根據《工業和信息化部辦公廳 國家發展改革委辦公廳 財政部辦公廳 國務院國資委辦公廳 市場監督管理總局辦公廳關于開展2023年度智能制造試點示范行動的通知》（工信廳聯通裝函〔2023〕212號）要求，為做好我省智能制造試點示范項目推薦上報工作，現將有關事項通知如下：

申報免費咨詢：19855108130（手機/微信）

 

一、申報內容

　　遴選一批智能制造優秀場景，以揭榜掛帥方式建設一批智能制造示范工廠和智慧供應鏈，在各行業、各領域選樹一批排頭兵企業，推進智能制造高質量發展。

 

二、申報條件

　　（一）申報主體為在安徽省內注冊，具有獨立法人資格（石油石化、有色金屬等有行業特殊情況的，允許法人分支機構申報），近三年經濟效益較好且信用記錄良好的企業。已經承擔智能制造示范工廠揭榜任務的主體不再重復申報。

　　（二）申報主體的智能制造水平應處于國內領先地位，具有較強示范引領作用，使用的關鍵技術裝備、工業軟件安全可控，解決方案無知識產權糾紛。近三年未發生重大、特大安全生產事故，重大、特大環境事故，無違法違規行為。

　　（三）智能制造優秀場景申報材料參考《智能制造典型場景參考指引》（附件1）編寫，詳細描述建設場景，能從實施方法、實施要素等方面提供借鑒、引導創新，具有較強的可讀性，不涉及國家秘密、商業秘密等內容。鼓勵企業基于參考場景，推動產品全生命周期、生產制造全過程、業務運營全鏈條的解耦與重構，探索智能生產新場景、企業管理新形態和產業組織新模式。每個場景描述控制在3000字以內，可配圖說明。

　　（四）智能制造示范工廠揭榜任務面向原材料、裝備、消費品、電子信息四大類行業，建設內容需至少覆蓋典型場景的8個環節，申報材料參考《智能制造示范工廠揭榜任務》（附件2）編寫。示范工廠申報主體應當開展智能制造能力成熟度自評估，達到國家標準GB/T 39116-2020《智能制造能力成熟度模型》二級及以上，或滿足相關行業智能制造指導性文件要求。

 

三、其他要求

　　（一）企業申報、智能制造能力成熟度自評估、進度匯報、驗收申請以及材料報送等工作基于智能制造數據資源公共服務平臺開展。申報主體于2023年8月31日前完成線上申報，并對內容真實性負責，紙質版材料應與網上填報內容一致。

　　（二）請各市經濟和信息化局聯合發展改革、財政、市場監管主管部門，做好本地區非中央企業項目的申報推薦工作，鼓勵獲得省級智能工廠和數字化車間等稱號的企業積極申報，充分考慮行業和場景的覆蓋面，避免同類競爭。原則上每家企業只能在示范工廠和優秀場景中選擇其中一類進行申報。中央企業項目通過集團總部進行推薦，請各市國資主管部門負責通知本地區中央企業。

　　（三）請各市經濟和信息化局按推薦項目優先順序填寫推薦匯總表，將3份企業紙質版申報書（附件3，只蓋企業公章），2份加蓋經濟和信息化、發展改革部門公章的推薦文件和推薦匯總表（附件4），于9月5日前報送至省經濟和信息化廳。以上文件的PDF和WORD版本也請一并反饋至聯系郵箱。

　　（四）省經濟和信息化廳將會同省發展改革委、財政廳、國資委、市場監管局做好項目審核工作，擇優推薦上報。工業和信息化部、國家發展改革委、財政部、國務院國資委、市場監管總局共同組織遴選并公布智能制造優秀場景名單、智能制造示范工廠揭榜單位名單，常態化受理2021、2022年度智能制造示范工廠揭榜單位驗收申請，組織開展驗收評審，發布智能制造示范工廠名單。

（五）各市推薦單位應當加強對最終入選項目的指導和服務，給予優先支持，探索在示范工廠培育基礎上創建智能制造先行區。入選企業應主動配合開展現場評估和宣傳總結，積極推廣典型經驗。

 

附件1：智能制造典型場景參考指引

 

