{
  "code": "14611IN01",
  "factory_name": "ACG胶囊皮坦普尔",
  "batch": 11,
  "type": "单一工厂灯塔",
  "country": "印度",
  "city": "印度 · 中央邦皮坦普尔",
  "province": "中央邦皮坦普尔",
  "wef_industry": "",
  "gbt_code": "",
  "gbt_industry": "医药医疗（医药胶囊制造）",
  "core_products": "药用空心胶囊（硬胶囊）、阻隔包装材料、制药机械、目视检查与可追溯解决方案",
  "application_areas": "口服固体制剂（药品、保健品、营养品）填充",
  "release_date": "2023年12月",
  "quote": "把一粒空心胶囊做到「十亿分之一」——印度皮坦普尔的 ACG 胶囊工厂用 25+ 个 4IR 用例（IIoT/ML/DL/数字孪生/XR/GenAI）再造胶囊制造：关键缺陷 ↓98%、生产周期 ↓39%、总损失 ↓51%、生产率 ↑44%，成为全球首座胶囊制造灯塔工厂。",
  "use_cases": [
    {
      "num": "①",
      "title": "实时质量批次洞察 核心用例",
      "pain": "⚠️ 痛点：药用空心胶囊是药品质量的第一道关口，胶囊重量、壁厚、崩解等关键参数稍有偏差就会影响患者用药安全，传统批次质量检测依赖事后抽检、反馈滞后，关键缺陷难以及时拦截。",
      "idea": "💡 方案：依托工业物联网（IIoT）+ 机器学习 + 大数据实时分析，对每一批胶囊的生产过程参数与质量数据进行在线采集与实时洞察，实现关键缺陷的实时发现与批次级质量追溯。",
      "steps": "Step 1 — 物联采集：IIoT 实时采集批次生产与质量检测数据 Step 2 — 实时分析：大数据实时分析质量参数，即时洞察批次质量状态 Step 3 — ML 建模：机器学习模型识别关键缺陷的早期信号 Step 4 — 批次追溯：批次级质量追溯，实现关键缺陷的快速拦截与闭环",
      "key_data": "📊 核心成效：关键缺陷 ↓98%",
      "tags": [
        "05.02.03",
        "05.01.02",
        "02.03.01"
      ],
      "tech_descs": [
        "对批次质量数据实时分析，即时掌握生产质量状态。",
        "ML 模型识别关键缺陷早期信号，实现缺陷事前预警。",
        "制造执行系统贯通批次数据，支撑批次级质量追溯。"
      ],
      "kpis": []
    },
    {
      "num": "②",
      "title": "ML一次成功优化 核心用例",
      "pain": "⚠️ 痛点：胶囊生产过程对关键工艺参数（温度、湿度、溶胶黏度等）极为敏感，参数波动会导致批次返工、废品与产能损失，\"一次做对\"难度大。",
      "idea": "💡 方案：用机器学习对历史工艺与质量数据建模，识别最优工艺窗口与参数组合，实现\"一次成功\"（first-time-right）的工艺优化，从源头提升一次通过率。",
      "steps": "Step 1 — 数据建模：汇集历史工艺参数与质量结果大数据 Step 2 — 窗口识别：ML 识别最优工艺窗口与关键参数组合 Step 3 — 参数调优：关键工艺参数实时优化，减少返工与废品 Step 4 — 一次成功：提升一次通过率，降低总损失",
      "key_data": "📊 核心成效：一次通过率 ↑35%、总损失 ↓51%",
      "tags": [
        "05.01.02",
        "03.03.04",
        "05.02.01"
      ],
      "tech_descs": [
        "ML 预测最优工艺参数组合，实现一次成功制造。",
        "对温度、湿度、溶胶黏度等关键工艺参数实时调优。",
        "海量工艺与质量数据建模，支撑工艺窗口寻优。"
      ],
      "kpis": []
    },
    {
      "num": "③",
      "title": "数字孪生生产排程 核心用例",
      "pain": "⚠️ 痛点：面向全球 138 个国家的多品种、多批次胶囊订单，传统人工排产难以兼顾交期、换线与产能，生产周期长、按时交付压力大。",
      "idea": "💡 方案：构建产线数字孪生，结合高级排产（APS）与智能排产算法，对生产计划与调度进行虚拟仿真与动态优化，缩短批次周期、提升按时交付率。",
      "steps": "Step 1 — 孪生建模：建立产线数字孪生，映射设备、工序与产能 Step 2 — 高级排产：APS 算法兼顾交期、换线与产能约束 Step 3 — 动态调度：智能排产动态响应订单与异常变化 Step 4 — 周期压缩：缩短批次周期，提升 OTIF 按时交付",
