{
  "code": "25116CN05",
  "factory_name": "招商局重工海门基地",
  "batch": 16,
  "type": "生产效率",
  "country": "中国",
  "city": "中国 · 江苏海门",
  "province": "江苏海门",
  "wef_industry": "",
  "gbt_code": "",
  "gbt_industry": "船舶及相关装置制造（先进工业）",
  "release_date": "2026年06月",
  "quote": "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。",
  "use_cases": [
    {
      "num": "①",
      "title": "① AI智能排产系统 核心用例",
      "pain": "⚠️ 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。",
      "idea": "💡 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。",
      "steps": "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",
      "key_data": "📊 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。",
      "tags": [
        "05.01.01",
        "03.01.01"
      ],
      "tech_descs": [
        "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。",
        "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。"
      ],
      "kpis": []
    },
    {
      "num": "②",
      "title": "② 数字孪生装配平台 核心用例",
      "pain": "⚠️ 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。",
      "idea": "💡 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。",
      "steps": "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",
      "key_data": "📊 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。",
      "tags": [
        "02.01.04",
        "03.02.01"
      ],
      "tech_descs": [
        "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。",
        "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。"
      ],
      "kpis": []
    },
    {
      "num": "③",
      "title": "③ 准时制物流管理系统 核心用例",
      "pain": "⚠️ 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。",
      "idea": "💡 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。",
      "steps": "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",
      "key_data": "📊 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。",
      "tags": [
        "01.04.01",
        "04.01.02"
      ],
      "tech_descs": [
        "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。",
        "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。"
      ],
      "kpis": []
    }
  ],
  "performance_table": [
    {
      "metric": "产能吞吐量",
      "improvement": "↑160%",
      "domain": "2.6倍",
      "tech": "实现多船型批量化高效建造，打破单船串行瓶颈"
    },
    {
      "metric": "船坞占用周期",
      "improvement": "↓52%",
      "domain": "缩短52%",
      "tech": "船坞周转加速近一倍，大幅提升交船节奏"
    },
    {
      "metric": "一次装配合格率",
      "improvement": "↑25%",
      "domain": "提升25%",
      "tech": "大幅减少返工和材料浪费，降低质量成本"
    }
  ]
}