智能制造場景是智能工廠的核心組成部分，是指面向制造過程各個環節，通過新一代信息技術、先進制造技術的深度融合，部署高檔數控機床與工業機器人、增材制造裝備、智能傳感與控制裝備、智能檢測與裝配裝備、智能物流與倉儲裝備、行業成套裝備等智能制造裝備，集成相應的工藝、軟件等，實現具備協同和自治特征、具有特定功能和實際價值的應用。根據“十三五”以來智能制造發展情況和企業實踐，結合技術創新和融合應用發展趨勢，凝練總結了3個方面16個環節的45個智能制造典型場景，為智能工廠及智慧供應鏈建設提供參考。

 

一、產品全生命周期

1. 產品設計

通過設計建模、仿真優化和虛擬驗證，實現數據和模型驅動的產品設計，縮短產品研制周期，提高新產品產值貢獻率，可參考但不限于以下場景：

（1）產品數字化研發與設計。應用設計、仿真軟件和知識模型庫，基于復雜建模、物性表征與分析、多目標優化等技術，搭建數字化協同設計環境，開展產品、配方等設計、仿真與迭代優化。

（2）虛擬試驗與調試。構建虛擬試驗與調試環境，面向產品功能、性能、可靠性等方面，應用數字孿生、AR/VR、知識圖譜等技術，通過全虛擬仿真或者半實物半虛擬仿真，開展產品調試和測試驗證，縮短驗證周期，降低研發成本。

（3）數據驅動產品設計優化。集成產品設計、生產作業、售后服務等環節數據，結合人工智能、大數據等技術，探索創成式設計，持續迭代產品模型，驅動產品形態、功能和性能的優化創新。

 

2. 工藝設計

通過工藝建模與虛擬制造驗證，實現基于數字模型的工藝快速創新與驗證，縮短工藝開發周期，降低生產成本，可參考但不限于以下場景：

（4）工藝數字化設計。應用工藝設計、仿真軟件和工藝知識庫，基于機理建模、物性表征和數據分析技術，建立加工、裝配、檢測、物流等工藝模型，進行工藝全過程仿真，預測工藝設計缺陷并優化改進。

（5）可制造性設計。打通工藝設計、產品研發、生產作業等環節數據，結合知識模型庫，全面評價與及時改進產品設計、工藝的可加工性、可裝配性和可維護性等，降低制造與維護成本。

 

3. 質量管控

部署智能檢測裝備，通過在線檢測、質量分析、質量追溯和閉環優化，提高產品合格率，降低質量損失率，可參考但不限于以下場景：

（6）智能在線檢測。部署智能檢測裝備，融合5G、機器視覺、缺陷機理分析、物性和成分分析等技術，開展產品質量在線檢測、分析、評價和預測。

（7）質量精準追溯。建設質量管理系統，集成5G、區塊鏈、標識解析等技術，采集并關聯產品原料、設計、生產、使用等全流程質量數據，實現全生命周期質量精準追溯。

（8）產品質量優化。依托質量管理系統和質量知識庫，集成質量機理分析、質量數據分析等技術，進行產品質量影響因素識別、缺陷分析預測和質量優化決策。

 

4. 營銷管理

依托數字銷售渠道，通過市場與客戶數據分析，精準識別需求，優化銷售策略，提高人均銷售額，可參考但不限于以下場景：

（9）銷售驅動業務優化。應用大數據、機器學習、知識圖譜等技術，構建用戶畫像和需求預測模型，制定精準銷售計劃，動態調整設計、采購、生產、物流等方案。

（10）大規模個性化定制。部署智能制造裝備，依托產品模塊化、生產柔性化等，以大批量生產的低成本、高質量和高效率提供定制化的產品和服務。

 

5. 售后服務

依托智能產品，通過運行數據采集、分析，開展產品健康監控、遠程運維和維護，提高顧客的服務滿意率，可參考但不限于以下場景：

（11）產品遠程運維。建立產品遠程運維管理平臺，集成智能傳感、大數據和5G等技術，實現基于運行數據的產品遠程運維、健康監控和預測性維護。

（12）主動客戶服務。建設客戶關系管理系統，集成大數據、知識圖譜和自然語言處理等技術，實現客戶需求分析、服務策略決策和主動式服務響應。

（13）數據驅動服務。分析產品運行工況、維修保養、故障缺陷等數據，應用大數據、人工智能等技術，開拓專業服務、設備估值、融資租賃、資產處置等新業務，創造新價值。

 

