{
  "code": "14911SA04",
  "factory_name": "沙特阿美延布炼油厂",
  "batch": 11,
  "type": "单一工厂灯塔",
  "country": "沙特阿拉伯",
  "city": "沙特阿拉伯 · 麦地那省延布",
  "province": "麦地那省延布",
  "wef_industry": "",
  "gbt_code": "",
  "gbt_industry": "石油炼制（流程工业）",
  "core_products": "LPG、汽油、柴油、航空煤油、煤油、燃料油、沥青",
  "application_areas": "石油炼制、清洁燃料、能源管理、工艺优化、安全培训",
  "release_date": "2023年12月",
  "quote": "一座运行40多年的老炼厂，用5年4IR转型把AI清洁燃料优化器、AI操作决策系统和数字孪生搬进装置现场——合格燃料做到99%，温室气体减排23%，装置可用率提升17%。",
  "use_cases": [
    {
      "num": "①",
      "title": "能耗降低数字孪生 核心用例",
      "pain": "⚠️ 痛点：老炼厂公用工程（蒸汽、燃料气、电力）系统庞大，能耗基线不清，能量浪费难以及时发现。",
      "idea": "💡 方案：构建全厂数字孪生模型，把多类模型与数百万数据点整合，实时仿真运行状态并优化能耗。",
      "steps": "Step 1 — IIoT数据采集：部署传感器，采集数千台设备的实时运行数据 Step 2 — 数字孪生建模：整合多模型与百万级数据点，仿真现有运行装置 Step 3 — 能耗基线诊断：建立能耗基线，自动识别能耗异常与偏差 Step 4 — 实时优化平衡：动态优化燃料气与蒸汽的产用平衡 Step 5 — 闭环反馈调优：将优化结果回写控制系统，持续降低能耗",
      "key_data": "📊 核心成效：通过能耗优化配合AI燃料气优化，实现Scope 1与Scope 2温室气体减排14%",
      "tags": [
        "03.01.01",
        "01.01.05"
      ],
      "tech_descs": [
        "把物理装置映射为数字化镜像，可实时模拟不同工况下的能耗表现，是WEF重点关注的灯塔技术。",
        "沙特阿美对延布炼厂IIoT系统做了全面改造，传感器从数千台设备收集数据，与数字分析、自诊断工具结合自动监控资产性能。"
      ],
      "kpis": []
    },
    {
      "num": "②",
      "title": "AI操作决策系统 核心用例",
      "pain": "⚠️ 痛点：炼油操作高度依赖资深操作员经验，装置运行参数调整滞后，效率难以持续保持最优。",
      "idea": "💡 方案：部署AI驱动的操作决策系统，实时分析海量生产数据，为操作员提供可执行的优化建议。",
      "steps": "Step 1 — 数据汇聚：打通装置运行、质检、能耗等数据源 Step 2 — AI模型训练：融合工艺知识与历史数据训练决策模型 Step 3 — 建议实时推送：将操作建议实时推送到操作员终端 Step 4 — 闭环执行：操作员确认后自动闭环执行 Step 5 — 持续学习：基于执行结果持续迭代模型",
      "key_data": "📊 核心成效：加工能力提升20%，盈利能力提升159%",
      "tags": [
        "05.01.01",
        "02.04.03"
      ],
      "tech_descs": [
        "每天处理炼厂产生的海量数据，用AI应用分析并优化生产，提升生产效率和装置可用率。",
        "把新技术与数十年的老系统做数字化集成，是炼厂数字化的核心工程难点，也属WEF重点关注的边缘控制技术。"
      ],
      "kpis": []
    },
    {
      "num": "③",
      "title": "ML催化剂寿命预测 核心用例",
      "pain": "⚠️ 痛点：催化剂失活导致产品质量波动与计划外更换，维护成本高、停机损失大。",
      "idea": "💡 方案：用机器学习预测催化剂剩余寿命，提前规划再生与更换窗口，减少计划外停机。",
      "steps": "Step 1 — 历史数据采集：积累催化剂运行与失活历史数据 Step 2 — ML模型训练：训练催化剂寿命预测模型 Step 3 — 失活趋势监控：实时监控催化剂失活趋势 Step 4 — 更换窗口排程：优化催化剂再生与更换窗口 Step 5 — 系统联动：与操作决策系统联动，动态调整工艺",
