灯塔案例｜米其林沈阳轮胎

📋 企业名片

🔖 灯塔编码：23515CN12

企业名称

米其林沈阳轮胎 (Michelin Shenyang Tire)

工厂所在地

中国 · 沈阳

所属行业

流程工业 · 轮胎制造

灯塔类型

单一工厂

入选批次 / 发布日期

第15批 · 2026年01月

核心产品

高端乘用车轮胎（250+种规格，覆盖传统燃油车与新能源汽车）

应用领域

乘用车原配与替换市场、新能源汽车专用轮胎、高性能运动轮胎

🔧 核心案例

1 AI+机器视觉质量检测核心

⚠️ 痛点：轮胎X光和外观检测涉及大量人工，250+种规格切换频繁导致漏检风险高，人工目检一致性难以保证，质量成本居高不下。

💡 方案：基于深度学习的AI视觉系统替代人工目检，实现全规格全流程自动检测

实施路径

Step 1 — 图像采集系统部署：在成型、硫化、X光检验、外观终检等工位部署高分辨率工业相机，对每条轮胎采集多角度高清图像和X光断层影像。
Step 2 — 缺陷库构建与模型训练：积累数万条标注好的轮胎缺陷样本（气泡、杂质、帘线偏移、胎面不平、侧壁缺陷等），训练深度卷积神经网络检测模型。
Step 3 — 在线实时检测上线：AI视觉系统嵌入产线PLC和MES，实时分析每件产品，自动判定合格/不合格并分级处理，实现"秒级检出、零漏放"。
Step 4 — 检测闭环与工艺追溯：检测数据实时回传MES和工艺控制系统，异常批次触发工艺参数自动纠偏，形成"检测→分析→调参→复检"闭环。
Step 5 — 全规格覆盖：从首批高水平规格逐步推广到全部250+种规格，模型持续学习新规格特征。

关键技术

01.03.02 视觉检测 · 基于CNN的轮胎缺陷AI检测

采用深度卷积神经网络（CNN）对X光影像和高清外观图像进行缺陷识别，覆盖气泡、帘线偏移、胎面不平、侧壁气泡等20余类轮胎特有缺陷。模型在产线边缘端直接推理，单件检测时间<2秒。技术栈：深度学习、计算机视觉、边缘计算。

05.01.01 大模型/AI · 自学习质量知识图谱

基于历史检测数据构建轮胎质量知识图谱，将缺陷类型、工艺参数、原材料批次三者关联，AI自动推理缺陷根因并推荐最优工艺参数组合。打个比方：就像给每条轮胎配了一张"数字体检单"，从成型到终检全程可追溯。

📊 核心成效：缺陷率下降36%，全规格全流程100%自动化检测，漏检率趋近于零

2 大数据分析试制优化核心

⚠️ 痛点：250+种规格下频繁试制新配方和模具，传统试制依赖物理打样和反复测试，从设计到量产平均需数周，严重影响新能源汽车轮胎新品上市速度。

💡 方案：大数据分析驱动虚拟试制，将物理试制转变为数据驱动的模拟验证

实施路径

Step 1 — 全域数据整合：打通PLM、ERP、MES、LIMS四大系统，汇聚配方数据、工艺参数、测试记录、原材料批次等全生命周期数据，构建轮胎试制大数据湖。
Step 2 — 工艺仿真模型构建：基于历史试制数据训练机器学习模型，建立配方参数与轮胎性能（耐磨、湿地抓地力、滚动阻力等）之间的映射关系。
Step 3 — 虚拟试制平台上线：新规格配方输入模型后，系统自动预测成品性能并推荐最优配方，减少80%以上的物理打样次数。
Step 4 — 配方知识库构建：将成功配方和失败原因结构化存储，形成可搜索、可复用的轮胎配方知识库，支持新规格快速迭代。
Step 5 — 数字线程贯通：从配方设计→虚拟试制→产线验证→量产切换全链路数字化，实现"一次做对"。

关键技术

05.02.01 大数据分析 · 配方-性能预测模型

基于数万组历史配方和对应的性能测试数据，训练回归和分类模型，实现输入配方参数→预测成品性能的虚拟试制。模型覆盖耐磨、湿地抓地、滚动阻力、噪音等轮胎六大性能维度。技术栈：XGBoost、随机森林、多元回归。

