# 灯塔案例 | 可口可乐新加坡大士湾

> 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%
>
> 第12批 · 2024年10月 · 单一灯塔

## 企业名片

| 字段 | 值 |
|------|------|
| 灯塔编码 | 17712SG07 |
| 企业名称 | 可口可乐新加坡大士湾 |
| 所在地 | 新加坡 · 新加坡 · 大士湾 |
| 行业 |  · 饮料制造（食品饮料） (GBT ) |
| 灯塔类型 | 单一 |

---

## 5大核心案例

### ① ① ML需求预测和一体化数字工具 核心用例

**业务痛点：** ⚠️ 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

**解决思路：** 💡 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

**实施路径：** 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

**关键数据：** 📊 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%

**技术标签：** 04.02.03 | 05.01.02 | 05.02.01


---

### ② ② 用于生产调度的先进算法 核心用例

**业务痛点：** ⚠️ 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

**解决思路：** 💡 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

**实施路径：** 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

**关键数据：** 📊 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%

**技术标签：** 02.03.01 | 02.03.02 | 03.03.03


---

### ③ ③ ML视觉系统抓取放置 核心用例

**业务痛点：** ⚠️ 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

**解决思路：** 💡 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

**实施路径：** 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

**关键数据：** 📊 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

**技术标签：** 01.02.02 | 01.03.02 | 05.01.02


---

### ④ ④ AGV仿真优化物料搬运 核心用例

**业务痛点：** ⚠️ 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

**解决思路：** 💡 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

**实施路径：** 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

**关键数据：** 📊 核心成效：AGV吞吐量提升92%，人工叉车使用量下降33%

**技术标签：** 01.04.01 | 03.01.01 | 03.04.03


---

### ? ⑤ 认知维护AI顾问 核心用例

**业务痛点：** ⚠️ 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

**解决思路：** 💡 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

**实施路径：** 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

**关键数据：** 📊 核心成效：维护生产率提升21%

**技术标签：** 05.01.01 | 05.01.04 | 08.02.01


---

## 绩效改善总览

| 指标 | 改善 | 领域 | 技术 |
|------|------|------|------|
| 3个月预测准确性 | +47% | 显著提升 | 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 |
| 吞吐量 | +28% | 提升28% | 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 |
| 劳动生产率 | +76% | 提升76% | 自动化接管重复性搬运与排产任务，人效大幅提升 |
| AGV吞吐量 | +92% | 提升92% | 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 |
| 维护生产率 | +21% | 提升21% | 认知维护AI顾问赋能一线技师，故障诊断与维护效率提升 |