二、生產全過程

1. 工廠建設

依托數字基礎設施，推動工業知識軟件化，加快數據流通，通過工廠數字化建模、仿真、優化和運維，提升制造系統運行效率，降低運維成本，可參考但不限于以下場景：

（14）工廠數字化設計。應用工廠三維設計與仿真軟件，集成工廠信息模型、制造系統仿真、數字孿生和AR/VR等技術，高效開展工廠規劃、設計和仿真優化，實現數字化交付。

（15）數字孿生工廠建設。應用建模仿真、多模型融合等技術，構建裝備、產線、車間、工廠等不同層級的數字孿生系統，通過物理世界和虛擬空間的實時映射，實現基于模型的數字化運行和維護。

（16）工業技術軟件化應用。應用大數據、知識圖譜、知識自動化等技術，將工業技術、工藝經驗、制造知識和方法沉淀為數據和機理模型，進行數據化顯性化，與先進制造裝備相結合，建設知識庫和模型庫，開發各類新型工業軟件，支撐業務創新。

（17）數字基礎設施集成。部署工業互聯網、物聯網、5G、千兆光網等新型網絡基礎設施，建設工業數據中心、智能計算中心、工業互聯網平臺以及網絡、數據、功能等各類安全系統，完善支撐數字業務運行的信息基礎設施。

（18）數據治理與流通。應用云計算、大數據、隱私計算、區塊鏈等技術，構建可信數據空間，實現企業內數據的有效治理和分析利用，推動企業間數據安全可信流通，充分釋放數據價值。

 

2. 計劃調度

通過市場需求預測、產能分析、庫存分析、計劃排產和資源調度等，提高勞動生產率和訂單達成率，可參考但不限于以下場景：

（19）生產計劃優化。構建企業資源管理系統，應用約束理論、尋優算法和專家系統等技術，實現基于采購提前期、安全庫存和市場需求的生產計劃優化。

（20）車間智能排產。應用計劃排程系統，集成調度機理建模、尋優算法等技術，實現基于多約束和動態擾動條件下的車間排產優化。

（21）資源動態配置。依托制造執行系統，集成大數據、運籌優化、專家系統等技術，開展基于資源匹配、績效優化的精準派工，實現人力、設備、物料等制造資源的動態配置。

 

3. 生產作業

部署智能制造裝備，通過資源動態配置、工藝過程優化、協同生產作業，提高勞動生產率、降低產值成本率，可參考但不限于以下場景：

（22）產線柔性配置。部署智能制造裝備，應用模塊化、成組和產線重構等技術，搭建柔性可重構產線，根據訂單、工況等變化實現產線的快速調整和按需配置，實現多種產品自動化混線生產。

（23）精益生產管理。應用六西格瑪、5S管理和定置管理等精益工具和方法，開展相關信息化系統建設，實現基于數據驅動的人、機、料等精確管控，提高效率，消除浪費。

（24）工藝動態優化。部署智能制造裝備，搭建生產過程全流程一體化管控平臺，應用工藝機理分析、多尺度物性表征和流程建模、機器學習等技術，動態優化調整工藝流程/參數。

（25）先進過程控制。部署智能制造裝備，依托先進過程控制系統，融合工藝機理分析、多尺度物性表征和建模、實時優化和預測控制等技術，實現精準、實時和閉環的過程控制。

（26）智能協同作業。部署智能制造裝備，基于5G、TSN、邊緣計算等技術建設生產現場設備控制系統，實現生產設備、檢測裝備、物流裝備等實時控制和高效協作。

（27）人機協同制造。應用人工智能、AR/VR、新型傳感等技術，提高高檔數控機床、工業機器人、行業成套裝備等智能制造裝備與人員的交互、協作能力，實現加工、裝配、分揀等生產作業的人、機自主協同。

（28）網絡協同制造。建立網絡協同平臺，推動企業間設計、生產、管理、服務等環節緊密連接，實現基于網絡的跨企業、跨地域的業務并行協同和制造資源配置優化。

 

