{
  "code": "17712SG07",
  "factory_name": "可口可乐新加坡大士湾",
  "batch": 12,
  "type": "单一",
  "country": "新加坡",
  "city": "新加坡 · 大士湾",
  "province": "大士湾",
  "wef_industry": "",
  "gbt_code": "",
  "gbt_industry": "饮料制造（食品饮料）",
  "release_date": "2024年10月",
  "quote": "面对亚太24个市场每周数百个浓缩液订单的复杂需求，可口可乐新加坡大士湾工厂部署ML需求预测、动态排产算法、视觉协作机器人与AGV仿真，吞吐量提升28%、劳动生产率提升70%、库存短缺下降80%、准时交付率提升31%、Scope2排放下降34%",
  "use_cases": [
    {
      "num": "①",
      "title": "① ML需求预测和一体化数字工具 核心用例",
      "pain": "⚠️ 痛点：工厂面向亚太24个市场供应浓缩液，每周接收数百个区域订单，SKU配方组合繁多，传统人工需求预测难以跟上增长节奏，导致库存短缺与交付延迟",
      "idea": "💡 方案：部署机器学习(ML)需求预测模型与一体化数字工具，将需求预测与生产调度联动，实现「预测—排产—生产」端到端协同",
      "steps": "Step 1 — 数据汇聚：打通各区域订单系统、历史销售与发货数据，构建统一的需求数据底座 Step 2 — ML建模：训练机器学习需求预测模型，融合季节性、促销、区域增长等特征，输出滚动预测 Step 3 — 一体化数字工具：将预测结果接入排产与库存系统，形成一体化数字工具链，自动生成补货与生产建议 Step 4 — 闭环校准：持续比对预测与实际偏差，回传修正模型，滚动提升预测准确性",
      "key_data": "📊 核心成效：3个月预测准确性提升47%，库存短缺下降80%、准时交付率(OTIF)提升31%",
      "tags": [
        "04.02.03",
        "05.01.02",
        "05.02.01"
      ],
      "tech_descs": [
        "基于机器学习的需求预测模型，融合订单、历史销售与市场特征，替代人工经验判断，显著提升中长期预测准确性",
        "机器学习算法自动捕捉需求的时间序列规律与多维关联，支持多区域、多SKU的并行预测",
        "汇聚数百个区域订单的历史数据，进行大规模数据分析，为预测模型提供高质量训练样本"
      ],
      "kpis": []
    },
    {
      "num": "②",
      "title": "② 用于生产调度的先进算法 核心用例",
      "pain": "⚠️ 痛点：浓缩液生产配方复杂、换产频繁，人工排产需耗费数天时间，难以应对订单碎片化与快速切换的挑战",
      "idea": "💡 方案：与新加坡科技研究局(A*STAR)及本地集成商PD Solutions联合开发动态调度器，用定制化先进算法自动完成生产排程",
      "steps": "Step 1 — 约束建模：梳理配方、设备、换产时间、物料等排产约束，建立调度问题模型 Step 2 — 算法开发：联合A*STAR与PD Solutions开发定制化调度算法，自动求解多约束下的最优排产方案 Step 3 — 动态调度落地：将动态调度器接入生产执行系统，实时响应订单变化与生产异常 Step 4 — 全球复制：该动态调度工具已在可口可乐全球网络推广部署，成为可复制的标准化方案",
      "key_data": "📊 核心成效：排产时间从数天缩短至不足1小时，劳动生产率提升76%",
      "tags": [
        "02.03.01",
        "02.03.02",
        "03.03.03"
      ],
      "tech_descs": [
        "制造执行系统(MES)承接调度结果并下发至产线，实现排产计划与现场执行的实时联动",
        "高级计划与排程(APS)系统内置定制算法，在产能、物料、换产等多约束下自动生成最优排产序列",
        "先进调度算法将排产时间从数天压缩至不足1小时，大幅提升对订单变化的响应速度与产线利用率"
      ],
      "kpis": []
    },
    {
      "num": "③",
      "title": "③ ML视觉系统抓取放置 核心用例",
      "pain": "⚠️ 痛点：粉末原料袋尺寸规格不一，传统机器难以区分，工人需重复搬运重物，劳动强度大且存在安全隐患",
      "idea": "💡 方案：与A*STAR及本地公司Kowa Skymech联合开发视觉检测协作机器人，用先进算法实时调整抓取位姿，安全准确抓取不同尺寸原料袋",
      "steps": "Step 1 — 视觉识别：部署机器视觉系统，快速识别并定位不同尺寸的粉末原料袋 Step 2 — 算法调姿：先进算法实时计算机器人抓取位置与姿态，确保精准抓取 Step 3 — 人机协同：协作机器人与人协同作业，接管重复性搬运任务，降低劳动强度 Step 4 — 安全防护：内置安全机制，保障人机混合作业场景下的安全",
      "key_data": "📊 核心成效：机器人臂精准抓取不同规格原料袋，大幅降低工人重复搬运劳动，保障产线连续作业",