05.01.02 机器学习 · 试制方案推荐引擎

基于协同过滤和知识图谱的推荐系统，当新规格需求输入后，自动匹配历史最相似规格的配方和工艺路线，生成3-5个可行方案并按可信度排序，供工程师选择确认。

📊 核心成效：试制周期缩短51%，新品从设计到量产时间大幅压缩，支持月度新品上线节奏

3 数字化柔性排产核心

⚠️ 痛点：产品规格从数十种激增至250+种后，传统固定批量排产模式导致换模频繁、最小起订量居高不下，新能源汽车轮胎"多品种、小批量"需求无法满足。

💡 方案：AI驱动的数字化柔性排产系统，实现"同线多规格、经济批量"的动态调度

实施路径

Step 1 — 产能数字建模：对每条产线的换模时间、节拍、良率、设备状态进行数字化建模，建立"产线-模具-规格"三维产能矩阵。
Step 2 — 订单需求预测：基于历史订单数据和汽车主机厂预测，训练需求预测模型，提前预判各规格的未来订单量。
Step 3 — 动态排产引擎上线：AI排产算法实时优化"订单优先级×换模成本×交期约束"，自动生成最优排产计划，最小化换模次数。
Step 4 — 快速换模（SMED）升级：数字化排产与SMED（单分钟换模）结合，将换模操作标准化为数字流程，MES自动下发换模SOP，缩短换模时间。
Step 5 — 全链协同：排产计划自动同步到供应链（原材料供应）和物流（成品发货），实现"订单→排产→交付"端到端数字化协同。

关键技术

03.03.03 智能排产 · AI动态调度优化

基于约束满足问题（CSP）和启发式算法的排产引擎，以"最小化换模损失+最大化交期达成率"为多目标优化函数，在250+种规格的复杂约束空间中秒级求解最优排产计划。技术栈：OR-Tools、混合整数规划、遗传算法。

07.01.01 5G工业网络 · 产线状态实时感知

基于5G专网的设备互联，实现产线PLC、传感器、AGV、MES的毫秒级数据同步。排产引擎实时获取设备状态、在制品位置、模具可用性等动态数据，确保排产计划始终与实际状态一致。该工厂已获"国家级5G工厂"认证。

📊 核心成效：最小订单量降低71%，同线支持250+规格柔性切换，订单交期达成率大幅提升

📊 绩效改善总览

指标	改善前	改善后	提升幅度	业务解读
最小订单量	基线	极小批量可接单	↓71%	AI柔性排产打破固定批量约束，小单获利闭环
试制交付周期	基线	大幅缩短	↓51%	大数据虚拟试制替代物理打样，新品快反能力跃升
产品不良率	基线	不良率显著降低	↓36%	AI视觉全检替代人工目检，漏检率趋零
产品规格数量	基线	250+种	↑340%	新能源汽车轮胎需求驱动，数字化支撑多规格并线
数字化方案	—	覆盖全流程	30+项	AI+机器视觉+大数据技术深度融合全流程制造
智能工厂认证	—	灯塔+双国家级	3项	WEF灯塔+国家卓越级智能工厂+国家级5G工厂

🗺️ 技术全景图

01

智能装备

✔️

02

工业软件

✔️

03

智能工厂

✔️

04

智慧供应链

✔️

05

智能赋能技术

✔️

06

智能制造新模式

✔️

07

工业网络

✔️

08

系统安全

·

09

绿色可持续

·

已覆盖（7/9）未涉及 WEF重点技术覆盖率：78%

🔍 可复制性分析

🏢 企业规模

米其林集团全球最大高端乘用车轮胎制造基地

💰 投入规模

30+项数字化解决方案，国家卓越级智能工厂投入

⏱️ 实施周期

持续迭代，从精益制造基础到AI+5G全面数字化

🎯 关键技术门槛

AI视觉检测、大数据虚拟试制、柔性排产、5G工业网

👉 适合什么企业参考

轮胎制造、橡胶制品、汽车零部件等离散-流程混合制造企业，尤其适合产品SKU多、换模频繁、新能源市场需求迭代快的场景

🏭 行业对标视角

国标分类路径：制造业 → 橡胶和塑料制品业 → 轮胎制造（GB/T 2911）

📌 中国首家乘用车轮胎领域灯塔工厂，填补行业空白，标志着中国轮胎制造智能化进入全球领先行列

华峰重庆氨纶第15批 · 流程工业
苏州昆岭薄膜工业第15批 · 流程工业
江苏悦达棉纺第15批 · 纺织

💡 轮胎智造的"柔性天花板"：米其林沈阳以"数据驱动+智能赋能"模式，在250+种规格的极端复杂度下实现了71%的最小订单降幅。它的核心启示是：轮胎行业的数字化转型，不是简单的"机器换人"，而是从"能做大批量"到"能做好小批量"的底层逻辑重构——这对所有面临SKU爆炸式增长的制造企业都是关键一课。

💬 互动

面对SKU从几十种暴增到250+种，你们工厂的排产系统还能撑住吗？

👇 欢迎分享你所在行业的"多品种小批量"转型经历

📊

灯塔名录

回复【名录】获取完整名单

🔍

灯塔案例

回复【分析+企业名】

🦞

灯塔虾评

回复【自测】评估差距