以国家标准推进制造企业智能化升级

——基于CMMM做好智能制造规划

2025年是“十四五”收官之年，制造业正处于数字化转型的关键窗口期。面向“十五五”，不少企业开始谋划未来五年的智能制造建设路径，但在规划过程中面临着“现状复杂、无法切入”“方案宽泛，难以落地”“投入有限，重点不明”的问题。这些困境背后，并非简单的技术或资金问题，而是深层次的思路、能力与方法问题。为此，我院基于《智能制造能力成熟度模型》（GB/T 39116-2020）国家标准（以下简称CMMM）、133400余家企业的平台诊断数据、1100余家企业的评估实践、850家企业的咨询案例，构建业务架构、集成架构、指标架构、知识架构、智能架构五位一体的智能制造规划架构，旨在为制造企业科学规划智能制造提供方法指引。

一套国家标准，给出科学路径

智能制造能力成熟度模型从成熟度等级、业务能力具体要求等方面，对企业智能制造建设梯次演进的五大阶段进行明确定义，引导企业有序开展智能工厂建设。CMMM具有梯度能力指引性、业务覆盖全面性、问题解决针对性、发展路径明晰性、场景应用先进性的特点，对于谋划“十五五”的企业来说，这不仅是一个参考，更是一个可直接使用的规划工具。

“五层架构”构建智能制造规划蓝图

智能制造规划要保证最终落地，既要直面企业发展面临的问题，又要面向行业发展趋势与新需求，同时还要在模式创新与技术应用方面具备一定前瞻性。结合企业自身发展阶段与现状能力，整体策划阶段目标、建设项目、人员与资金投入，形成企业完整的业务架构、集成架构、指标架构、知识架构、智能架构。

按图索骥解决企业九大核心问题

规划工作的首要任务是识别自身能力不足，企业可基于成熟度模型开展现状诊断与评估对标。现状盘点可参照成熟度条款，面向业务、协同、数据、知识等维度次第开展诊断工作，在识别问题和弱项的同时，挖掘问题根因与能力提升需求。本文总结企业经常面临的“九大典型问题”，并通过相应架构规划提供解决路径。

五层架构既是规划蓝图，也是识别问题、制定任务、保障落地的行动地图。面对业务问题，我们围绕标准，聚焦实际，提出五层架构的设计方式与核心内容。

业务为本：厘清企业发展主战场

——业务架构是智能制造建设的基石

企业在智能制造规划前，首先应完整描绘业务蓝图，准确识别企业发展相关的业务领域和范围，构建业务架构，避免业务范围完整性不足或业务能力超前问题，以保证后续智能制造建设紧密围绕主营业务，落地到具体业务场景，发挥业务提升效果，避免空中楼阁。

业务架构规划方式。面向各组织职能、各产品线分析，盘点企业现有业务的完整性、规范性，同时注重与标杆企业的业务能力、制造管理模式对比，识别缺失哪些业务，以及未来转型变革需增加的新业务，并明确定义新业务的执行规范和相关岗位职责。由于成熟度模型各条款已细化到具体业务场景，从业务视角看标准各条款即形成一副典型的业务蓝图。图1为基于智能制造成熟度模型总结的业务架构示例。

图1 业务架构示例

成熟度模型国家标准提炼的是各行业较为通用、基础的业务，实际在业务架构规划中，可基于行业与企业特点对业务架构进行扩展梳理。基于完整的业务架构还可分析每项业务的成熟度，以及业务架构的数字化覆盖成熟度，并由此进行企业应用架构与数据架构分析。

协同为要：打通流程就是打通效能

——集成架构是实现业务协同的主路径

企业通过智能制造建设提高制造环节敏捷性。成熟度模型从三级（集成级）开始，将促进跨职能业务协同作为提高制造敏捷性的重要手段，并引导企业通过业务系统间集成、设备与系统间集成、内部与外部系统间集成等手段实现跨职能业务协同。

集成架构规划方式。一方面参考成熟度模型三级条款明确的系统集成点（如【产品设计4d】【采购3a 4a】【仓储配送3a】【设备管理3a】），一方面基于“业务架构”全面分析跨职能业务协同活动与共享信息，并将这些业务协同活动串联起来，构建订单交付关键过程主干道流程（如ISC集成供应链相关流程），以保证关键过程业务执行的连续性；同样，企业在业务变革导入新流程时（如IPD集成产品开发），也需打通主干道相关业务流程。

最终将业务协同架构转化为系统间信息交互的集成架构，如图2所示为系统集成架构示例。

图2 集成架构示例

当企业信息系统较多、协同活动较复杂时，为避免集成架构表达混乱，可按照单一业务域为主体，识别与其他业务的协同关系，如研发设计业务域与其他销售、采购、仓储、计划、生产、物流、服务等业务的协同活动，再明确业务系统间集成关系，分别规划各项业务的集成架构。此外，还需根据业务协同需求，规划适宜的系统集成技术方式和交互频率，满足集成数据同步时效性要求。

