第10批 (2023.01) — 21座工厂 (含3座可持续) | Batch 10 (2023.01) — 21 Factories (incl. 3 Sustainability)

WEF全球灯塔网络 · 累计132座 | WEF Global Lighthouse Network · 132 total

按WEF新闻稿原文顺序 — 扁平列表 | Ordered by WEF Press Release — flat list (alphabetical)

工厂列表 (16字段) — 按WEF新闻稿顺序 | Factory List (16 fields) — by WEF Press Release order

#编码总序批批内序国家码国家工厂名称企业英文名城市省份WEF行业GB/T码GB/T行业名类型发布日期
112410CN011241001CN中国台湾日月光半导体高雄ASE Kaohsiung高雄电子半导体3973半导体封装测试单一
212510TR021251002TR土耳其博世布尔萨Bosch Bursa布尔萨先进工业3670汽车零部件及配件制造单一
312610IN031261003IN印度CEAT哈洛尔CEAT Halol哈洛尔先进工业2910轮胎制造单一
412710IE041271004IE爱尔兰可口可乐巴利纳Coca-Cola Ballina巴利纳食品饮料1521碳酸饮料制造单一
512810CN051281005CN中国富士康工业互联网深圳(二)Foxconn Industrial Internet Shenzhen II深圳广东先进工业3962电子设备制造单一
612910CN061291006CN中国海尔合肥Haier Hefei合肥安徽消费品行业3851家用电力器具制造单一
713010CN071301007CN中国华谊新材料上海Huayi New Material Shanghai上海上海流程工业2651涂料及新材料制造单一
813110IN081311008IN印度强生消费者健康穆隆德J&J Consumer Health Mulund穆隆德医药医疗2720卫生材料及医药用品制造单一
913210CN091321009CN中国联想合肥Lenovo Hefei LCFC合肥安徽先进工业3911计算机制造单一
1013310US101331010US美国LG电子克拉克斯维尔LG Electronics Clarksville克拉克斯维尔消费品行业3851家用电力器具制造单一
1113410DE111341011DE德国MantaMESHMantaMESH Fröttstädt弗勒特施泰特先进工业3961电子元件制造单一
1213510CN121351012CN中国亿滋国际苏州Mondelēz Suzhou苏州江苏食品饮料1451食品制造单一
1313610JP131361013JP日本宝洁高崎P&G Takasaki高崎消费品行业2681日用化学产品制造单一
1413710BR141371014BR巴西联合利华因达亚图巴Unilever Indaiatuba因达亚图巴消费品行业2681日用化学产品制造单一
1513810CN151381015CN中国联合利华天津Unilever Tianjin天津天津消费品行业2681日用化学产品制造单一
1613910PH161391016PH菲律宾西部数据拉古纳Western Digital Laguna拉古纳数据存储3973存储设备制造单一
1714010TH171401017TH泰国西部数据邦巴因Western Digital Bang Pa-in邦巴因数据存储3973存储设备制造单一
1814110CN181411018CN中国纬创中山Wistron Zhongshan中山广东先进工业3962电子计算机制造单一
1914210BR191421019BR巴西伟创力索罗卡巴Flex Sorocaba索罗卡巴先进工业3962电子设备制造可持续
2014310CN201431020CN中国海尔天津洗衣机Haier Tianjin Washer天津天津消费品行业3851家用电力器具制造可持续
2114410DE211441021DE德国西门子安贝格Siemens Amberg安贝格先进工业3891电气器材制造可持续

案例研究 & KPI — 按WEF新闻稿顺序 | Case Studies & KPI — by WEF Press Release order

1. 日月光半导体高雄 (中国台湾)

变革故事 | Change Story: 为在日趋复杂的生产环境（超过100道工序）中提高生产力、缩短交货周期，日月光的高雄凸块工厂在从检测到调度的多个环节部署了多项AI应用。最终，该厂产量提高了67%，质量成本降低了100%，交付时间缩短了39%。
产量 ↑67%，质量成本 ↓100%，交付 ↓39% | Output +67%, Quality cost ↓100%, Delivery ↓39%

核心用例 | Core Use Cases

  • 人工智能驱动的光学检测 | AI-driven optical inspection
  • 自动化虚拟测量 | Automated virtual measurement
  • 智能良率管理平台 | Smart yield management platform
  • 智能调度系统 | Smart scheduling system
  • 增强现实赋能的厂区安全巡视管理 | AR-enabled plant safety patrol management

