返回案例列表

产能吞吐提升至2.6倍、船坞周期缩短52%、一次装配合格率提升25%——这家百年船企用25项数智化方案重新定义高端船舶建造效率,成为全球造船业首家入选灯塔网络的企业。

招商局重工海门基地 · 第16批生产效率灯塔 · 全球造船业首个入选

📋 企业名片

🔖 灯塔编码:25116CN05
企业名称
China Merchants Heavy Industry Haimen
工厂所在地
中国 · 江苏海门
所属行业
船舶及相关装置制造(先进工业)
灯塔类型
生产效率
入选批次 / 发布日期
16 · 2026年06月
核心产品
LNG运输船、双燃料汽车运输船(PCTC)、大型散货船、海洋工程装备
应用领域
绿色船舶建造、海洋工程、高端装备制造、能源运输

🔧 核心案例

AI智能排产系统 核心用例
⚠️ 痛点:船舶建造涉及数万道工序交叉并行——分段加工、管系安装、舾装、涂装、总组等工序高度耦合,传统手工排产周期长达数周,资源冲突频繁,异常发生时缺乏快速重调度能力,产能瓶颈突出。
💡 方案:基于AI算法构建智能排产引擎,集成PLM/MES/ERP等多系统数据源,实现多项目、多分段、多工序的自动排程与异常触发式动态重调度,打通"设计-计划-执行-反馈"全链路。
实施路径
Step 1 — 工序工时数据标准化:梳理全厂工序体系,建立标准工时数据库,覆盖船体、管系、舾装、电气、涂装五大专业
Step 2 — 多约束建模:构建资源约束模型(场地/设备/人力/物料),定义工序间依赖关系和优先级规则
Step 3 — AI排程引擎训练:基于约束满足与启发式算法训练排程模型,结合历史项目数据做仿真验证
Step 4 — 实时异常检测与重排:对接MES执行反馈,检测偏差后自动触发局部/全局重调度
Step 5 — 端到端闭环贯通:排产结果自动下发至MES执行层,报工数据实时回传更新计划状态
关键技术
05.01.01 AI/ML智能优化 · 基于约束满足与启发式搜索的排程算法
采用混合整数规划(MIP)结合遗传算法(GA),对船舶建造数万道工序进行全局优化排程,目标函数综合考虑坞期最小化、资源利用率最大化。引入强化学习组件,使排程引擎在每次异常重调度后自适应优化策略权重。
03.01.01 智能排产(APS) · 多项目并行高级计划与排程
集成PLM设计的BOM结构树、ERP的物料库存状态和MES的实时报工数据,构建APS高级计划排程平台。支持滚动作业计划和What-if模拟仿真,可在15分钟内完成此前需数天的人工排程工作。
📊 核心成效:产能吞吐量提升至2.6倍,排产效率从数天级缩短至分钟级,实现多船型并行建造的动态平衡调度。
数字孪生装配平台 核心用例
⚠️ 痛点:船舶分段总组装配精度要求高(毫米级),传统"实物试装+返工修正"模式导致船坞占用周期长、材料浪费严重、交船延期风险高。一次装配合格率偏低直接拖累整体建造效率。
💡 方案:依托激光扫描技术构建船舶分段高精度数字孪生模型,在虚拟环境中完成装配仿真、干涉自动检测与工艺参数优化,实现"先虚拟装对、再实物装配"的一体化作业模式。
实施路径
Step 1 — 三维激光扫描建模:对已完工分段进行高精度激光扫描,构建带实际制造偏差的点云模型
Step 2 — 数字孪生装配场景构建:将多个分段点云模型在孪生平台中对齐,生成虚拟总组场景
Step 3 — 虚拟预装配与干涉检测:自动计算对接间隙、错位量,检测结构干涉与管路碰撞
Step 4 — 装配工艺优化:根据干涉报告调整定位方案,优化焊接顺序和公差分配策略
Step 5 — 现场AR辅助装配:将优化后的装配指令通过AR终端投射至现场,指导工人精准定位
关键技术
02.01.04 数字主线 · 设计-制造一体化数据贯通
打通CAD设计模型与现场建造数据的数字主线(Digital Thread),使设计变更实时反映到孪生模型中。基于树根互联工业互联网平台,构建了从设计BOM到制造BOM再到装配BOM的完整数据映射链条,确保虚拟仿真与实际建造的一致性。
03.02.01 数字孪生 · 高保真装配仿真与工艺验证
利用激光点云逆向建模技术,将分段实际制造偏差(通常±2mm级别)真实还原到虚拟环境,配合物理引擎进行装配力学仿真。通过对比设计模型与扫描模型的差异,自动生成修切指导方案,将传统"装-拆-修-装"循环压缩为1-2次完成。
📊 核心成效:船坞占用周期缩短52%,一次装配合格率提升25%,大幅减少现场返工和物料损耗,为批量化高效建造奠定基础。
准时制物流管理系统 核心用例
⚠️ 痛点:船厂物料种类数以万计——钢板、型材、管材、舾装件、电缆等规格繁杂,传统"推式配送"按固定周期批量送货,导致堆场拥堵、找料耗时、缺料与积压并存,物流效率成为制约产能的隐性瓶颈。
💡 方案:构建拉式精益物流调度体系,基于生产节拍实时计算物料需求,联动AGV/AMR实现准时制(JIT)精准配送,将"物料等人"变为"物料等人准时到",消除等待浪费与库存积压。
实施路径
Step 1 — 物料需求与生产计划联动:从APS排产结果自动拆解工序级物料需求清单,生成JIT配送计划
Step 2 — 仓储数字化改造:部署RFID标签和IoT传感器,实现钢材堆场/管材库/舾装件库的实时库存可视化
Step 3 — AGV/AMR路径规划与调度:基于数字孪生厂区地图,动态规划无人搬运车最优路径,避免拥堵
Step 4 — 准时制配送执行:按工序开工前2-4小时窗口精准配送至工位,配套电子看板实现配送状态透明化
Step 5 — 全链路物流追溯与持续优化:记录每批次物料的取用时间与工位消耗数据,反向优化安全库存和配送频率
关键技术
01.04.01 AGV/AMR · 无人化智能搬运系统
部署多类型AGV/AMR无人搬运车,覆盖钢板转运(重载AGV,载重30t+)、管材配送(叉车式AGV)和小件配送(潜伏式AMR)三类场景。调度系统基于蚂蚁算法进行多车路径协同优化,支持厂区动态避障。
04.01.02 准时制物流(JIT) · 拉式供应链协同
采用看板拉动机制,将生产节拍与物料配送深度绑定。系统根据MES工序开工信号,提前触发物料拣选与AGV派送任务,实现从"物料等工位"到"工位等物料准时到"的模式转换。结合RFID自动识别,配送准确率达到99%以上。
📊 核心成效:物料配送准时率显著提升,支撑整体产能吞吐量提升至2.6倍。堆场周转率大幅改善,消除了因物料等待造成的工时损失。

