": "",
      "tags": [
        "05.01.01 大模型/AI",
        "05.01.02 机器学习",
        "02.03.01 MES",
        "03.03.03 智能排产",
        "02.03.02 APS"
      ],
      "tech_descs": [
        "自研智能体将需求预测、产能约束、物料齐套三维数据融合，实现分钟级全局排程优化。传统APS依赖静态规则，而该方案引入强化学习动态调整换产策略，在碎片化订单场景下大幅压缩排程周期。产中实时数据通过5G专网上传至边缘计算节点，秒级触发异常纠偏。"
      ],
      "kpis": []
    },
    {
      "num": "?",
      "title": "2 实时客户订单管理 核心用例",
      "pain": "传统分销模式下订单流经多级代理，客户下单后交期不透明、物流不可视。渠道库存割裂，\"一盘货\"理念下全国100+配送中心缺乏统一视图，缺货响应慢、补货靠人工。",
      "idea": "构建直达消费者（D2C）的全渠道订单管理平台，实现全国配送中心库存可视化、智能寻源、精准交期承诺，自动补货建议让每笔订单\"交期立即可知\"。",
      "steps": "① 整合全国100+配送中心仓储数据，建立全渠道库存统一视图，缺货自动生成最优补货方案 ② 开发智能寻源引擎：客户下单后自动匹配最优出货仓，综合距离、库存、成本多维决策 ③ 部署交期承诺模型：基于实时产能+物流路径秒级计算，向客户推送精准到天交付时间 ④ 打通WMS-TMS-OMS系统链路，订单状态全流程可追踪，异常节点自动预警",
      "key_data": "",
      "tags": [
        "04.01.03 端到端可视",
        "04.01.01 供应链控制塔",
        "02.02.04 供应商协同",
        "05.02.01 大数据分析",
        "05.02.03 实时分析"
      ],
      "tech_descs": [
        "依托美的\"一盘货\"理念，打破渠道库存壁垒。全渠道库存可视化+智能寻源+交期承诺三位一体，将传统分销的\"黑箱交付\"变为透明化、可预期的消费者体验。补货建议由ML模型驱动，综合历史销量、季节因素和促销计划自动生成。"
      ],
      "kpis": []
    },
    {
      "num": "?",
      "title": "3 供应链控制塔 核心用例",
      "pain": "多级分销网络叠加小批量订单激增，传统供应链管理靠日报+周会，问题发现滞后、决策依赖经验。计划、履约、物流各环节数据割裂，无法形成端到端闭环管控。",
      "idea": "搭建全链路供应链控制塔，集成计划排产、库存履约、物流执行三大域数据，构建AI预警机制。整合仓储资源优化装载算法与配送路径，运输周期大幅缩短。",
      "steps": "① 建立供应链数据中台，统一计划域（APS/预测）、履约域（OMS/WMS）、物流域（TMS）数据标准 ② 部署AI预警引擎：设定交期偏差、库存水位、物流异常等20+监测指标，自动触发分级告警 ③ 上线装载算法优化模块，在订单合并、车辆配载、路径规划三个维度建立优化模型 ④ 实现端到端KPI驾驶舱，从供应商到消费者的全链路指标实时可视化",
      "key_data": "",
      "tags": [
        "04.01.01 供应链控制塔",
        "04.01.03 端到端可视",
        "04.02.03 需求预测",
        "05.02.03 实时分析",
        "03.04.01 智能仓储"
      ],
      "tech_descs": [
        "控制塔不是\"大屏\"，而是具备闭环决策能力的供应链大脑。AI预警能在交付偏差发生前介入纠偏；装载算法优化使运输周期缩短48%，路径规划综合路况、油价、时效多目标;五级分销网络的复杂性被拆解为可量化的控制节点，每个节点有明确的监控指标和自主响应策略。"
      ],
      "kpis": []
    },
    {
      "num": "?",
      "title": "4 AIGC配送安装辅助 核心用例",
      "pain": "热水器等大家电安装复杂，一次安装成功率低导致二次上门成本高。售后维修依赖技师经验，偏远地区缺乏高级技工，维修效率低、客户满意度波动大。",
      "idea": "算法匹配工程师+智能路线规划实现送货安装一次完成；售后端引入远程修复与AIGC维修专家，AI辅助故障诊断与维修指导，大模型根据故障描述自动生成维修方案。",
      "steps": "① 建立安装工程师技能画像库（品类专长、区域、评价），算法自动匹配最优派单 ② 部署智能路线规划：综合交通、时段、工单紧急度，生成高效出车方案 ③ 构建AIGC维修专家知识库：沉淀10万+维修案例，大模型根据故障码+用户描述即时生成维修步骤 ④ 推出远程诊断模块：IoT设备数据回传+视频远程辅助，实现50%以上远程修复",
      "key_data": "",
      "tags": [
        "05.01.01 大模型/AI",
        "01.01.05 IoT设备",
        "06.01.02 C2M",
        "07.01.01 5G",
        "05.03.03 云边协同"
      ],
      "tech_descs": [
        "AIGC维修专家将大模型能力下沉到一线技师手机端，输入故障码+用户语音描述，10秒内输出结构化维修方案（含步骤图、工具清单、安全提示）。工程师匹配算法综合技能标签、地理位置和服务评分三维匹配，服务时长缩短44%。该方案的核心价值在于将稀缺的\"专家经验\"转化为可复制的数字资产。"
      ],
      "kpis": []
    }
  ],
  "performance_table": [
    {
      "metric": "端到端交货周期",
      "improvement": "↓39%",
      "domain": "下单即知交期，全链路可控",
      "tech": "智能寻源+AI排产+物流优化，客户从下单到收货全程可预期"
    },
    {
      "metric": "库存周转天数",
      "improvement": "↓30%",
      "domain": "一盘货全渠道可视，智能补货",
      "tech": "全国100+仓统一视图，缺货自动补货建议，库存效率↑45%"
    },
    {
      "metric": "市场缺陷率",
      "improvement": "↓86%",
      "domain": "全流程质量追溯+AI预警",
      "tech": "从制造到交付全链路质量管控，AIGC辅助服务提升客户满意度"
    },
    {
      "metric": "运输周期",
      "improvement": "↓48%",
      "domain": "算法优化装载+智能路径规划",
      "tech": "多目标优化模型综合路况、油价、时效，降本增效双赢"
    },
    {
      "metric": "服务安装时长",
      "improvement": "↓44%",
      "domain": "工程师智能匹配+AIGC辅助",
      "tech": "送货安装一次完成，AIGC维修专家10秒输出方案"
    },
    {
      "metric": "碳排放",
      "improvement": "↓47%",
      "domain": "能碳管控+清洁能源转型",
      "tech": "绿色供应链理念贯穿产销全流程"
    }
  ]
}