KPI绩效 | KPI Performance

  • 废品成本 ↓67% | Scrap cost ↓67%
  • 产量 ↑14% | Output ↑14%
  • 等待澄清问题时间 ↓78% | Clarification wait time ↓78%
  • 按时交付 ↑4.5% | On-time delivery ↑4.5%
  • 检测时间 ↓100% | Inspection time ↓100%

2. 博世汽车布尔萨 (土耳其)

变革故事 | Change Story: 为了确保氢燃料电池等新产品的资金投入和资源保障，博世布尔萨工厂需要进一步加强其成本优势。通过部署水力侵蚀闭环管理等人工智能用例，并对全员开展技能培训，其单位制造成本降低了9%，OEE也在原有优化的基础上提高了9%。
单位制造成本 ↓9%，OEE ↑9% | Unit mfg cost ↓9%, OEE +9%

核心用例 | Core Use Cases

  • 车间现场的异常检测引擎 | Shopfloor anomaly detection engine
  • 人工智能驱动的涂层缺陷光学检测 | AI-driven optical inspection for coating defects
  • 加工工装寿命监测系统 | Tool life monitoring system
  • 人工智能驱动的水力侵蚀过程控制 | AI-driven hydro-erosion process control
  • 基于数字报警的物流 | Digital alarm-based logistics

KPI绩效 | KPI Performance

  • 设备综合效率 ↑30pp | OEE ↑30pp
  • 生产效率 ↑12% | Production efficiency ↑12%
  • 工装成本 ↓10% | Tooling cost ↓10%
  • 缺陷率 ↓50% | Defect rate ↓50%
  • 库存 ↓23% | Inventory ↓23%

3. CEAT哈洛尔 (印度)

变革故事 | Change Story: 为了捕获更多市场份额，CEAT需要使用更加环保的材料并满足严格的工艺规范要求。通过高级分析技术优化周期时间、操作员触点数字化等第四次工业革命用例，CEAT的哈洛尔工厂将周期时间缩短20%，工艺废品减少46%，能耗降低15%，两年内出口与OEM销售提升至原来的2.5倍。
周期 ↓20%，工艺废品 ↓46%，能耗 ↓15%，出口+OEM 2.5x | Cycle ↓20%, Waste ↓46%, Energy ↓15%, Export+OEM 2.5x

核心用例 | Core Use Cases

  • 混合阶段基于先进分析的周期时间优化 | Advanced analytics for mixing stage cycle time optimization
  • 热压阶段物联网赋能的动态加热过程控制 | IoT-driven dynamic heating process control at curing stage
  • 通过预测分析优化压缩空气 | Predictive analytics for compressed air optimization
  • 数字化赋能的废品监测与内置的根因分析平台 | Digital-enabled scrap monitoring with root cause analysis
  • 机器学习驱动的轮胎库存管理可视化分析 | ML-driven visual analytics for tire inventory management

KPI绩效 | KPI Performance

  • 周期时间(瓶颈) ↓20% | Cycle time (bottleneck) ↓20%
  • 蒸汽消耗率 ↓20% | Steam consumption rate ↓20%
  • 空气消耗率 ↓25% | Air consumption rate ↓25%
  • 废品总量 ↓46% | Total scrap ↓46%
  • 按时足额交付(OTIF) ↑29% | OTIF ↑29%

4. 可口可乐巴利纳 (爱尔兰)

变革故事 | Change Story: 巴利纳工厂是可口可乐公司最大的浓缩液厂，为68个国家提供超过3500个SKU。为了实现增长，加码韧性，并满足多元产品组合的要求，该工厂部署了数字和分析用例，使成本效率提高了16%，生产力提高了15%，SKU组合扩大了30%，其工业4.0规模化转型速度在17家工厂中首屈一指。
成本效率 ↑16%，生产力 ↑15%，SKU组合 ↑30% | Cost efficiency +16%, Productivity +15%, SKU mix +30%

核心用例 | Core Use Cases

  • 生产和灌装的综合数字排程 | Integrated digital scheduling for production and filling
  • 数字化绩效管理 | Digital performance management
  • 通过数据分析减少榨汁生产周期时间 | Data analytics for juice production cycle time reduction
  • 基于机器学习的灌装线工艺参数优化 | ML-based filling line process parameter optimization
  • 由物联网和自动化支持的'饮料即服务' | IoT and automation-enabled 'Beverage as a Service'