📊 绩效改善总览

指标改善前改善后提升幅度业务解读
产能吞吐量 改造前基线产能 2.6倍 ↑160% 实现多船型批量化高效建造,打破单船串行瓶颈
船坞占用周期 改造前平均船坞周期 缩短52% ↓52% 船坞周转加速近一倍,大幅提升交船节奏
一次装配合格率 改造前合格率基线 提升25% ↑25% 大幅减少返工和材料浪费,降低质量成本

🗺️ 技术全景图

01
智能装备
✔️
02
工业软件
✔️
03
智能工厂
✔️
04
智慧供应链
✔️
05
智能赋能技术
✔️
06
智能制造新模式
✔️
07
工业网络
✔️
08
系统安全
·
09
绿色可持续
✔️
已覆盖(8/9) 未涉及 WEF重点技术覆盖率:89%

🔍 可复制性分析

🏢 企业规模
大型央企船厂,年产能覆盖LNG船、PCTC等多船型
💰 投入规模
数亿元级,含激光中心引进 + 智能化产线改造 + 数字化平台建设
⏱️ 实施周期
3-5年分阶段实施,从单点试点到全面推广
🎯 关键技术门槛
中高 — 需具备PLM/MES基础、AI算法团队、IoT基础设施、激光扫描设备
👉 适合什么企业参考
大型离散制造企业,尤其是多项目并行、工序耦合复杂、装配精度要求高的重工行业(船舶制造、海工装备、大型钢结构、压力容器等)。中型船厂可从JIT物流和数字孪生局部场景切入,逐步扩展至全厂级APS排产。

🏭 行业对标视角

国标分类路径:C 制造业 → 37 铁路、船舶、航空航天和其他运输设备制造业 → 373 船舶及相关装置制造 → 3736 船舶及相关装置制造

📌 第16批灯塔中唯一入选的造船企业,标志着全球船舶制造业首次进入世界经济论坛灯塔网络。此为先进工业类别下船舶细分领域的首例,填补了灯塔版图中造船行业的空白。

💡 造船业首次入网:招商局重工海门基地的入选,填补了全球灯塔网络在船舶制造领域的空白。与同批次先进工业工厂相比,其面临的工序复杂度(数万道交叉工序)和产品体量远超一般离散制造。以AI排产+数字孪生装配+JIT物流三位一体方案,验证了重工离散行业同样可通过数智化实现量级跃升。尤为值得关注的是,其技术栈基于国产工业互联网平台(树根互联),降低了对外部技术生态的依赖风险,为国内造船同行的数字化转型提供了一条可参照的本土化路径。

💬 互动

你认为船舶制造行业最大的数智化挑战是什么——是数万道工序的复杂度、庞大的供应链协同,还是既懂造船又懂数字化的复合型人才储备?

👇 欢迎在评论区分享你的经验与困惑

📊
灯塔名录
回复【名录】获取完整名单
🔍
灯塔案例
回复【分析+企业名】
🦞
灯塔虾评
回复【自测】评估差距
📥 下载此案例(多种格式)
🌐 网页 📽️ 幻灯片 📊 PPTX 📄 DOCX 🗂️ JSON 📝 MD 📋 CSV
返回案例列表