2016年智能制造能力成熟度模型白皮书_47页-2mb

智能制造能力成熟度模型白皮书（1.0）总结

核心内容

《智能制造能力成熟度模型白皮书（1.0）》由中国电子技术标准化研究院于2016年9月20日发布，旨在为企业实施智能制造提供指导和评估工具。该模型是在对国内外相关成熟度模型研究的基础上，结合我国制造业特点和企业实践经验总结而成，提出了智能制造的阶梯目标和演进路径，以及实现智能制造的核心要素、特征和要求。

主要观点

1. 智能制造的定义：智能制造是将智能技术应用于制造全过程，实现设计、生产、物流、销售和服务等业务单元乃至企业整体的数字化、网络化与智能化，形成感知、执行及控制决策的闭环。
2. 模型的维度与结构：模型从“智能+制造”两个维度出发，涵盖设计、生产、物流、销售、服务、资源要素、互联互通、系统集成、信息融合、新兴业态10大类核心能力，细化为27个域。
3. 成熟度等级：模型将智能制造能力分为5个等级，分别为规划级、规范级、集成级、优化级和引领级，每个等级对应不同的成熟度要求。
4. 模型的应用：模型分为整体成熟度模型和单项能力模型，适用于不同规模和需求的企业。整体模型适用于大型企业，单项模型适用于中小企业或特定环节有智能化提升需求的企业。
5. 模型的推广与改进：模型的推广与改进需要结合企业实践，建立可量化的关键指标体系，开展试验验证，并在更广泛范围内进行应用。

关键信息

1. 模型的维度

• 制造维：涵盖设计、生产、物流、销售和服务5类，强调制造全过程的智能化提升。
• 智能维：涵盖资源要素、互联互通、系统集成、信息融合和新兴业态5类，强调智能技术与制造过程的融合。

2. 成熟度等级描述

• 1级（规划级）：企业开始进行智能制造的规划和投资，具备部分信息化基础，但尚未真正进入智能制造阶段。
• 2级（规范级）：企业形成了智能制造的规划，主要设备具备数据采集和通信能力，信息在内部实现共享。
• 3级（集成级）：企业实现核心业务和生产单元的数字化、网络化改造，系统间实现集成，完成智能化提升的准备。
• 4级（优化级）：企业完成全面集成，实现信息与物理世界的互动，通过知识库和专家库优化生产工艺和业务流程。
• 5级（引领级）：企业具备全面的智能化能力，实现个性化定制、远程运维与协同制造等新型业态，成为行业标杆。

3. 模型的结构

• 10大类核心能力：设计、生产、物流、销售、服务、资源要素、互联互通、系统集成、信息融合、新兴业态。
• 27个域：每个大类下包含若干细化域，如设计类包括产品设计、工艺设计（离散）、工艺优化（流程）等。
• 5个等级要求：每个域下对应不同等级的成熟度要求，如互联互通要求从3级到5级，信息融合要求从4级到5级。

4. 模型的应用

• 诊断评估：通过与模型要求对标，判断企业当前智能制造水平，并分析与目标的差距。
• 统计分析：形成量化数据，了解区域或行业的智能制造整体现状和关键指标。
• 改进提升：明确发展方向，设计战略目标与行动规划，选择解决方案和服务，实现分阶段的提升。
• 评价主体：适用于产业主管部门、制造企业、解决方案提供商、第三方机构等四类主体。

5. 相关理论的对比分析

• 软件能力成熟度模型（SW-CMM）：以过程为核心，强调过程管理和持续改进，本文模型借鉴其思想，将智能制造拆分为可管理的最小单元。
• 智能制造系统架构：从生命周期、系统层级、智能功能三个维度出发，本文模型归纳为“智能+制造”两个维度。
• 工业4.0就绪度：由德国VDMA提出，本文模型在维度和域的划分方法上与之相似，但更注重技术与业务的融合。
• 制造成熟度模型（MRL）：基于技术成熟度（TRL），本文模型在制造风险控制方面有借鉴，但更强调智能制造的综合能力。
• 罗兰贝格模型（RB Industry 4.0）：从工业优秀度和价值网络两个类别出发，本文模型则从企业层面出发，涵盖智能制造的各个方面。

模型的评价方法

1. 选择模型：根据企业规模和需求选择整体成熟度模型或单项能力模型。
2. 选择评价域：根据行业特点（流程或离散）选择适合的评价域。
3. 基于问题的评价：对每个域的成熟度要求设置问题，通过现场取证和评分，判断是否满足要求。
4. 给出分值与等级：根据问题得分，加权平均形成域得分，进而计算类得分，最终得出企业总得分并划分等级。

评价示例

某电子产品加工企业于2015年申请智能制造整体能力成熟度评价，适用离散模型。通过现场评价，得出各等级的得分，如表所示：

总结与展望

智能制造能力成熟度模型的提出，有助于企业识别自身在智能制造中的不足，明确发展方向，并通过科学的评估和改进，逐步实现智能制造目标。该模型的研究和推广是一个动态优化的过程，需要结合企业实践不断改进。未来应重点围绕以下四点开展工作：

1. 调研行业差异：优化通用关键域和模型，使其适用于不同行业。
2. 建立关键指标体系：构建与模型匹配的、具体可量化的指标体系。
3. 开展试验验证：通过企业试用模型，验证其科学性和合理性。
4. 推广应用：在制造业企业中广泛开展评价活动，积累数据并推动整体发展。