摘要：中国经济正处于转变发展方式、优化经济结构、转换增长动力的重要节点上。在这样的背景下，《“十四五”智能制造发展规划》等政策相继出台：到 2025 年，规模以上制造业企业大部分实现数字化网络化，重点行业骨干企业初步应用智能化；到 2035 年，规模以上制造业企业全

中国经济正处于转变发展方式、优化经济结构、转换增长动力的重要节点上。在这样的背景下，《“十四五”智能制造发展规划》等政策相继出台：到 2025 年，规模以上制造业企业大部分实现数字化网络化，重点行业骨干企业初步应用智能化；到 2035 年，规模以上制造业企业全面普及数字化网络化，重点行业骨干企业基本实现智能化。

目前， 国际和国内都尚且没有关于智能制造的准确定义，但在之前发布的《智能制造发展规划（2016-2020年）》给出了一个比较全面的描述性定义：智能制造是基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。“智能制造”可以从制造和智能两方面进行解读。首先，制造是指对原材料进行加工或再加工，以及对零部件进行装配的过程。 智能是由 “智慧”和“能力”两个词语构成。从感觉到记忆到思维这一过程，称为“智慧”，智慧的结果产生了行为和语言，将行为和语言的表达过程称为“能力”，两者合称为“智能”。

给朋友分享一份《制造业数据建设白皮书》，当作拓展内容

帮助企业建立从数据获取生产到数据消费利用的全生命周期管理体系

结合智能制造在行业中应用的情况，有六个行业转型做的比较好的例子，分享给大家，也希望大家可以结合自己的业务发展来对号入座，积极应对：

生产过程有六大生产模块，我们可以先从这六大模块入手，把每一个模块进行优化，后面会详细去说这六个模块可以怎么做。

然后分三步走，

第一阶段，对这六大模块的每个环节，要进行深入的调查和切入，找出每个环节迫切需要完善的地方在哪，对后面第二步和第三步要去搭建的精益管理平台和精益管理链条提出需求。

第二阶段，根据第一步里面总结的需求搭建精益管理平台，实现真正的精益生产，达到降本增效。

第三阶段，打通企业上下游的数据，做到依据数据做决策，用数据倒逼企业管理提升。

生产管控模块中，智能制造体现在数据如何集成。借助系统对数据整合，生产管理方面的领导能够通过生产管控大屏，对工厂、产品、时间等不同维度的各项生产指标进行分析和运用，同时还能对整体生产进程进行监管与控制。并且可以结合销售、库存数据，合理地调整生产计划进度，做好相关物资以及人员的调度工作。

通过系统数据整合，一方面可以展示当批次产品质量不合格的票数情况，以及对过程质量指标进行监控呈现；另一方面能够针对出现质量问题的环节进行追溯，分析清楚到底是供应商方面的原因还是制造过程中的原因，从而精准定位质量问题。

通过积累以往的经验数据，形成不同类别成本分析模型，构建起循环分析、改善、再分析的数据应用机制。年度单台成本主要展示年度单台成本的总体情况，呈现每月产量以及单台成本的变动情况；单台成本构成则主要展示选择对应月份单台成本各个科目所占的比例情况。

设备互联大屏借助底层 IoT 能力的综合拓展，对接 PLC、SCADA 或者设备数模模组，把工业协议接口数据转化成结构化的可用数据，综合展示设备的实时状态。通过对设备每天的开机时长、作业时长、故障时长等指标进行计算，得出设备的开机率、在线率、作业率、空闲率、故障率等重要指标，进而进行监控管理。

通过大屏分析展示各个部门持续改善的提案情况以及整体参与率，并且具体到对应部门的业务人员。借助数据展示来引导全员参与改善，针对日常工作中出现的问题和痛点，让大家能够主动参与到决策当中，同时对各个环节的决策信息进行透明公示，以此提高整体提案率。

通过统计 8S 管理评比结果，对外公示得分情况，对不达标的部门或班组进行惩罚，对表现优秀的部门或班组给予奖励，以此形成良性的竞争循环机制。还能自动生成每个员工个人的档案画像表，作为工厂的人才储备库，方便随时查询分析人才情况。

和精益生产不同，精细化工有五个重要的生产模块，我们同样可以从这五个模块入手，逐一进行优化

营销结果指标：把营销相关的数据以及预警信息结合起来，从不同维度去了解企业营销的整体状况，好给企业制定战略方向提供决策依据。

客户与产品分析：一方面能清楚市场上销量好的产品结构是怎样的，另一方面也可以对重点大客户展开分析，把产品和客户关联起来，同时还要跟踪那些流失的客户以及弄清楚流失的原因。

搭建采购调度指挥中心：借助平台对采购的各个关键 KPI 进行有效监管，要是出现异常情况，能实时高亮显示或者给出预警提示。建立阳光采购分析，让平台合同情况、履约情况、供应商管理情况以及计划执行情况这些信息都透明化，还能及时预警，保障采购平台正常运行。

采购成本监控：通过分析采购成本，对比各个组织的预算达成情况，就能了解公司各个组织成本预算的趋势以及同比情况，并且以市场标准成本为参照进行横向对比，帮助企业更好地把控成本管理。

