{
  "code": "15911CN14",
  "factory_name": "亿滋国际北京",
  "batch": 11,
  "type": "单一灯塔",
  "country": "中国",
  "city": "北京经济技术开发区",
  "province": "北京经济技术开发区",
  "wef_industry": "",
  "gbt_code": "",
  "gbt_industry": "食品零食 · 糖果巧克力制造",
  "core_products": "奥利奥（Oreo）、闲趣（TUC）、乐之（Ritz）等饼干零食",
  "application_areas": "面团生产、饼干烘焙、食品品控、能源管理、精益制造",
  "release_date": "2023年12月",
  "quote": "38个AI用例，把奥利奥饼干工厂跑成了熄灯车间——净收入↑28%、劳动生产率↑53%、温室气体↓24%、食物浪费↓29%。",
  "use_cases": [
    {
      "num": "①",
      "title": "熄灯自主面团车间 核心用例",
      "pain": "⚠️ 痛点：面团生产依赖大量人工，劳动力成本同比上涨6%，批次一致性不足。",
      "idea": "💡 方案：以AI驱动全自动熄灯车间，用机器视觉与传感器网络实现配料到成型全过程无人化控制。",
      "steps": "Step 1 — 高精度称量配料：部署高精度称量与自动配料系统，替代人工投料 Step 2 — AI动态调配方：AI根据环境温湿度、原料批次自动调整配方参数 Step 3 — 传感器实时监控：传感器网络实时采集面团状态（含水率、温度、黏度） Step 4 — 边缘计算调参：边缘计算实时分析数据并动态调整设备参数 Step 5 — 自动化联动搬运：与自动化产线联动完成面团转运，实现熄灯运行",
      "key_data": "📊 核心成效：覆盖6条核心产线，劳动生产率提升53%，人员需求↓91%。",
      "tags": [
        "05.01.01",
        "01.01.05",
        "03.03.01"
      ],
      "tech_descs": [
        "AI根据多变量环境数据自主决策配方与工艺参数，替代传统经验式操作。",
        "遍布产线的IoT传感器实时采集面团状态，为AI决策提供数据底座。",
        "全自动化产线配合工业机器人，实现核心环节无人化连续运行。"
      ],
      "kpis": []
    },
    {
      "num": "②",
      "title": "ML烘焙烤炉控制 核心用例",
      "pain": "⚠️ 痛点：饼干烘焙占生产总能耗60%以上，人工调节无法动态优化燃气供给。",
      "idea": "💡 方案：以机器学习多变量预测模型，实时推荐最优燃气供给量，实现能源效率最大化。",
      "steps": "Step 1 — 历史数据采集：采集烘焙环节历史运行数据与燃气消耗记录 Step 2 — 模型训练：训练机器学习回归模型，建立工艺参数与能耗的映射关系 Step 3 — 实时最优推荐：模型实时输出最优燃气供给值 Step 4 — 指令下发执行：经MES下发至燃烧控制器自动执行 Step 5 — 增量学习迭代：持续采集新数据增量更新模型，保持精度",
      "key_data": "📊 核心成效：机器学习优化燃气消耗，贡献温室气体排放↓24%。",
      "tags": [
        "05.01.02",
        "03.03.04",
        "02.03.01"
      ],
      "tech_descs": [
        "以梯度提升等回归模型拟合工艺参数与燃气消耗的复杂关系。",
        "将AI推荐值闭环回生产执行，实现烘焙工艺的持续优化。",
        "通过制造执行系统把最优参数自动下发至燃烧控制器。"
      ],
      "kpis": []
    },
    {
      "num": "③",
      "title": "ML暖通空调优化 核心用例",
      "pain": "⚠️ 痛点：暖通空调（HVAC）能耗高，传统固定设定难以适应环境与生产负荷变化。",
      "idea": "💡 方案：以机器学习根据环境与生产负荷实时优化暖通空调运行参数。",
      "steps": "Step 1 — 环境负荷感知：部署温湿度、生产负荷等传感器采集数据 Step 2 — 能耗建模：训练ML能耗模型，识别最优运行区间 Step 3 — 动态调节：实时调节温湿度设定与通风量 Step 4 — 峰谷联动：结合电价峰谷动态调整运行策略 Step 5 — 持续优化：闭环反馈持续迭代优化参数",