KPI绩效 | KPI Performance

  • 订单处理 ↓11% | Order processing ↓11%
  • 设备综合效率 ↑53% | OEE ↑53%
  • 批次周期时间 ↓17% | Batch cycle time ↓17%
  • 平均周期时间 ↓15% | Average cycle time ↓15%
  • 交货短缺 ↓15% | Delivery shortage ↓15%

5. 富士康工业互联网深圳(二) (中国)

变革故事 | Change Story: 为了快速发布新款智能手机，满足消费者对产品质量的高要求，工业富联规模化部署了37个第四次工业革命用例，加快产品推出速度、大幅提升产能，并实现智能批量生产。最终，新产品推出速度加快29%，产能提升速度加快50%，质量不合格率降低56%，制造成本节省30%。
新品推出 ↑29%，产能 ↑50%，不合格率 ↓56%，成本节省 30% | NPI +29%, Capacity +50%, Defect rate ↓56%, Cost ↓30%

核心用例 | Core Use Cases

  • 人工智能驱动的新产品推出 | AI-driven new product introduction
  • 下一代熄灯数控车间 | Next-gen lights-out CNC workshop
  • 具有先进控制功能的自主式阳极氧化处理 | Autonomous anodizing with advanced control
  • 高精度的自动化质量检测 | High-precision automated quality inspection
  • 多工厂对标和能力优化 | Multi-factory benchmarking and capability optimization

KPI绩效 | KPI Performance

  • 新产品推出时间 ↓29% | NPI time ↓29%
  • 劳动效率 ↑313% | Labour efficiency ↑313%
  • 直通率 ↑16pp | First-pass yield ↑16pp
  • 直接劳动力 ↓54% | Direct labour ↓54%
  • 在制品库存 ↓59% | WIP inventory ↓59%

6. 海尔合肥 (中国)

变革故事 | Change Story: 随着供应商网络的不断扩大，为了应对产品多样性、交付时间和产品质量的挑战，该工厂利用定制化的工业物联网平台，在供应网络、研发、制造和客户服务等领域部署了18个不同的第四次工业革命技术用例，旨在加速人工智能、机器视觉和先进分析技术的大规模应用，最终将订单交付时间缩短了一半，并将现场缺陷率降低了33%。
订单交付 ↓50%，现场缺陷率 ↓33% | Order delivery ↓50%, Field defect rate ↓33%

核心用例 | Core Use Cases

  • 工业物联网赋能的资源优化和供应风险预测 | IIoT-enabled resource optimization and supply risk prediction
  • 设计故障检测加速与基于航空技术的优化 | Design fault detection acceleration and aviation-based optimization
  • 高级分析支持的生产线平衡和操作员调度 | Advanced analytics for line balancing and operator scheduling
  • 自适应光学检测 | Adaptive optical inspection
  • '一键修复'：一键自动解决售后根因问题 | 'One-click fix': automatic after-sales root cause resolution

KPI绩效 | KPI Performance

  • 按时交付 ↑6% | On-time delivery ↑6%
  • 质量故障损失率 ↓75% | Quality fault loss rate ↓75%
  • 劳动效率 ↑30% | Labour efficiency ↑30%
  • 检测效率 ↑67% | Inspection efficiency ↑67%
  • 现场缺陷率 ↓33% | Field defect rate ↓33%

7. 华谊新材料上海 (中国)

变革故事 | Change Story: 为应对30%的产能过剩及因市场波动而导致的成本上升等外部挑战，上海华谊新材料部署了28个第四次工业革命用例，如机器学习赋能的流程优化和人工智能赋能的安全管理。最终，劳动生产率提高了33%，转换成本降低了20%，能耗降低了31%，且实现可记录事故'零报告'。
劳动生产率 ↑33%，转换成本 ↓20%，能耗 ↓31%，事故归零 | Labour productivity +33%, Conversion cost ↓20%, Energy ↓31%, Zero recordable incidents

核心用例 | Core Use Cases

  • 数字化赋能的全价值链利润优化 | Digitally-enabled full value chain profit optimization
  • 机器学习赋能的化学反应器优化 | ML-empowered chemical reactor optimization
  • 工业物联网赋能的设备监测和故障诊断 | IIoT-enabled equipment monitoring and fault diagnosis
  • 人工智能赋能的安全管理 | AI-enabled safety management
  • 基于高级分析技术实现蒸汽网络优化 | Advanced analytics for steam network optimization

