来源：Supply Chain Dive（经 Industry Events 转载）（2026-10-15）｜ 分类：方法与工具｜ 地区：国外
摘要
联合利华计划在未来 18 个月内，与埃森哲合作把 AI 驱动的数字孪生从现有 5 座试点工厂扩展到约 40 个工厂。已投产试点给出可量化结果：美国北卡罗来纳州 Raeford 个人护理工厂废品下降 20%、产能提升 10%；波兰波兹南食品工厂小停机减少最多 20%。联合利华个人护理首席产品供应链官 Vicky Cuthbert 强调，数字孪生项目必须在上线前就把要解决的具体问题与可衡量指标定义清楚，并用公司自研的 DigiEdge 游戏化培训推动一线团队掌握相关技能。
事件概览
| 维度 | 内容 |
|---|---|
| 事件主体 | 联合利华（Unilever）个人护理供应链 |
| 发生时间 | 2026-10-15 |
| 所属领域 | 数字孪生、精益改善、国际 |
| 地区 | 国外 |
| 关注理由 | 全球快消巨头把数字孪生从 5 座试点厂批量复制到 40 座，并给出产能与废品两项可核算结果，同时把“上线前先定义问题与指标”“配套员工技能培训”写进方法论，对 IE 仿真项目的立项口径有直接参考价值。 |
核心要点
- 扩张节奏：未来 18 个月内与埃森哲合作，把 AI 数字孪生从 5 座试点工厂扩展至约 40 个工厂；试点分布在美、波、越各 1 座，印度 2 座。
- 可量化成效：美国北卡 Raeford 个人护理工厂废品下降 20%、产能提升 10%；波兰波兹南食品工厂小停机减少最多 20%。
- 方法论要点：数字孪生必须在上线前定义清楚要解决的问题与可衡量的业务指标并持续跟踪，否则容易陷入“上了系统却说不清收益”。
- 组织与技能：联合利华推出 DigiEdge 项目，用游戏化方式提升员工在计划与工厂运营环节的数字技能，强调不要把技术对人和组织文化的影响低估。
- 技术定位：数字孪生为设备与产线建立虚拟模型，采集物理系统数据以监测和预测性能，最被管理层看好的场景是基于传感器数据的预测性维护与备件管理。
背景解读
数字孪生在制造业并不新鲜，真正稀缺的是“能算出账”的数字孪生。大量企业停留在“做了个三维看板”或“建了模型但没人用”的阶段，原因往往不是技术，而是立项时没有绑定明确的业务问题与衡量口径。联合利华的经验因此有参考价值：它把数字孪生直接对准两个可核算指标——废品率与产能，并把收益折算进设备与工厂原本就在汇报的经营数据，而不是另起一套“AI 专项指标”。另一个值得注意的变化是扩张方式：2019 年第一批孪生由联合利华工程师与微软合作伙伴定制开发，属于一次性工程；如今与埃森哲合作批量复制 40 余套，意味着数字孪生正从“定制项目”变成“可复制的服务”，成本会随之下降，未来几年中型工厂也能用得起。这与制造业数字化的普遍规律一致：任何技术只有在变成可重复交付的产品之后，才会真正下沉到中小企业。
数据速览
| 指标 | 数值 | 意义 |
|---|---|---|
| 扩张规模 | 5 座 → 约 40 座工厂（18 个月内） | 与埃森哲合作批量复制，标志数字孪生从定制项目走向可复制服务 |
| 产能提升 | +10%（美国 Raeford 工厂） | 在不新增设备的前提下通过减少瓶颈与拥堵释放产能 |
| 废品下降 | -20%（美国 Raeford 工厂） | 废品成本已在材料与人工中支付，降低即直接转化为利润 |
| 小停机 | 最多 -20%（波兰波兹南工厂） | 短停是产能隐性损失的主要来源，也是 OEE 性能开动率的扣分项 |
与工业工程的关联
数字孪生在 IE 的话语体系里，本质上是“仿真建模 + 实时数据”的组合，对应生产系统建模与仿真、设施规划与产能规划等核心内容。北卡工厂的产能提升并不是靠“跑得更快”，而是靠提前识别瓶颈与拥堵——这正是约束理论与线平衡的基本思路：系统产出由瓶颈决定，非瓶颈上的加速只会变成在制品堆积。小停机减少 20% 直接改善的则是 OEE 中的性能开动率。企业把收益落到产能与废品这两个既有指标上，也为 IE 从业者提供了一个实用的立项原则：任何改善项目都应先写清楚要动哪一个可衡量的数，再谈技术与工具选择，否则改善成果很难在预算评审中站得住脚。
从方法与工具视角看，本条动态所涉及的技术或管理动作，最终都要落到 IE 的基本功上：流程分析与价值流映射、作业测定与标准工时、产线平衡与设施规划、以及以 OEE 为代表的效率指标体系。读者可以把本条事件作为一个"案例切片"，对照本分类下的文章进行系统学习。
从就业与发展视角看，每一次产业侧的智能化、精益化投入，都会带来新的岗位需求：精益工程师、制造工程师、供应链分析师、数字化改善顾问等。建议在校生关注此类企业的校招动向，在职者关注内部改善项目的机会窗口。
IE 术语小课堂：数字孪生
数字孪生（Digital Twin）为物理实体建立实时同步的虚拟映射，在制造业中用于产线仿真、预测性维护与排产优化，是 IE 仿真建模方法在数字时代的延伸。
IE 术语小课堂：OEE
设备综合效率（OEE, Overall Equipment Effectiveness）= 时间开动率 × 性能开动率 × 合格品率，是衡量设备利用率的核心指标，世界级制造水平通常要求达到 85% 以上。
延伸阅读
- 仿真方法论完全指南：用数字孪生前的第一步把产线跑明白：仿真不是画动画，而是用统计实验回答'如果这样改，会怎样'。本文讲清离散事件仿真原理、建模七步…
- 产能规划完全指南：算清产线到底能产多少、该扩多少：产能不是设备铭牌上的数，而是扣除了停机、换型、良率后的真实产出。本文讲清设计/有效/实际三种…
- 灯塔工厂里的工业工程师在做什么：高度自动化的工厂还需要 IE 吗？本文拆解 IE 在灯塔工厂中的五个新角色、技能升级清单，以…
- 离散事件仿真完全指南：FlexSim、Arena 与 AnyLogic 怎么选怎么用：产线要投 3000 万，Excel 算出的产能差 15% 就可能是盈与亏。本文讲透离散事件仿…
原文链接
本条目由站点定时任务自动采集整理，仅供参考；具体内容以官方原文为准。