指标先行：指标设计决定建设成效

——指标架构是衡量成果与驱动提升的标尺

企业智能制造建设要以实现制造运营能力提升为目标，因此建立适宜的指标体系一方面可以为智能制造建设指明方向，通过重点项目建设达成业务指标，另一方面也可以衡量并检验智能制造建设成效。同时，指标体系构建应紧密围绕企业发展战略和经营目标，并将其分解为各业务职能需达到的相关指标，通过数字化指标监控考核，将待解决问题显性化，再进行针对性提升，最终实现整体战略目标。

指标架构规划方式。成熟度模型条款已给出设备综合效率OEE、供应商量化评价、生产动态监测等指标，但更为完整的指标需要在“业务架构”中分析挖掘，可重点在业务执行成效、跨职能业务协同交互、异常问题发现与解决等方面，从及时性、高效性、准确性、经济性角度定义监控指标。基于成熟度模型业务架构设计6个业务域的指标架构示例，如图3所示。

图3 指标架构示例

在规划指标架构过程中，还需明确指标的计算公式和系统取数来源。指标监控初期，企业会发现系统直接计算出的指标数据与实际业务相差很大，可能存在数据口径不统一或者系统中数据质量不高的因素，这也从侧面推动企业进行相关数据治理工作；同时也会发现用于部分指标计算的业务数据缺失，从而推动企业完善业务系统功能构建与业务数据应用。

企业通过指标架构规划，明确业务工作与未来发展重心，特别在企业制造成本降低方面，需将制造业务实际发生的采购物料、生产人力、仓储库存、质量不良、资源损耗等各项支出量化统计，并在业务执行过程监控成本波动，通过数据指标对比分析找到降本空间。

经验成库：把个人能力变成组织能力

——知识架构是能力复制与智能进阶的利器

企业知识架构规划有助于识别市场核心竞争力。企业智能装备和信息系统中已蕴含一部分工业知识与业务规则，这些知识保证产品制造过程高效、稳定运行；然而还有一部分知识隐藏在各业务人员头脑里，包括用于分析解决制造过程中异常，甚至避免潜在异常发生的知识和经验。

开展知识架构规划目的在于完整梳理业务知识框架，促进各业务领域人员的业务经验与知识总结，再利用这些群体智慧高效辅助解决实际业务问题。在CMMM三级条款中多处提及业务知识库的构建与应用，四级五级条款还提到基于数据模型的实时动态优化与预测，这些模型本身更是逻辑性很强的业务知识。

知识架构规划方式。各业务域的知识架构规划可结合CMMM，重点从异常事件预先感知、问题分析与解决方案、业务资源能力复用等方面设计，将人员日常工作的离散经验有效归集。同时，知识架构规划除了明确知识库类型，还需注重知识库内部的结构分层设计，如工艺设计知识库包含工艺路线、工序、工艺参数、工艺资源等多个子类知识库，关联呈树形结构，细颗粒度的知识结构与知识内容便于在场景中应用。基于CMMM构建4项业务域的知识架构及工艺设计知识库分层设计示例，如图4所示。

图4 知识架构示例

很多企业反馈知识架构及知识库构建并不存在技术难点，难点在于业务知识内容的沉淀与收集；这一问题需要人力资源部门建立完备的知识管理体系，激发人员知识总结能动性，将个人头脑中的知识主动贡献出来，即CMMM中【人员技能3a 3b】条款要求。同时，知识架构也为高阶四级五级能力——工业人工智能应用构建基础，很多人工智能模型场景应用依赖业务知识库信息。

智能领航：智能技术解决复杂问题

——智能架构是构建引领能力的关键突破口

智能架构规划面向企业最为复杂的业务场景，重点规划智能技术与业务场景的赋能对应关系，策划智能技术应用落地。CMMM五级条款虽然提出在复杂场景下应用人工智能、大数据技术，但由于每个行业面临的复杂业务场景不同，因此标准条款不限制具体应用场景，充分发挥企业创新引领能力，智能架构也成为企业独具匠心之处，企业应聚焦生产管理、工艺技术、设备运行的复杂性特点进行规划。图5所示为各项智能技术赋能业务域的智能架构示例。

图5 智能架构示例

企业进行各业务领域架构规划时，也可根据自身行业管理特点明确规划工作重心，在重点业务领域形成更为详细的建设路径。通常离散型制造企业较为关注产品设计、工艺设计、计划与调度、采购、生产作业、仓储配送；流程制造企业较为关注数据、装备、设备管理、安全环保、能源管理、物流等业务领域。

综上，企业从业务架构、集成架构、指标架构、知识架构、智能架构五个维度梯次开展智能制造规划，明确“十五五”智能制造实施落地的任务清单、逻辑主线与投资计划，通过CMMM国家标准赋能打造企业最佳应用实践。建议企业在制定“十五五”智能制造规划时，优先明确五层架构中哪些部分已有基础、哪些存在差距、哪些亟需突破，并结合行业实践与自身条件，系统性规划成效导向型行业智能制造建设路径。