{
  "code": "09708CN04",
  "factory_name": "京东方福州",
  "batch": 7,
  "type": "单一",
  "country": "中国",
  "city": "中国 · 福建福州",
  "province": "福建福州",
  "wef_industry": "",
  "gbt_code": "",
  "gbt_industry": "显示器件制造（国标 3974）· WEF「电子显示」",
  "core_products": "高分辨率（UHD）、大尺寸低功耗等高端液晶显示产品",
  "application_areas": "智慧家居 · 智慧零售 · 智慧出行 · 数字艺术",
  "release_date": "2022年03月",
  "quote": "不新增重大设备投资，靠 AI 把单位成本压下来 34%、产量推高 30%——京东方福州第 8.5 代线，跑出了中国大陆显示行业的第一座灯塔。",
  "use_cases": [
    {
      "num": "①",
      "title": "人工智能赋能闭环质量网 核心用例",
      "pain": "⚠️ 痛点：面板阵列环节有 190 多道工序，半成品从投料到产出平均要 5 天，缺陷靠人工抽检难以在流转中及时拦截，缺陷率与新品良率提升周期双双承压。",
      "idea": "💡 方案：采集设备端参数构建缺陷模型并打通生产调度系统，形成「检测—判定—反馈—修正」的 AI 闭环质量网。",
      "steps": "Step 1 — 采参数：采集设备端工艺参数与在线检测数据，沉淀缺陷样本Step 2 — 建模型：用机器学习训练缺陷预测与根因关联模型Step 3 — 通调度：把模型判定结果打通到生产调度系统，自动拦截与反馈Step 4 — 持续迭代：用新增数据持续迭代模型，闭环收敛质量",
      "key_data": "📊 核心成效：缺陷率 ↓75%",
      "tags": [
        "05.01.02",
        "01.03.02"
      ],
      "tech_descs": [
        "基于设备端工艺参数与检测数据训练缺陷预测模型，提前识别异常批次并关联到根因工序。",
        "通过视觉检测技术对面板缺陷进行自动识别与分类，打通调度系统实现自动拦截。"
      ],
      "kpis": []
    },
    {
      "num": "②",
      "title": "维修过程自动化 核心用例",
      "pain": "⚠️ 痛点：设备维修依赖人工报修与经验判断，故障响应慢，非计划停机直接吃掉设备综合效率。",
      "idea": "💡 方案：用故障预测与健康管理（PHM）把「坏了再修」变成「快坏先修」，维修工单与过程自动化流转。",
      "steps": "Step 1 — 采状态：实时采集关键设备运行状态与劣化数据Step 2 — 建健康度：建立设备健康度与剩余寿命预测模型Step 3 — 自动派单：异常达到阈值自动触发维修工单，无需人工报修Step 4 — 闭环管理：维修过程、备件与验收全流程线上闭环",
      "key_data": "📊 核心成效：检测直接人工 ↓20%",
      "tags": [
        "02.03.04",
        "05.01.04"
      ],
      "tech_descs": [
        "故障预测与健康管理系统持续评估设备劣化趋势，在性能衰退前给出维护建议。",
        "基于运行数据的预测性维护策略，替代定期检修与事后抢修，压缩非计划停机。"
      ],
      "kpis": []
    },
    {
      "num": "③",
      "title": "数字仪表盘监控OEE性能 核心用例",
      "pain": "⚠️ 痛点：800 多台设备运行状态分散在各系统，OEE 靠人工统计严重滞后，瓶颈工序难以实时定位。",
      "idea": "💡 方案：搭建数字仪表盘实时监控 OEE 性能，把设备效率、瓶颈工序与改善优先级透明化。",
      "steps": "Step 1 — 通数据：打通设备数据采集链路，统一 OEE 口径Step 2 — 建看板：搭建数字仪表盘，按产线/工序/设备多维展示Step 3 — 下钻分析：对异常指标逐层下钻，定位瓶颈工序Step 4 — 定向改善：围绕瓶颈工序组织专项改善并跟踪效果",
      "key_data": "📊 核心成效：OEE ↑66%",
      "tags": [
        "02.03.01",
