以國家標準推進制造企業智能化升級

——基于CMMM做好智能制造規劃

2025年是“十四五”收官之年，制造業正處于數字化轉型的關鍵窗口期。面向“十五五”，不少企業開始謀劃未來五年的智能制造建設路徑，但在規劃過程中面臨著“現狀復雜、無法切入”“方案寬泛，難以落地”“投入有限，重點不明”的問題。這些困境背后，并非簡單的技術或資金問題，而是深層次的思路、能力與方法問題。為此，我院基于《智能制造能力成熟度模型》（GB/T 39116-2020）國家標準（以下簡稱CMMM）、133400余家企業的平臺診斷數據、1100余家企業的評估實踐、850家企業的咨詢案例，構建業務架構、集成架構、指標架構、知識架構、智能架構五位一體的智能制造規劃架構，旨在為制造企業科學規劃智能制造提供方法指引。

一套國家標準，給出科學路徑

智能制造能力成熟度模型從成熟度等級、業務能力具體要求等方面，對企業智能制造建設梯次演進的五大階段進行明確定義，引導企業有序開展智能工廠建設。CMMM具有梯度能力指引性、業務覆蓋全面性、問題解決針對性、發展路徑明晰性、場景應用先進性的特點，對于謀劃“十五五”的企業來說，這不僅是一個參考，更是一個可直接使用的規劃工具。

“五層架構”構建智能制造規劃藍圖

智能制造規劃要保證最終落地，既要直面企業發展面臨的問題，又要面向行業發展趨勢與新需求，同時還要在模式創新與技術應用方面具備一定前瞻性。結合企業自身發展階段與現狀能力，整體策劃階段目標、建設項目、人員與資金投入，形成企業完整的業務架構、集成架構、指標架構、知識架構、智能架構。

序號	架構名稱	規劃目標
1	業務架構	梳理業務邊界，構建業務藍圖，識別斷點短板
2	集成架構	明確業務協同關系與系統集成路徑
3	指標架構	建立從目標、執行、結果到優化的績效監控體系
4	知識架構	推動經驗沉淀與知識復用，支撐人才成長
5	智能架構	智能技術應用于復雜業務場景，打造高階智能化能力

按圖索驥解決企業九大核心問題

規劃工作的首要任務是識別自身能力不足，企業可基于成熟度模型開展現狀診斷與評估對標。現狀盤點可參照成熟度條款，面向業務、協同、數據、知識等維度次第開展診斷工作，在識別問題和弱項的同時，挖掘問題根因與能力提升需求。本文總結企業經常面臨的“九大典型問題”，并通過相應架構規劃提供解決路徑。

序號	企業痛點	問題描述	對應架構
1	發展戰略不清晰	發展方向、戰略目標、產品平臺規劃、市場客戶定位、優勢能力不清晰。	業務架構 指標架構
2	新業務推進困難	新業務職責分工不明確，業務執行不規范，制度、執行兩層皮。	業務架構 集成架構 指標架構
3	跨職能業務斷點	企業內部業務職能間、集團與子公司間、企業與外部供應商、客戶業務流程未打通，業務協同輸入輸出信息不明確，信息共享傳遞不及時、準確性差。	業務架構 集成架構 指標架構
4	系統數據待治理	新組織、新業務、跨職能造成業務數據口徑不一致，缺少數據標準；企業前期上線的信息系統數據質量性差，對業務執行與數據分析造成影響。	集成架構 指標架構
5	數據應用能力弱	企業積累了大量業務管理和生產設備數據，但不知如何使用應用數據，數據分析未能系統性支持各級生產運行與經營管理決策業務。	集成架構 指標架構 知識架構 智能架構
6	知識體系未構建	企業未能建立完整的知識管理體系，未能激發人員業務技能和工作經驗的總結、積累與分享；或業務知識以非結構化文件形式存儲管理，不便于快捷查詢與復用。	知識架構 智能架構
7	先進技術落地難	企業未能識別先進制造技術和信息技術的應用場景，缺少技術應用基礎條件和應用型人才，人員未能建立借助先進技術降本增效的意識和方法。	智能架構
8	缺標桿案例借鑒	一方面不了解行業標桿應用模式，另一方面對標桿企業僅有短期參觀和大致了解，而企業基礎條件不同，盲目借鑒導入較難成功。	業務架構 知識架構 智能架構
9	制造成本降低難	部分行業市場面臨飽和，很多企業已從擴大市場規模、多元經營渠道提高營收，轉變為對經營利潤的追求；如何針對各制造業務環節實現結構性運營降本、制造降本，也是很多企業面臨的現實問題。	集成架構 指標架構