      "key_data": "📊 核心成效：电耗↓24%，助力工厂绿色低碳运行。",
      "tags": [
        "05.01.02",
        "09.03.01"
      ],
      "tech_descs": [
        "基于环境与负荷数据训练模型，寻找能耗最低的运行参数组合。",
        "实时监控暖通空调能耗，支撑节能决策与效果验证。"
      ],
      "kpis": []
    },
    {
      "num": "④",
      "title": "AI闭环缺陷消除 核心用例",
      "pain": "⚠️ 痛点：人工目检易疲劳漏检，缺陷产品流入市场引发客诉与返工。",
      "idea": "💡 方案：部署高速AI视觉检测线，对缺陷精细分类统计，闭环反哺工艺改进。",
      "steps": "Step 1 — 高速视觉采集：部署工业相机高速采集饼干图像 Step 2 — AI缺陷识别：AI模型对缺陷进行分类与定位 Step 3 — 自动剔除：联动气动装置自动剔除缺陷产品 Step 4 — 质量数据统计：按时间段、缺陷类型精细统计分布 Step 5 — 根因反哺：以数据驱动工艺根因分析，加速缺陷消除",
      "key_data": "📊 核心成效：消费者投诉↓52%，品控员工从「手工挑拣」转为「数据分析」。",
      "tags": [
        "01.03.02",
        "05.01.01"
      ],
      "tech_descs": [
        "工业相机与AI算法实现饼干缺陷的实时在线检测。",
        "AI模型对缺陷数据进行颗粒度更细的分类，替代人工目检。"
      ],
      "kpis": []
    },
    {
      "num": "?",
      "title": "数字精益制造管理 核心用例",
      "pain": "⚠️ 痛点：信息来源多样且互不连通，员工把大量时间耗在「统计信息」而非「分析决策」。",
      "idea": "💡 方案：搭建数字精益生产管理平台，让员工一站式获取产线信息，直接进入分析决策。",
      "steps": "Step 1 — 多源数据打通：整合产线、质量、能耗等多源数据 Step 2 — 统一管理平台：搭建精益生产运营管理平台 Step 3 — 一站式获取：员工一站式获取产线实时信息 Step 4 — 精益分析：结合精益六西格玛方法开展分析与改进 Step 5 — 持续改善闭环：以数据驱动持续改善，沉淀最佳实践",
      "key_data": "📊 核心成效：非计划停机↓49%，员工从繁琐手工统计中解放，专注分析与决策。",
      "tags": [
        "02.03.01",
        "05.02.01"
      ],
      "tech_descs": [
        "打通产线信息系统，实现生产数据的统一采集与透明可视。",
        "用数据分析替代经验判断，支撑员工高效决策与持续改善。"
      ],
      "kpis": []
    }
  ],
  "performance_table": [
    {
      "metric": "人员",
      "improvement": "↓ 91%",
      "domain": "—",
      "tech": "熄灯车间释放大量人力"
    },
    {
      "metric": "食品浪费",
      "improvement": "↓ 72%",
      "domain": "—",
      "tech": "AI品控+精准排产减少损耗"
    },
    {
      "metric": "电耗",
      "improvement": "↓ 24%",
      "domain": "—",
      "tech": "ML暖通空调优化节能"
    },
    {
      "metric": "消费者投诉",
      "improvement": "↓ 52%",
      "domain": "—",
      "tech": "AI视觉检测替代人工目检"
    },
    {
      "metric": "非计划停机",
      "improvement": "↓ 49%",
      "domain": "—",
      "tech": "数字精益+预测性维护"
    }
  ]
}