智能生产这里智能制造体现在数据的实时更新。打造生产概况、计划管理、工艺管理等业务板块的数据信息流实时监控系统，针对生产过程中的信息指标进行分析，要是出现异常进度就触发预警提醒，针对产量、产值、人效、工艺配方这些内容可以进行二级页面跳转，对生产数据进行系统管理。

对风险登记管控以及风险四色图的分布情况进行管理。按照风险分级管控原则，对厂区内部的装置或者罐区进行目视化管理，明确它们的数量和位置。重点监管危化品的名称、类别、包装方式以及所在点位、当前状态，还有重点监管工艺的工艺名称、类型、重点监管单元，重大危险源的名称、位置、危险等级，以及风险点数量、清单和位置。

结合公司 3 - 5 年的战略规划，呈现战略主数据涉及的四个主题的 6 个核心指标，还有它们的目标以及实际达成情况。在每个主题图块上展示该主题最核心的三个指标及其评价标准。

管理不但需要“设计”和“执行”，更需要“监控”与“完善”，所以我们在管理的时候要讲求“过程化管理”和“结果化管理”的双结合 。

经营管理同样有5个重要的模块，可以从经营指标、阀值预警、驱动因子等五个模块入手来实现智能制造。

在石油化工领域有六个重要的智能制造应用场景，我们同样可以从这六个模块入手，逐一进行优化，具体模块看下图

对油田生产数据进行细化分析，能够实现对每日开井数、产油量、交油量、剩余计划日产量等生产情况的实时监管。一旦指标趋势出现波动或异常，会及时推送给相关负责人，以便其进行根因定位和问题解决。

摒弃传统查看能耗数据的方式，采用大屏数据可视化形式，展示多维度的能耗、排放、巡查等数据，点击下钻还可查询各个公司的能耗明细、排放明细，针对超出规定值的公司或区域采取相应的节能减排措施

设备管理驾驶舱能够统计和监管设备的运行状况以及车辆的保养、待审、检修数量，还可以分析采气一厂所有设备的总数、各个气田的设备总数、各个气田设备的分类数量图以及各种设备的使用状态数量，让管理者做到心中有数，以便合理规划和随时把控。

能够自动化生成任意组织维度、任意单体公司的财务结果报表，无需手工加工

展示销售总体情况，包括本月及本年的销量、销售收入，本月及本年的销售结构及产品分析，内销销售区域分析，单位售价及单位毛利分析，自销累计销售 TOP5 分析，自销同比变化率 TOP5 分析等，具有数据联动及数据钻取等交互展示功能。

通过地图实现数据的联动和切换，对陆运、海运、管道运输三种物流运输方式进行监管，同时监控地图上各区域的数据。

光伏行业最重要的四个智能制造应用场景是：经营模块、营销模块、供应链模块和订单模块。

借助企业绩效管理平台，快速地把指标进行拆分，同时对目标加以定义。还能连通实际的经营数据，对目标的完成情况进行监管，并且通过触发预警流程，在网上就能对目标完成的进度进行监管。

通过收集和洞察外部数据，按照规定的结构录入到最基础的层面，从多个维度对整体市场波动情况进行监控。结合企业自身的销售情况，从头部客户入手，对不同产品的占比情况以及和其他友商对比的出货情况进行监控，以此来确保自身企业在下游头部客户那里占有优势。

需要快速地查看整体供应商的分布情况，通过年份分布来监测采购部门在每一年拓展供应商所做出的努力程度。

把生产计划、销售计划以及财务计划连通起来，完成企业订单计划的有效分解以及完整的承接，然后和实际达成的结果进行对比。把产销财的数据拉通，监测整体的预测情况，看看能不能支撑企业当年的战略规划，并且拆解到具体的事业部以及营销大区，对异常情况进行监控。对比历史预测数据和实际经营数据，评价具体事业部以及大区预测达成的情况，及时进行纠正偏差，确保企业预测是合理且有效的。

对于机械重工行业来说，比较重要的四个智能制造应用场景是产品质量、工单效率、人员管理和备件异常

高层：通过售后质量看板来对产品售后质量情况进行监督查看。

中层：借助质量问题看板，去分析并定位那些容易出现质量问题的高发异常类型。

业务：开展异常原因分析工作，弄清楚质量问题产生的原因，为后续质量追溯及改善提供支撑。

工单异常监控：对工单出现的异常情况进行监测查看。

工单异常预警：提前对工单可能出现的异常发出警示信息。

工单无纸化：实现工单以无纸化的形式来进行处理。

人员工单保有量太高，这是出现压单现象的主要原因之一。可以依据各区域人员负责的设备数量来判断人数安排是不是合理，对于资源紧张的区域，要合理进行人员或设备等资源的调拨；而资源充足的区域，则要保证满足客户服务时效方面的要求。

分析并定位零部件备件频繁出现异常的时间段、所在的仓库等相关情况。

现在，我们已经进入智能制造4.0的时代，需要说明的是，智能制造4.0并非是一场技术革命，而是生产流程和生产方式的革命：用自动化机器来代替人力手工已经成为过去式，如何打破设备与设备、人与设备、流程与设备的数据孤岛，实现设备数据互通、生产数据打通，才是智能制造4.0的核心命题。在这样的背景下，“未来工厂”成为了制造行业数字化转型的主阵地、主战场，而所谓未来工厂，其实并不遥远。

在这里也可以给大家分享一份《未来工厂数据建设应用方案》

为全面数字化转型助力

来源：数据分析不是个事儿