KPI绩效 | KPI Performance

  • 库存周转率 ↑15% | Inventory turnover ↑15%
  • 材料浪费 ↓22% | Material waste ↓22%
  • 设备综合效率 ↑10% | OEE ↑10%
  • 整体可记录事故率 ↓100% | Total recordable incident rate ↓100%
  • 蒸汽消耗 ↓38% | Steam consumption ↓38%

8. 强生消费者医疗穆隆德 (印度)

变革故事 | Change Story: 面对高度分散和复杂的经销商和供应商网络，强生穆兰得工厂部署了需求传感、智能物流、机器人和3D打印等第四次工业革命解决方案。最终，该工厂减少了66%的OTIF损失，将新产品引进周期缩短了33%，并将单件成本降低了34%。
OTIF损失 ↓66%，新品引进 ↓33%，单件成本 ↓34% | OTIF loss ↓66%, NPI cycle ↓33%, Unit cost ↓34%

核心用例 | Core Use Cases

  • 基于人工智能/机器学习的需求感应和库存补给方案 | AI/ML-based demand sensing and inventory replenishment
  • 智能物流提升敏捷性和实时可见性 | Smart logistics for agility and real-time visibility
  • 机器人技术促进敏捷产品开发 | Robotics for agile product development
  • 3D打印实现敏捷新产品引进 | 3D printing for agile NPI
  • 预见性维护提高资产可靠性 | Predictive maintenance for asset reliability

KPI绩效 | KPI Performance

  • 按时足额交付 ↑4.5pp | OTIF ↑4.5pp
  • 卡车利用率 ↑14pp | Truck utilization ↑14pp
  • 产品开发测试准备时间 ↓87% | Product dev test prep time ↓87%
  • 设计迭代准备时间 ↓92% | Design iteration prep time ↓92%
  • 非计划机器停工时间 ↓50% | Unplanned machine downtime ↓50%

9. 联想合肥 (中国)

变革故事 | Change Story: 联想合肥工厂是全球最大的单体PC工厂。面对激烈的成本和质量竞争、显著的需求波动和日益增长的产品定制化需求，该工厂部署了30多个第四次工业革命柔性自动化和高级分析用例，将劳动生产率提升了45%，供应商质量问题减少了55%，同时每天处理大量小批量客户订单，其中80%是5台以下的小订单。
劳动生产率 ↑45%，供应商质量 ↓55%，80%订单≤5台 | Labour productivity +45%, Supplier quality ↓55%, 80% orders ≤5 units

核心用例 | Core Use Cases

  • 基于人工智能的端到端生产计划和调度 | AI-based end-to-end production planning and scheduling
  • 智能劳动力规划和优化 | Smart workforce planning and optimization
  • 基于人工智能的'云'端到端供应质量管理 | AI-based cloud E2E supply quality management
  • 熄灯柔性装配测试自动化 | Lights-out flexible assembly and test automation
  • 智能瓶颈识别和闭环问题解决 | Smart bottleneck identification and closed-loop problem solving

KPI绩效 | KPI Performance

  • 平均计划订单 ↑20% | Average planned orders ↑20%
  • 工时利用率 ↑31% | Labour hour utilization ↑31%
  • 供应质量废品率 ↓55% | Supply quality scrap rate ↓55%
  • 换线时间 ↓80% | Changeover time ↓80%
  • 单位人时产能(UPPH) ↑30% | UPPH ↑30%

10. LG电子克拉克斯维尔 (美国)

变革故事 | Change Story: 为了更加贴近客户，LG在两年前建立了美国工厂，但很快遇到了人力资源风险和生产能力不足等问题。为了克服这些挑战，LG应用了深度学习、自动化和数字化转型等第四次工业革命技术。最终，LG美国工厂的销售额增长了68%，净利润增长了703%，巩固了其战略性生产基地的地位。
销售额 ↑68%，净利润 ↑703% | Sales +68%, Net profit +703%