        "03.03.04"
      ],
      "tech_descs": [
        "制造执行系统承接计划并采集设备执行数据，为 OEE 统计提供实时、统一的底层数据。",
        "基于 OEE 拆解结果定位瓶颈工序，结合工艺参数分析制定定向改善方案。"
      ],
      "kpis": []
    },
    {
      "num": "④",
      "title": "自动化动态调度 核心用例",
      "pain": "⚠️ 痛点：过去排产靠老员工对着表格算，5 个人要忙活 8 小时；800 多台设备谁闲谁忙靠人工协调，设备闲置率居高不下。",
      "idea": "💡 方案：研发「动态排程—自动派工系统」，盯住 800 多台设备每 15 分钟迭代一次派工，把闲置率压到极限。",
      "steps": "Step 1 — 建产能模型：建立设备产能、在制状态与约束条件的实时模型Step 2 — 开发派工算法：开发动态排程与自动派工算法，自动匹配任务与设备Step 3 — 高频迭代：系统每 15 分钟迭代一次派工，谁闲派给谁Step 4 — 人工审核：1 名工程师 1 小时内完成排产审核与下发",
      "key_data": "📊 核心成效：周期时间 ↓11%（排产效率提升 87.5%）",
      "tags": [
        "02.03.02",
        "03.03.03"
      ],
      "tech_descs": [
        "高级计划排程系统综合产能、在制与交期约束，自动生成可执行的生产计划。",
        "智能排产结合实时设备状态动态派工，把排产周期从 5 人 8 小时压缩到 1 人 1 小时。"
      ],
      "kpis": []
    },
    {
      "num": "?",
      "title": "人工智能赋能能源管理 核心用例",
      "pain": "⚠️ 痛点：传统模式排查一次能耗异常要一两天，水电汽成本是工厂里最大的隐形杀手。",
      "idea": "💡 方案：建厂初期就铺大量传感器实时采集能耗数据，AI 平台秒级报警并直接定位到具体设备。",
      "steps": "Step 1 — 铺传感器：建厂初期部署覆盖水电汽的能耗传感器网络Step 2 — 实时采集：实时采集并汇聚全产线能耗数据Step 3 — 秒级报警：AI 平台对异常能耗秒级报警，直接定位到设备Step 4 — 定向节能：按报警定位组织定向节能改造与参数优化",
      "key_data": "📊 核心成效：电力消耗 ↓38%",
      "tags": [
        "09.03.01",
        "09.03.02",
        "05.01.02"
      ],
      "tech_descs": [
        "能源监控系统实时采集水电汽数据，让能耗从月度账单变成分钟级曲线。",
        "基于 AI 的节能优化对异常能耗秒级定位到设备，替代过去一两天的人工排查。",
        "用机器学习建立各设备的用能基线，偏离基线即触发报警与优化建议。"
      ],
      "kpis": []
    }
  ],
  "performance_table": [
    {
      "metric": "缺陷率",
      "improvement": "-75%",
      "domain": "↓75%",
      "tech": "AI 闭环质量网把缺陷拦在流转中"
    },
    {
      "metric": "检测直接人工",
      "improvement": "-20%",
      "domain": "↓20%",
      "tech": "维修与检测自动化替代人工"
    },
    {
      "metric": "OEE",
      "improvement": "+66%",
      "domain": "↑66%",
      "tech": "数字仪表盘驱动设备综合效率提升"
    },
    {
      "metric": "周期时间",
      "improvement": "-11%",
      "domain": "↓11%",
      "tech": "动态排程压缩在制流转周期"
    },
    {
      "metric": "电力消耗",
      "improvement": "-38%",
      "domain": "↓38%",
      "tech": "AI 能源管理秒级定位降耗"
    }
  ]
}