五層架構既是規劃藍圖，也是識別問題、制定任務、保障落地的行動地圖。面對業務問題，我們圍繞標準，聚焦實際，提出五層架構的設計方式與核心內容。

業務為本：厘清企業發展主戰場

——業務架構是智能制造建設的基石

企業在智能制造規劃前，首先應完整描繪業務藍圖，準確識別企業發展相關的業務領域和范圍，構建業務架構，避免業務范圍完整性不足或業務能力超前問題，以保證后續智能制造建設緊密圍繞主營業務，落地到具體業務場景，發揮業務提升效果，避免空中樓閣。

業務架構規劃方式。面向各組織職能、各產品線分析，盤點企業現有業務的完整性、規范性，同時注重與標桿企業的業務能力、制造管理模式對比，識別缺失哪些業務，以及未來轉型變革需增加的新業務，并明確定義新業務的執行規范和相關崗位職責。由于成熟度模型各條款已細化到具體業務場景，從業務視角看標準各條款即形成一副典型的業務藍圖。圖1為基于智能制造成熟度模型總結的業務架構示例。

圖1 業務架構示例

成熟度模型國家標準提煉的是各行業較為通用、基礎的業務，實際在業務架構規劃中，可基于行業與企業特點對業務架構進行擴展梳理。基于完整的業務架構還可分析每項業務的成熟度，以及業務架構的數字化覆蓋成熟度，并由此進行企業應用架構與數據架構分析。

協同為要：打通流程就是打通效能

——集成架構是實現業務協同的主路徑

企業通過智能制造建設提高制造環節敏捷性。成熟度模型從三級（集成級）開始，將促進跨職能業務協同作為提高制造敏捷性的重要手段，并引導企業通過業務系統間集成、設備與系統間集成、內部與外部系統間集成等手段實現跨職能業務協同。

集成架構規劃方式。一方面參考成熟度模型三級條款明確的系統集成點（如【產品設計4d】【采購3a 4a】【倉儲配送3a】【設備管理3a】），一方面基于“業務架構”全面分析跨職能業務協同活動與共享信息，并將這些業務協同活動串聯起來，構建訂單交付關鍵過程主干道流程（如ISC集成供應鏈相關流程），以保證關鍵過程業務執行的連續性；同樣，企業在業務變革導入新流程時（如IPD集成產品開發），也需打通主干道相關業務流程。

最終將業務協同架構轉化為系統間信息交互的集成架構，如圖2所示為系統集成架構示例。

圖2 集成架構示例

當企業信息系統較多、協同活動較復雜時，為避免集成架構表達混亂，可按照單一業務域為主體，識別與其他業務的協同關系，如研發設計業務域與其他銷售、采購、倉儲、計劃、生產、物流、服務等業務的協同活動，再明確業務系統間集成關系，分別規劃各項業務的集成架構。此外，還需根據業務協同需求，規劃適宜的系統集成技術方式和交互頻率，滿足集成數據同步時效性要求。

指標先行：指標設計決定建設成效

——指標架構是衡量成果與驅動提升的標尺

企業智能制造建設要以實現制造運營能力提升為目標，因此建立適宜的指標體系一方面可以為智能制造建設指明方向，通過重點項目建設達成業務指標，另一方面也可以衡量并檢驗智能制造建設成效。同時，指標體系構建應緊密圍繞企業發展戰略和經營目標，并將其分解為各業務職能需達到的相關指標，通過數字化指標監控考核，將待解決問題顯性化，再進行針對性提升，最終實現整體戰略目標。

指標架構規劃方式。成熟度模型條款已給出設備綜合效率OEE、供應商量化評價、生產動態監測等指標，但更為完整的指標需要在“業務架構”中分析挖掘，可重點在業務執行成效、跨職能業務協同交互、異常問題發現與解決等方面，從及時性、高效性、準確性、經濟性角度定義監控指標。基于成熟度模型業務架構設計6個業務域的指標架構示例，如圖3所示。