      "key_data": "📊 核心成效：提升催化剂利用率，降低计划外停机，支撑装置可用率提升17%",
      "tags": [
        "05.01.02",
        "05.01.04"
      ],
      "tech_descs": [
        "基于历史数据训练ML模型，实现催化剂寿命的量化预测，把经验判断变成数据驱动。",
        "WEF重点关注的预测性维护技术，从\"坏了再修\"转向\"提前干预\"，显著降低维护成本。"
      ],
      "kpis": []
    },
    {
      "num": "④",
      "title": "AI清洁燃料优化器 核心用例",
      "pain": "⚠️ 痛点：既要满足日益严苛的清洁燃料规格，又要降本降碳，人工调优难以同时兼顾。",
      "idea": "💡 方案：部署AI驱动的清洁燃料优化器，动态优化调和配方与工艺参数，减少燃料气消耗。",
      "steps": "Step 1 — 规格约束建模：将燃料质量标准转化为优化约束 Step 2 — 调和优化算法：AI动态优化调和配方 Step 3 — 燃料气优化：实时优化加工装置燃料气消耗 Step 4 — 质量闭环：在线质检数据闭环反馈 Step 5 — 减排核算：核算Scope 1与Scope 2减排效果",
      "key_data": "📊 核心成效：合格燃料99%，Scope 1+2温室气体减排14%（总GHG减排23%）",
      "tags": [
        "05.01.01",
        "09.02.01"
      ],
      "tech_descs": [
        "AI驱动应用降低加工装置的燃料气消耗，既提升效率又直接减少温室气体排放。",
        "通过燃料气优化实现Scope 1与Scope 2 GHG减排14%，助力沙特阿美的减排雄心。"
      ],
      "kpis": []
    },
    {
      "num": "?",
      "title": "VR安全与工艺技能培训 核心用例",
      "pain": "⚠️ 痛点：炼油厂高风险作业多，传统培训周期长、真实感不足，安全与工艺技能提升慢。",
      "idea": "💡 方案：建设VR培训中心，用虚拟现实模拟高风险场景与工艺操作，缩短培训周期、提升技能。",
      "steps": "Step 1 — 场景建模：对高危作业场景进行三维建模 Step 2 — 课程开发：开发VR培训课程与工艺操作仿真 Step 3 — 沉浸式训练：员工在VR环境中反复实操 Step 4 — 考核认证：建立考核认证闭环 Step 5 — 档案数字化：技能档案数字化管理",
      "key_data": "📊 核心成效：培训时间下降35%，安全与工艺技能显著提升",
      "tags": [
        "05.01.01",
        "08.01.03"
      ],
      "tech_descs": [
        "VR培训中心大幅缩短培训周转时间，同时提升员工的安全意识与工艺技能。",
        "把高风险作业培训标准化、可认证化，从源头降低人为失误带来的安全风险。"
      ],
      "kpis": []
    }
  ],
  "performance_table": [
    {
      "metric": "盈利能力",
      "improvement": "↑159%",
      "domain": "—",
      "tech": "4IR用例规模化部署带来显著盈利提升"
    },
    {
      "metric": "加工能力",
      "improvement": "↑20%",
      "domain": "约23万桶/日",
      "tech": "装置可用率与加工负荷同步提升"
    },
    {
      "metric": "废物产生",
      "improvement": "↓24%",
      "domain": "—",
      "tech": "工艺优化减少废弃物排放"
    },
    {
      "metric": "GHG排放（Scope1+2）",
      "improvement": "↓14%",
      "domain": "—",
      "tech": "AI燃料气优化降低温室气体排放"
    },
    {
      "metric": "培训时间",
      "improvement": "↓35%",
      "domain": "—",
      "tech": "VR培训缩短上岗周期"
    }
  ]
}