{
  "code": "17412SE04",
  "factory_name": "阿斯利康索德泰利耶",
  "batch": 12,
  "type": "单一",
  "country": "瑞典",
  "city": "瑞典 · 斯德哥尔摩省索德泰利耶",
  "province": "斯德哥尔摩省索德泰利耶",
  "wef_industry": "",
  "gbt_code": "",
  "gbt_industry": "医药医疗（医药制剂制造）",
  "release_date": "2024年10月",
  "quote": "为提升产能、加速新药上市，阿斯利康索德泰利耶生产基地落地50余项4IR技术（机器学习+优化算法），为3000名员工完成数字技能升级，实现劳动生产率↑56%、新品研发交付周期↓67%——据WEF披露，这座占集团全球产量约40%的超级药厂，已借\"工艺数字孪生+连续制造\"把制造周期从数周压缩到数小时。",
  "use_cases": [
    {
      "num": "①",
      "title": "① ML需求预测引擎 核心用例",
      "pain": "⚠️ 痛点：药品需求受季节、流行病、政策等多重因素扰动，传统预测依赖人工经验，预测偏差导致库存积压与断供风险并存。",
      "idea": "💡 方案：部署ML需求预测引擎，用机器学习模型融合销售、订单、供应等多源数据做前瞻性预测，驱动物料采购与生产计划协同。",
      "steps": "Step 1 — 数据汇聚：整合销售、订单、供应等多源需求数据，构建统一的需求数据池 Step 2 — 特征建模：训练机器学习预测模型，识别需求波动的关键驱动因子 Step 3 — 滚动预测：对多品种药品做前瞻滚动预测，输出分品类的需求曲线 Step 4 — 计划联动：预测结果下发到采购与生产计划，实现需求驱动的动态补货",
      "key_data": "📊 核心成效：库存↓23%，供需匹配能力显著提升。",
      "tags": [
        "04.02.03",
        "05.01.02"
      ],
      "tech_descs": [
        "用ML模型替代人工经验判断，对多品种、长周期的药品需求做前瞻预测，从\"被动响应\"转向\"主动预判\"。",
        "以机器学习为核心算法，融合多源数据训练预测模型，是\"AI进供应链\"的典型落地。"
      ],
      "kpis": []
    },
    {
      "num": "②",
      "title": "② 批次调度数学优化 核心用例",
      "pain": "⚠️ 痛点：制药批次生产与设备排程高度依赖人工经验，工序衔接存在等待浪费，设备利用率与产能难以最大化。",
      "idea": "💡 方案：应用数学优化算法对批次调度与生产计划做全局求解，用运筹学模型替代人工排程，动态分配设备与资源。",
      "steps": "Step 1 — 约束建模：把设备产能、工序依赖、交期等约束抽象为数学规划模型 Step 2 — 优化求解：用运筹优化算法求解最优批次调度方案，最大化设备利用率 Step 3 — 排程下发：将优化结果下发到生产执行系统，驱动现场排程 Step 4 — 动态调整：根据现场实时状态滚动重排，应对插单与异常",
      "key_data": "📊 核心成效：效率↑26%（据WEF披露，批次调度与生产计划的数学优化直接拉动生产率提升）。",
      "tags": [
        "02.03.02",
        "03.03.03"
      ],
      "tech_descs": [
        "以APS高级计划排程系统为载体，把人工排程升级为数据驱动的全局优化调度。",
        "用数学优化算法对批次调度做全局寻优，是WEF披露中\"生产率↑26%\"的直接来源。"
      ],
      "kpis": []
    },
    {
      "num": "③",
      "title": "③ 先进流程控制 核心用例",
      "pain": "⚠️ 痛点：新品导入（NPI）阶段工艺参数调优依赖试错，批量周期长、过产浪费多，工艺稳定性难以保证。",
      "idea": "💡 方案：部署先进流程控制（APC），对关键工艺参数做闭环自动调控，用过程分析技术实时监控并优化批次生产，缩短批量周期。",
      "steps": "Step 1 — 参数建模：识别影响质量与收率的关键工艺参数，建立过程模型 Step 2 — 闭环控制：部署APC控制器，对关键参数做实时闭环自动调控 Step 3 — 过程分析：引入过程分析技术（PAT），在线监测关键质量属性 Step 4 — 批量优化：基于过程数据持续优化，缩短批量周期、减少过产",
      "key_data": "📊 核心成效：批量周期↓17%、生产过剩↓39%。",