核心用例 | Core Use Cases

  • 产品设计自动化 | Product design automation
  • 虚拟产品性能验证 | Virtual product performance verification
  • 智能注塑系统 | Smart injection molding system
  • 使用AGV的无人驾驶物流系统 | AGV-based driverless logistics system
  • 通过部署人工智能自动化识别技术实现零质量缺陷 | AI automated recognition for zero quality defects

KPI绩效 | KPI Performance

  • 产品开发时间 ↓30% | Product development time ↓30%
  • 现场故障率 ↓61% | Field failure rate ↓61%
  • 设备综合效率 ↑21% | OEE ↑21%
  • 生产能力 ↑25% | Production capacity ↑25%
  • 过程缺陷率 ↓43% | Process defect rate ↓43%

11. MantaMESH (德国)

变革故事 | Change Story: 大宗商品市场竞争激烈，对中小企业而言，保持成本领先是竞争的关键。位于弗勒特施泰特的MantaMESH工厂率先自行开发了一个可持续的4IR在线制造商业模式，以实现客户订单的自动履行。基于数字技术，系统能够自动在线处理所有订单，并将相关信息实时传输到智能制造工厂。最终，客户活动增加了261%，产量增加了73%，每公斤产量的能耗减少了32%。
客户活动 ↑261%，产量 ↑73%，单位能耗 ↓32% | Customer activity +261%, Output +73%, Unit energy ↓32%

核心用例 | Core Use Cases

  • 具有实时用户行为分析的自助式B2B客户门户网站 | Self-service B2B customer portal with real-time user behavior analytics
  • 在线产品设计和订购系统产生可供机器使用的数据 | Online product design and ordering system generating machine-readable data
  • 联网的数字化柔性制造 | Connected digital flexible manufacturing
  • 数字化性能监控 | Digital performance monitoring
  • 自动发票开具、支付和收款系统 | Automated invoicing, payment and collection system

KPI绩效 | KPI Performance

  • 交易数量 ↑238% | Transaction volume ↑238%
  • 报价到订购时间 ↓99% | Quote-to-order time ↓99%
  • 换线时间 ↓99% | Changeover time ↓99%
  • 劳动效率 ↑53% | Labour efficiency ↑53%
  • 应收账款天数 ↓80% | Days sales outstanding ↓80%

12. 亿滋国际苏州 (中国)

变革故事 | Change Story: 为了让中国零售渠道增长3倍，门店覆盖率从200万增加到400万，并克服来自劳动力和物流的两位数通胀挑战，亿滋苏州工厂对多个第四次工业革命解决方案进行了投入。最终，该工厂成功将线性供应链转变为综合供应生态系统，将OTIF提高了18%，交货时间减少了32%，并最终将亿滋的市场份额从23.4%增加到28.3%。
OTIF ↑18%，交货 ↓32%，市场份额 +4.9pp | OTIF +18%, Delivery ↓32%, Market share +4.9pp

核心用例 | Core Use Cases

  • 数字化赋能的客户持续补货系统 | Digitally-enabled continuous customer replenishment
  • 物联网赋能的智能物流/仓库平台 | IoT-enabled smart logistics/warehouse platform
  • 机器学习驱动的奥利奥产品先进过程控制 | ML-driven advanced process control for Oreo
  • 熄灯烘焙车间 | Lights-out baking workshop
  • 数字技术赋能的端到端卓越材料供应 | Digital-enabled end-to-end material supply excellence

KPI绩效 | KPI Performance

  • 货架供货情况 ↑17pp | Shelf availability ↑17pp
  • 仓库吞吐量 ↑50% | Warehouse throughput ↑50%
  • 质量缺陷 ↓78% | Quality defects ↓78%
  • 生产转换成本 ↓32% | Production conversion cost ↓32%
  • 材料供应按时足额交付 ↑2.5pp | Material OTIF ↑2.5pp

13. 宝洁高崎 (日本)

变革故事 | Change Story: 面对年均2%-3%的业务增长率和有限的工厂扩张潜力，宝洁高崎工厂在端到端价值链（从研发到客户）部署了数据流整合、数字孪生、机器学习等第四次工业革命技术。如今，该工厂已成功将新产品准备时间缩短了72%，将试用的停工天数减少了21%，并将客户的订单范围扩大至原来的14倍。
新品准备 ↓72%，停工 ↓21%，订单范围 14x | NPI prep ↓72%, Downtime ↓21%, Order scope 14x