      "tags": [
        "01.02.02",
        "01.03.02",
        "05.01.02"
      ],
      "tech_descs": [
        "协作机器人(cobot)具备力控与安全特性，与人协同完成抓取放置作业，接管重复性搬运",
        "视觉检测系统识别不同尺寸粉末原料袋的位姿与位置，为机器人提供精准抓取目标",
        "机器学习算法根据视觉信息实时调整机器人抓取位置与角度，实现不同规格物料的自适应抓取"
      ],
      "kpis": []
    },
    {
      "num": "④",
      "title": "④ AGV仿真优化物料搬运 核心用例",
      "pain": "⚠️ 痛点：厂内物料搬运依赖人工叉车，效率瓶颈明显，且长距离搬运存在安全隐患，制约整体吞吐量提升",
      "idea": "💡 方案：部署自动导引车(AGV/自动叉车)，通过仿真优化AGV行驶路径与物料搬运流程，实现厂内物流自动化",
      "steps": "Step 1 — 场景仿真：建立厂内物流仿真模型，模拟AGV运行路径与调度策略 Step 2 — 路径优化：通过仿真迭代优化AGV行驶路径，减少拥堵与空驶 Step 3 — AGV部署：部署自动叉车/AGV，根据实际工况动态调整行驶路线 Step 4 — 人车协同：AGV与人工叉车协同作业，逐步替代高频重复搬运环节",
      "key_data": "📊 核心成效：AGV吞吐量提升92%，人工叉车使用量下降33%",
      "tags": [
        "01.04.01",
        "03.01.01",
        "03.04.03"
      ],
      "tech_descs": [
        "自动导引车(AGV)根据实时调度自主规划路线，取代人工叉车完成厂内物料搬运",
        "通过数字孪生/仿真技术对物料搬运流程建模，在虚拟环境反复验证与优化AGV调度方案后再落地",
        "物流优化算法统筹AGV任务分配与路径规划，减少空驶与等待，提升整体物流效率"
      ],
      "kpis": []
    },
    {
      "num": "?",
      "title": "⑤ 认知维护AI顾问 核心用例",
      "pain": "⚠️ 痛点：设备维护高度依赖资深技师经验，缺乏预测性维护能力，非计划停机影响产线稳定性与维护效率",
      "idea": "💡 方案：部署认知维护AI顾问，基于设备运行数据与维护知识库，提供智能诊断与预测性维护建议，赋能一线维护团队",
      "steps": "Step 1 — 知识沉淀：将设备手册、维护记录、故障案例等知识结构化，构建维护知识库 Step 2 — 数据接入：接入设备传感器与运行数据，实时监测设备健康状态 Step 3 — AI顾问赋能：认知AI顾问结合知识与数据，为技师提供故障诊断与维护建议 Step 4 — 预测性维护：基于退化模型提前预警潜在故障，自动生成维护工单，减少非计划停机",
      "key_data": "📊 核心成效：维护生产率提升21%",
      "tags": [
        "05.01.01",
        "05.01.04",
        "08.02.01"
      ],
      "tech_descs": [
        "认知AI顾问融合知识库与实时数据，以对话式交互辅助技师快速定位并解决设备问题",
        "基于设备退化趋势提前预警故障，实现「未坏先修」，减少非计划停机与维护成本",
        "设备健康监测与预测性维护(可靠性维度)相结合，提升设备综合效率与使用寿命"
      ],
      "kpis": []
    }
  ],
  "performance_table": [
    {
      "metric": "3个月预测准确性",
      "improvement": "+47%",
      "domain": "显著提升",
      "tech": "ML需求预测模型替代人工经验判断，需求预测准确性大幅提升，减少库存错配"
    },
    {
      "metric": "吞吐量",
      "improvement": "+28%",
      "domain": "提升28%",
      "tech": "动态排产+AGV+视觉机器人多措并举，产线综合吞吐能力显著增强"
    },
    {
      "metric": "劳动生产率",
      "improvement": "+76%",
      "domain": "提升76%",
      "tech": "自动化接管重复性搬运与排产任务，人效大幅提升"
    },
    {
      "metric": "AGV吞吐量",
      "improvement": "+92%",
      "domain": "提升92%",
      "tech": "仿真优化路径+自动导引车替代人工叉车，厂内物流效率近乎翻倍"
    },
    {
      "metric": "维护生产率",
      "improvement": "+21%",
      "domain": "提升21%",
      "tech": "认知维护AI顾问赋能一线技师，故障诊断与维护效率提升"
    }
  ]
}