# 灯塔案例 | 皇家宠物食品上海工厂

> 超400款产品、40余项先进技术——皇家宠物食品上海工厂以生成式AI重塑个性化宠粮制造全链路，客户满意度提升20%，缺陷率骤降70%，拿下全球宠物行业首个灯塔工厂称号。
>
> 第16批 · 2026年06月 · 客户至上灯塔

## 企业名片

| 字段 | 值 |
|------|------|
| 灯塔编码 | 24916CN03 |
| 企业名称 | 皇家宠物食品上海工厂 |
| 所在地 | 中国 · 中国 · 上海 |
| 行业 |  · 消费品行业 · 宠物食品制造 (GBT ) |
| 灯塔类型 | 客户至上 |

---

## 3大核心案例

### ① ① 生成式AI个性化宠物营养方案 核心用例

**业务痛点：** ⚠️ 痛点：400余款SKU横跨不同宠物品种、年龄段和健康状况，传统批量化生产无法兼顾"一宠一策"的个性化营养需求，研发试错成本高、周期长，难以快速响应市场对精准营养的爆发式需求。

**解决思路：** 💡 方案：基于生成式AI大模型，构建宠物营养知识图谱与配方推荐引擎，将犬猫品种、年龄、体型、健康状况等多维数据输入模型，自动生成定制化营养配方和生产工艺参数，打通从需求到制造的数字线程。

**实施路径：** Step 1 — 知识图谱构建：将犬猫营养学、兽医临床数据、全球原料数据库结构化录入知识图谱，覆盖20+犬猫品种、15种健康维度的营养需求模型。 Step 2 — GenAI配方生成：接入生成式AI大模型，根据宠主提交的宠物信息（品种/年龄/体型/过敏史等）自动推荐最优营养配方，实现"一宠一配方"的C2M定制模式。 Step 3 — 工艺参数联动：配方数据直接驱动MES排产系统，自动匹配烘干温度、研磨细度、膨化压力等关键工艺参数，减少人工配方转换误差。 Step 4 — 持续学习迭代：通过Mars Pulse售后数据回流，将宠物健康改善效果反馈至AI模型，持续优化配方推荐精度。

**关键数据：** 📊 核心成效：客户满意度（NPS）提升20%，行业排名第一；400+SKU个性化柔性生产全面覆盖，产品研发周期显著缩短。

**技术标签：** 05.01.01 | 06.01.02 | 05.01.03


---

### ② ② 全流程智能品控系统 核心用例

**业务痛点：** ⚠️ 痛点：宠粮品质直接影响宠物健康，传统品控依赖人工抽检和经验判断，检出效率低、覆盖不全面。前端原料质量波动和后端产线微小偏差都有可能造成批次性缺陷，一旦流入市场将引发食品安全信任危机。

**解决思路：** 💡 方案：在原料入厂、生产过程、成品出厂三大环节部署AI视觉检测、IoT传感监控和预测性品质分析，构建全流程数字品控闭环。配套Mars Pulse售后追溯系统，实现质量问题1小时精准定位。

**实施路径：** Step 1 — 原料严进：坚持原料供应商现场审核、到厂批批检测，不合格当场拒收。部署近红外光谱（NIR）等快速检测设备，实现原料营养成分、霉菌毒素、新鲜度等多维指标的即时筛查。 Step 2 — 产线智检：在烘干、膨化、喷涂、包装等关键工位部署AI视觉检测系统（机器视觉+深度学习算法），实时捕捉颗粒外观缺陷（色差、裂纹、异物），自动触发告警和分拣剔除。 Step 3 — 数据闭环：IoT传感器实时采集烘干温度、水分含量、膨化压力等工艺参数，接入MES大数据分析平台，建立"工艺偏差-品质缺陷"关联模型，实现预测性品质预警。 Step 4 — 售后追溯：Mars Pulse智能中枢支持1小时内完成从成品批次到原料产地、产线工位的全链路追溯，在售后环节高效精准应答宠主质量咨询。 Step 5 — 持续优化：将品质数据反馈至GenAI配方模型，形成"配方优化→工艺调参→品控校验→售后验证"的持续改进闭环。

**关键数据：** 📊 核心成效：线上产品缺陷率下降70%；投产16年零食品安全事故、零微生物超标；连续820周蝉联玛氏集团"铂金工厂"最高评级；亚太区实验室年检测超3万次、1000+检测细项。

**技术标签：** 01.03.02 | 05.02.01 | 05.02.03


---

### ③ ③ AI驱动农业采购优化 核心用例

**业务痛点：** ⚠️ 痛点：小麦作为宠粮核心原料，其生长过程中受气候影响极易产生对宠物具有潜在致命风险的霉菌毒素。传统采购模式依赖到厂检验，品质风险发现严重滞后（收割后才送检），优质原料供需匹配效率低下。

**解决思路：** 💡 方案：与国家粮食和物资储备局科学研究院合作，依托气象卫星和物联网传感器采集千万条麦田数据，构建AI霉菌毒素风险预测模型，在小麦收割前约一个月即可预估风险，实现"收割前优选麦田→定向采购→AI精准烘干"的主动型采购闭环。

**实施路径：** Step 1 — 数据采集：利用气象卫星遥感数据、麦田IoT传感网络（土壤温湿度、降水、日照等）、历史霉菌毒素检测数据，构建覆盖核心小麦产区的多维数据底座。 Step 2 — AI风险预测：训练机器学习模型学习"气候条件→霉菌生长→毒素积累"的因果关系链，在小麦收割前约一个月输出产区级风险热力图，指导采购团队提前筛选低风险优质麦田。 Step 3 — 定向采购执行：根据风险预测结果锁定优质原料产区，实施定向采购和产地直发，从源头拦截高风险批次，优先进仓低风险优质小麦。 Step 4 — AI精准烘干：在原料入厂后的烘干环节引入AI过程控制，基于水分含量、品种特性、环境温湿度等变量实时调节烘干温度与时长，替代传统人工经验调节，降低能耗并提升颗粒适口性与质量稳定性。

**关键数据：** 📊 核心成效：收割前一个月即可预估霉菌毒素风险，品质管控从被动升级为主动；AI烘干降低能耗、提升适口性；原料端四项"行业第一"品质管理标准（供应商审核/批批检测/上游供应链检测/环保标准检测）。

**技术标签：** 05.01.02 | 04.02.03 | 03.03.04


---

## 绩效改善总览

| 指标 | 改善 | 领域 | 技术 |
|------|------|------|------|
| 客户满意度 | ↑20% | 行业第一 | GenAI个性化营养方案精准匹配宠物需求，C2M定制模式驱动NPS跃居行业首位 |
| 线上产品缺陷率 | ↓70% | 极低水平 | AI视觉检测+IoT工艺监控+预测性品控，实现全流程100%在线品质闭环 |
| 敏捷服务水准 | 维持98%+ | 98%+ | "慧眼"端到端数据控制塔整合10+数据源，覆盖全国5个配送中心，实现实时预测与调度 |
| 食品安全 | 16年零事故 | 零事故 | 820周铂金工厂评级、零微生物超标，亚太区实验室年检3万+次、1000+检测细项 |