核心用例 | Core Use Cases

  • 线性回归模型助力优化过剩库存 | Linear regression model for excess inventory optimization
  • 通过数字骨干实现数据互联，加速配方变更执行 | Digital backbone for data connectivity and accelerated formula change execution
  • 利用数字孪生和过程建模与仿真缩短研发中的鉴定试验 | Digital twin and process modeling for R&D qualification trial reduction
  • 用于工作流程优化和提高仓库空间利用率的RPA | RPA for workflow optimization and warehouse space utilization
  • 利用机器学习提高预测准确性并缩短订单准备时间 | ML for prediction accuracy and order prep time reduction

KPI绩效 | KPI Performance

  • 库存废品 ↓57% | Inventory waste ↓57%
  • 人工劳动时间 ↓92% | Manual labour time ↓92%
  • 配方变更研发准备时间 ↓72% | Formula change R&D prep time ↓72%
  • 内部仓库利用率 ↑16% | Internal warehouse utilization ↑16%
  • 仓库空间 ↓31% | Warehouse space ↓31%

14. 联合利华因达亚图巴 (巴西)

变革故事 | Change Story: 联合利华因达亚图巴工厂是世界上最大的粉末洗涤剂工厂，在全球范围内生产力排名第一，成本排名第二。此外，该工厂也是联合利华温室气体排放量最大的工厂。面对市场规模的不断缩小，该工厂部署了数字孪生和人工智能等用例，以提高成本领先优势，加快产品上市速度，并最小化对环境的影响。最终，联合利华因达亚图巴工厂将新产品准备时间缩短了33%，每吨生产成本降低了23%，并几乎消除了温室气体排放。
新品准备 ↓33%，每吨成本 ↓23%，GHG接近消除 | NPI prep ↓33%, Cost/ton ↓23%, GHG near zero

核心用例 | Core Use Cases

  • 数字孪生技术快速实现产品创新 | Digital twin for rapid product innovation
  • 使用生物质能的机器学习喷雾干燥塔 | ML-enabled spray dryer using biomass
  • 依托数字技术实现完美密封，消除长期质量缺陷隐患 | Digital technology for perfect sealing to eliminate legacy quality defects
  • 利用人工智能对气动装置的生命周期管理进行预见性维护 | AI-based life cycle management for pneumatic device predictive maintenance
  • 端到端智能供应链分配实现直接发货 | End-to-end smart supply chain allocation for direct shipping

KPI绩效 | KPI Performance

  • 创新准备时间 ↓33% | Innovation prep time ↓33%
  • CO₂排放(范围1) ↓96% | CO₂ emissions (Scope 1) ↓96%
  • 因渗漏引起的客户投诉 ↓94% | Leakage-related complaints ↓94%
  • 维护成本 ↓45% | Maintenance cost ↓45%
  • 分销成本 ↓15% | Distribution cost ↓15%

15. 联合利华天津 (中国)

变革故事 | Change Story: 过去三年，新冠疫情为餐饮业带来了诸多不确定性，通过部署30多个第四次工业革命用例，包括量身定制的全天候数字化销售、最优的端到端高级规划和人工智能赋能的质量保障，联合利华加快了在低线城市的市场渗透。最终，服务的客户数量增加了100%，交货时间缩短了40%，客户投诉减少了62%。
客户数 ↑100%，交货 ↓40%，投诉 ↓62% | Customers +100%, Delivery ↓40%, Complaints ↓62%

核心用例 | Core Use Cases

  • 智能销售协助目标客户的探索与服务 | Smart sales assistance for customer exploration and service
  • 人工智能赋能的端到端最佳订单执行平台 | AI-enabled E2E optimal order execution platform
  • 支持同步计划和自动订单分配的端到端供应商整合 | E2E supplier integration for synchronized planning and auto order allocation
  • 参数闭环优化的人工智能技术实现品味保证 | AI closed-loop parameter optimization for taste assurance
  • 用于人员安全和食品安全合规的机器视觉监管平台 | Machine vision supervision platform for personnel safety and food safety compliance

KPI绩效 | KPI Performance

  • 客户数量 ↑100% | Customer count ↑100%
  • 订单履行损失 ↓91% | Order fulfillment loss ↓91%
  • 供应商按时足额交付 ↑5.5% | Supplier OTIF ↑5.5%
  • 每吨人工工时 ↓96% | Labour hours/ton ↓96%
  • 非安全行为 ↓78% | Unsafe behaviours ↓78%