      "key_data": "📊 核心成效：批次周期 ↓39%、OTIF ↑13%",
      "tags": [
        "03.01.01",
        "02.03.02",
        "03.03.03"
      ],
      "tech_descs": [
        "产线数字孪生虚拟映射设备、工序与产能，支撑仿真优化。",
        "高级排产算法兼顾交期、换线与产能多目标约束。",
        "智能排程动态响应订单变化，压缩生产周期。"
      ],
      "kpis": []
    },
    {
      "num": "④",
      "title": "VR员工增强与技能管理 核心用例",
      "pain": "⚠️ 痛点：胶囊制造工序多、技能要求高，新员工入职培训周期长、上手慢；叠加技术迭代快，员工技能需持续升级，传统\"老带新\"效率不足。",
      "idea": "💡 方案：用扩展现实（XR/VR）构建沉浸式培训与虚拟工厂仿真，并引入生成式 AI（GenAI）与标准作业程序（SOP）、政策进行对接，加速员工技能习得与上岗。",
      "steps": "Step 1 — 虚拟工厂：VR 构建沉浸式工艺与作业场景 Step 2 — 技能仿真：员工在虚拟环境反复演练关键操作 Step 3 — GenAI 对接：GenAI 与 SOP、政策对接，即时答疑与纠偏 Step 4 — 加速上岗：缩短入职时间，持续升级员工技能",
      "key_data": "📊 核心成效：入职时间 ↓39%",
      "tags": [
        "05.01.01",
        "03.01.03",
        "05.04.02"
      ],
      "tech_descs": [
        "生成式 AI 对接标准作业程序与政策，即时辅导与纠偏。",
        "虚拟工厂场景支撑员工沉浸式操作演练。",
        "产线数字孪生复现真实工艺，支撑技能仿真训练。"
      ],
      "kpis": []
    },
    {
      "num": "?",
      "title": "DL安全行为检测 核心用例",
      "pain": "⚠️ 痛点：制造现场安全隐患多依赖人工巡检，员工不安全行为（违规操作、未佩戴防护等）难以及时发现，安全事故风险与事故率居高不下。",
      "idea": "💡 方案：用深度学习（DL）+ 计算机视觉对生产现场进行全天候视频监控，自动识别员工不安全行为并实时预警，构建主动式安全行为管理体系。",
      "steps": "Step 1 — 视频布控：现场部署视觉监控，实时采集作业画面 Step 2 — DL 识别：深度学习模型识别不安全行为（违规操作等） Step 3 — 实时预警：发现隐患即时告警，主动干预纠偏 Step 4 — 安全提升：显著降低事故率，构建安全文化",
      "key_data": "📊 核心成效：事故率 ↓53%",
      "tags": [
        "01.03.02",
        "05.01.02",
        "05.01.01"
      ],
      "tech_descs": [
        "视觉监控实时捕捉作业画面，支撑安全行为检测。",
        "DL 模型识别不安全行为，实现隐患实时预警。",
        "AI 驱动主动式安全管理体系，降低事故率。"
      ],
      "kpis": []
    }
  ],
  "performance_table": [
    {
      "metric": "批次周期",
      "improvement": "↓39%",
      "domain": "缩短 39%",
      "tech": "数字孪生排程与ML一次成功优化压缩生产周期"
    },
    {
      "metric": "一次通过率",
      "improvement": "↑35%",
      "domain": "提升 35%",
      "tech": "ML一次成功优化提升首次合格率"
    },
    {
      "metric": "OTIF（按时交付率）",
      "improvement": "↑13%",
      "domain": "提升 13%",
      "tech": "数字孪生排程提升订单按时交付"
    },
    {
      "metric": "入职时间",
      "improvement": "↓39%",
      "domain": "缩短 39%",
      "tech": "VR员工增强与技能管理加速新人上岗"
    },
    {
      "metric": "事故率",
      "improvement": "↓53%",
      "domain": "降低 53%",
      "tech": "DL安全行为检测减少安全事故"
    }
  ]
}