      "tags": [
        "02.04.03",
        "01.01.02"
      ],
      "tech_descs": [
        "用APC对工艺参数做实时闭环控制，替代人工调参，把新品导入从\"试错\"变为\"自控\"。",
        "以在线传感器与分析仪实时监测关键质量属性，为闭环控制提供实时、可信的过程数据。"
      ],
      "kpis": []
    },
    {
      "num": "④",
      "title": "④ 工艺数字孪生 核心用例",
      "pain": "⚠️ 痛点：药物活性成分与制剂的工艺条件优化依赖物理实验，周期长、原料消耗大，制造周期动辄数周。",
      "idea": "💡 方案：构建AI驱动的工艺数字孪生，模拟药物物质属性、工艺条件与产品质量之间的关系，在虚拟层优化操作条件；结合连续制造，把制造周期从数周压缩到数小时。",
      "steps": "Step 1 — 机理建模：建立药物物质属性—工艺条件—产品质量的关联模型 Step 2 — 孪生仿真：在数字孪生层模拟不同工艺条件下的收率与质量表现 Step 3 — 连续制造：结合连续制造工艺，打通从原料到成品的连续流生产 Step 4 — 实时优化：用孪生模型持续优化操作条件，减少原料消耗与技术转移需求",
      "key_data": "📊 核心成效：制造周期↓98%（从数周压缩到数小时）。",
      "tags": [
        "03.01.01",
        "05.04.02"
      ],
      "tech_descs": [
        "用数字孪生镜像药物生产工艺，在虚拟层模拟、验证并优化操作条件，再下发执行。",
        "结合连续制造，用产线级数字孪生优化收率与产能，把制造周期从数周压缩到数小时（↓98%）。"
      ],
      "kpis": []
    },
    {
      "num": "?",
      "title": "⑤ 临床阶段预测 核心用例",
      "pain": "⚠️ 痛点：新药研发交付周期长，原料药理化性质与制剂性能的预判依赖大量物理实验，拖慢上市节奏。",
      "idea": "💡 方案：用生成式AI、机器学习与大语言模型做临床阶段预测，优化原料药理化性质预测与制剂性能预判，加速研发交付与注册申报。",
      "steps": "Step 1 — 数据建模：汇聚研发、临床、工艺等多源数据，构建预测模型底座 Step 2 — 性质预测：用机器学习预测原料药理化性质与制剂性能 Step 3 — 配方优化：用生成式AI辅助配方筛选，减少物理实验用料 Step 4 — 注册提效：用AI加速注册申报文件生成，缩短研发交付周期",
      "key_data": "📊 核心成效：新品研发交付周期↓67%（开发周期↓50%、API实验用量↓75%）。",
      "tags": [
        "05.01.01",
        "05.02.01"
      ],
      "tech_descs": [
        "用GenAI与LLM加速药物开发与注册申报，据阿斯利康披露，可缩短开发周期约50%、减少API实验用量约75%。",
        "以大数据分析支撑临床阶段预测，把\"实验驱动\"升级为\"数据+模型驱动\"的新药研发。"
      ],
      "kpis": []
    }
  ],
  "performance_table": [
    {
      "metric": "库存",
      "improvement": "↓23%",
      "domain": "—",
      "tech": "需求预测驱动补货，库存水位下降"
    },
    {
      "metric": "效率",
      "improvement": "↑26%",
      "domain": "—",
      "tech": "批次调度数学优化，设备与产能利用率提升"
    },
    {
      "metric": "制造周期",
      "improvement": "↓98%",
      "domain": "—",
      "tech": "数字孪生+连续制造，从数周压缩到数小时"
    },
    {
      "metric": "批量周期",
      "improvement": "↓17%",
      "domain": "—",
      "tech": "先进流程控制缩短批次生产周期"
    },
    {
      "metric": "生产过剩",
      "improvement": "↓39%",
      "domain": "—",
      "tech": "计划与流程优化，减少过量生产"
    }
  ]
}