16. 西部数据拉古纳 (菲律宾)

变革故事 | Change Story: 面对火山喷发、台风、材料的长交货期、波动显著的市场需求，以及日益严格的产品规格要求，西部数据菲律宾内湖工厂大规模部署了超过25个用例，如高级分析支持的异常事件检测，以及机器学习支持的端到端晶圆变化补偿。最终，该工厂的非计划停机时间减少了82%，生产成本降低了54%。
非计划停机 ↓82%，生产成本 ↓54% | Unplanned downtime ↓82%, Production cost ↓54%

核心用例 | Core Use Cases

  • 自然语言处理（NLP）赋能的自然灾难主动危机管理 | NLP-enabled proactive natural disaster crisis management
  • 基于高级分析技术的大规模端到端事前事后异常事件检测 | Advanced analytics for large-scale E2E pre/post anomaly detection
  • 基于端到端数据的机器学习晶圆变化补偿 | E2E data-based ML wafer variation compensation
  • 依托机器学习模型预测实现测试人员异常检测 | ML model prediction for tester anomaly detection
  • 基于运筹学模型的工厂产能优化 | Operations research model for factory capacity optimization

KPI绩效 | KPI Performance

  • 年度停工成本规避 100% | Annual shutdown cost avoidance 100%
  • 客户质量警报 ↓71% | Customer quality alerts ↓71%
  • 良品率 ↑7.6% | Yield ↑7.6%
  • 异常检测精度 ↑181% | Anomaly detection accuracy ↑181%
  • 产能优化时间 ↓93% | Capacity optimization time ↓93%

17. 西部数据邦巴因 (泰国)

变革故事 | Change Story: 西部数据邦芭茵工厂生产的机械硬盘（HDD）对成本较为敏感。由于市场正在向固态硬盘（SSD）转移，相关投资受限。此外，全球供应的不确定性也带来了原材料成本的上升。为了克服上述挑战，西部数据邦芭茵工厂部署了多个第四次工业革命用例，最终，工厂成本降低了33%，每PB能耗也降低了40%。
成本 ↓33%，每PB能耗 ↓40% | Cost ↓33%, Energy/PB ↓40%

核心用例 | Core Use Cases

  • 机器学习助力部分条件下的硬盘测试优化 | ML-assisted HDD test optimization under partial conditions
  • 机器学习赋能的资产利用率优化 | ML-empowered asset utilization optimization
  • 依托高级分析技术实现最佳良品率 | Advanced analytics for optimal yield
  • 机器学习助力硬盘自动修复 | ML-assisted HDD auto-repair
  • 依托分析能力和价格预测协助物流竞标 | Analytics and price prediction for logistics bidding

KPI绩效 | KPI Performance

  • 测试周期时间 ↓22% | Test cycle time ↓22%
  • 设备综合效率 ↑7% | OEE ↑7%
  • 直通率 ↑2% | First-pass yield ↑2%
  • 修复精度 ↑13% | Repair accuracy ↑13%
  • 运输成本 ↓64% | Transportation cost ↓64%

18. 纬创中山 (中国)

变革故事 | Change Story: 面对超过60%的订单需要在72小时内高质量交付的压力，纬创资通需要提升端到端流程效率，同时确保卓越的产品质量。依托33个自建用例，纬创资通中山工厂在价值链上下游推行改革，成功将生产率提高了32%，将缺陷率降低了55%，并在供应短缺的情况下，将交货时间缩短到48小时以内，最终，单位生产成本降低了22%。
生产率 ↑32%，缺陷率 ↓55%，交货→48h，成本 ↓22% | Productivity +32%, Defect rate ↓55%, Delivery→48h, Cost ↓22%

核心用例 | Core Use Cases

  • 基于多目标优化的无接触端到端销售和运营规划 | Multi-objective optimization for contactless E2E S&OP
  • 基于最佳路径人工智能算法的PCB电源布线优化和质量检查 | Best-path AI algorithm for PCB power routing and quality inspection
  • 基于运动检测的人工智能线路平衡优化 | Motion detection AI for line balance optimization
  • 人工智能搜索引擎赋能的生产质量诊断系统 | AI search engine for production quality diagnosis
  • 基于自然语言处理的终端用户反馈挖掘，用于3年质量预测和改进 | NLP-based end user feedback mining for 3-year quality prediction and improvement