圖3 指標架構示例

在規劃指標架構過程中，還需明確指標的計算公式和系統取數來源。指標監控初期，企業會發現系統直接計算出的指標數據與實際業務相差很大，可能存在數據口徑不統一或者系統中數據質量不高的因素，這也從側面推動企業進行相關數據治理工作；同時也會發現用于部分指標計算的業務數據缺失，從而推動企業完善業務系統功能構建與業務數據應用。

企業通過指標架構規劃，明確業務工作與未來發展重心，特別在企業制造成本降低方面，需將制造業務實際發生的采購物料、生產人力、倉儲庫存、質量不良、資源損耗等各項支出量化統計，并在業務執行過程監控成本波動，通過數據指標對比分析找到降本空間。

經驗成庫：把個人能力變成組織能力

——知識架構是能力復制與智能進階的利器

企業知識架構規劃有助于識別市場核心競爭力。企業智能裝備和信息系統中已蘊含一部分工業知識與業務規則，這些知識保證產品制造過程高效、穩定運行；然而還有一部分知識隱藏在各業務人員頭腦里，包括用于分析解決制造過程中異常，甚至避免潛在異常發生的知識和經驗。

開展知識架構規劃目的在于完整梳理業務知識框架，促進各業務領域人員的業務經驗與知識總結，再利用這些群體智慧高效輔助解決實際業務問題。在CMMM三級條款中多處提及業務知識庫的構建與應用，四級五級條款還提到基于數據模型的實時動態優化與預測，這些模型本身更是邏輯性很強的業務知識。

知識架構規劃方式。各業務域的知識架構規劃可結合CMMM，重點從異常事件預先感知、問題分析與解決方案、業務資源能力復用等方面設計，將人員日常工作的離散經驗有效歸集。同時，知識架構規劃除了明確知識庫類型，還需注重知識庫內部的結構分層設計，如工藝設計知識庫包含工藝路線、工序、工藝參數、工藝資源等多個子類知識庫，關聯呈樹形結構，細顆粒度的知識結構與知識內容便于在場景中應用。基于CMMM構建4項業務域的知識架構及工藝設計知識庫分層設計示例，如圖4所示。

圖4 知識架構示例

很多企業反饋知識架構及知識庫構建并不存在技術難點，難點在于業務知識內容的沉淀與收集；這一問題需要人力資源部門建立完備的知識管理體系，激發人員知識總結能動性，將個人頭腦中的知識主動貢獻出來，即CMMM中【人員技能3a 3b】條款要求。同時，知識架構也為高階四級五級能力——工業人工智能應用構建基礎，很多人工智能模型場景應用依賴業務知識庫信息。

智能領航：智能技術解決復雜問題

——智能架構是構建引領能力的關鍵突破口

智能架構規劃面向企業最為復雜的業務場景，重點規劃智能技術與業務場景的賦能對應關系，策劃智能技術應用落地。CMMM五級條款雖然提出在復雜場景下應用人工智能、大數據技術，但由于每個行業面臨的復雜業務場景不同，因此標準條款不限制具體應用場景，充分發揮企業創新引領能力，智能架構也成為企業獨具匠心之處，企業應聚焦生產管理、工藝技術、設備運行的復雜性特點進行規劃。圖5所示為各項智能技術賦能業務域的智能架構示例。

圖5 智能架構示例

企業進行各業務領域架構規劃時，也可根據自身行業管理特點明確規劃工作重心，在重點業務領域形成更為詳細的建設路徑。通常離散型制造企業較為關注產品設計、工藝設計、計劃與調度、采購、生產作業、倉儲配送；流程制造企業較為關注數據、裝備、設備管理、安全環保、能源管理、物流等業務領域。

綜上，企業從業務架構、集成架構、指標架構、知識架構、智能架構五個維度梯次開展智能制造規劃，明確“十五五”智能制造實施落地的任務清單、邏輯主線與投資計劃，通過CMMM國家標準賦能打造企業最佳應用實踐。建議企業在制定“十五五”智能制造規劃時，優先明確五層架構中哪些部分已有基礎、哪些存在差距、哪些亟需突破，并結合行業實踐與自身條件，系統性規劃成效導向型行業智能制造建設路徑。