KPI绩效 | KPI Performance

  • 交付时间 ↓36% | Delivery time ↓36%
  • 每块PCB设计周期时间 ↓83% | PCB design cycle time ↓83%
  • 设备综合效率 ↑29% | OEE ↑29%
  • 维修时间 ↓68% | Repair time ↓68%
  • 售后缺陷率 ↓56% | After-sales defect rate ↓56%

19. 伟创力索罗卡巴 (巴西) — 可持续灯塔

变革故事 | Change Story: 为了降低能耗、用水量及温室气体排放，伟创力的索罗卡巴工厂部署了智能公用设施管理体系，并利用物联网传感器，对供应链上的电子废弃物进行了优化管理，以实现循环经济。该工厂将范围1和2的温室气体排放量减少了41%，范围3的二氧化碳排放量减少了44千吨，能耗和用水量减少了30%以上。
GHG范围1+2 ↓41%，范围3 ↓44kt，能耗&用水 ↓30%+ | GHG S1+2 ↓41%, S3 ↓44kt, Energy&Water ↓30%+

核心用例 | Core Use Cases

  • 智能工厂公用设施管理 | Smart factory utility management
  • 零废料和循环经济 | Zero waste and circular economy

KPI绩效 | KPI Performance

  • 能耗 ↓32% | Energy ↓32%
  • 用水量 ↓31% | Water consumption ↓31%
  • 生产的可回收树脂 ↑321% | Recyclable resin produced ↑321%
  • 温室气体排放-范围3 ↓44kt | GHG Scope 3 ↓44kt

20. 海尔天津洗衣机 (中国) — 可持续灯塔

变革故事 | Change Story: 为了应对不断上升的能源成本并降低碳排放，海尔的天津工厂依托大数据和人工智能技术，建立了设备的电力负荷模型和生产排程能耗优化系统。最终，该工厂将能耗减少了35%，温室气体排放量减少了36%。
能耗 ↓35%，GHG ↓36% | Energy ↓35%, GHG ↓36%

核心用例 | Core Use Cases

  • 基于设备功率负荷模型的能耗优化 | Equipment power load model for energy optimization
  • 基于能耗的生产排程优化 | Energy-aware production scheduling optimization

KPI绩效 | KPI Performance

  • 能耗 ↓32% | Energy ↓32%
  • 能耗 ↓13% | Energy ↓13%

21. 西门子安贝格 (德国) — 可持续灯塔

变革故事 | Change Story: 为了提前完成集团到2030年实现碳中和的承诺，西门子安贝格工厂正在稳步提升其基础设施建设，以期在2026年实现目标。通过分析和测量内部的数字化制程效率及文化，该工厂成功将优化后的资产产出增加100%以上，自2015年以来，单位产出的二氧化碳排放量（吨）减少了69%。与此同时，该工厂被用于孵化第四次工业革命产品，以实现整个供应链脱碳（范围3），例如，数字化的产品通行证（每年节省17吨纸张和塑料），或基于区块链技术的软件，与占产品碳足迹90%以上的供应商交换二氧化碳排放数据。
资产产出 ↑100%+，单位CO₂ ↓69%（2015-）| Asset output +100%+, CO₂/unit ↓69% since 2015

核心用例 | Core Use Cases

  • 智能、全面的能源管理体系 | Smart, comprehensive energy management system
  • 通过运营数据分析提高资源效率 | Operational data analytics for resource efficiency

KPI绩效 | KPI Performance

  • 能耗 ↓5% | Energy ↓5%
  • 上游温室气体排放(范围3) ↓28% | Upstream GHG (Scope 3) ↓28%
  • 单位能耗 ↓16% | Unit energy consumption ↓16%

数据来源 | Data Sources

工厂元数据 | Factory metadata: 基于WEF新闻稿及公开信息构建
KPI & 案例研究 | KPI & Case Study:
① 新闻稿 | Press Release: WEF 2023.01 灯塔工厂名单发布详情 (IT之家)
② 白皮书 | White Paper: 全球灯塔网络：续写工业4.0新篇章 (2023.01) PDF
排列顺序 | Order: WEF 2023.01 Press Release
排列顺序 | Order: WEF 2023.01 Press Release
排序规则: 扁平列表（按公司字母顺序）—— 新灯塔18座 + 新增可持续认证3座
全球灯塔累计: 132座