4. 倉儲物流

部署智能物流與倉儲裝備，通過配送計劃和調度優化、自動化倉儲、配送管理，提高庫存周轉率，降低庫存成本，可參考但不限于以下場景：

（29）智能倉儲。建設智能倉儲系統，應用條碼、射頻識別、智能傳感等技術，依據實際生產作業計劃，實現物料自動入庫（進廠）、盤庫和出庫（出廠）。

（30）精準配送。集成智能倉儲系統和智能物流裝備，應用實時定位、機器學習等技術，實現原材料、在制品、產成品流轉全程跟蹤，以及物流動態調度、自動配送和路徑優化。

 

5. 設備管理

部署智能傳感與控制裝備，通過設備運行監測、故障診斷和健康管理，提升設備綜合效率，降低運維成本，可參考但不限于以下場景：

（31）在線運行監測。集成智能傳感、5G、大數據分析等技術，通過自動巡檢、在線運行監測等方式，判定設備運行狀態，開展性能分析和異常報警，提高設備運行效率。

（32）設備故障診斷與預測。綜合運用物聯網、機器學習、故障機理分析等技術，建立故障診斷和預測模型，預測故障失效模式，開展預測性維護，提高設備綜合利用率。

（33）設備運行優化。建設設備健康管理系統，基于模型對設備運行狀態、工作環境等進行綜合分析，調整優化設備運行參數，提高運行效率，延長設備使用壽命。

 

6. 安全管控

部署安全監控和應急裝備，通過安全風險識別，應急響應聯動，提升本質安全，降低損失工時事故率，可參考但不限于以下場景：

（34）安全風險實時監測與應急處置。依托感知裝置和安全生產管理系統，基于智能傳感、機器視覺、特征分析、專家系統等技術，動態感知、精準識別危化品、危險環節等各類風險，實現安全事件的快速響應和智能處置。

（35）危險作業自動化。部署智能制造裝備，集成智能傳感、機器視覺、特種機器人、5G等技術，打造面向危險作業的自動化產線，實現危險作業環節的少人化、無人化。

 

7. 能源管理

部署能耗采集裝置，通過能耗實時采集、監測，能耗數據分析與調度優化，提高能源利用率，降低單位產值綜合能耗，可參考但不限于以下場景：

（36）能耗數據監測。基于能源管理系統，應用智能傳感、大數據、5G等技術，開展全環節、全要素能耗數據采集、計量和可視化監測。

（37）能效平衡與優化。應用能效優化機理分析、大數據和深度學習等技術，優化設備運行參數或工藝參數，實現關鍵設備、關鍵環節等能源綜合平衡與優化調度。

 

8. 環保管控

部署環保監測裝置，通過排放采集與監控，排放分析與優化，降低污染物排放，減少單位產值碳排放量，可參考但不限于以下場景：

（38）污染監測與管控。搭建環保管理平臺，應用機器視覺、智能傳感和大數據等技術，開展排放實時監測和污染源管理，實現全過程環保數據的采集、監控與分析優化。

（39）碳資產與廢棄物管理。開發碳資產管理平臺、廢棄物料管理平臺和行業成套裝備，集成智能傳感、物聯網、區塊鏈等技術，實現全流程的碳排放追蹤、分析、核算和交易以及廢棄物處置和循環再利用全過程的監控、追溯。

 

三、供應鏈全環節

1. 供應鏈計劃

通過打通供應鏈上下游生產、倉儲、物流等環節，開展供應鏈計劃協同優化，提高供應商準時交付率，可參考但不限于以下場景：

（40）供應鏈計劃協同優化。應用大數據、人工智能等技術，結合市場需求預測和倉儲、生產、物流等狀態分析，實現采購計劃、生產計劃、配送計劃的協同編制與同步更新。

（41）產供銷一體化。通過人工智能、云計算等技術，打通銷售、生產和采購系統的業務流、數據流，實現銷售、生產和采購的協同優化。

2. 供應鏈采購與交付

通過供應鏈采購訂單和交付物流的實時監控，提高供應商交付率，降低采購成本，可參考但不限于以下場景：

（42）供應鏈采購動態優化。建設供應鏈管理系統，集成尋優算法、知識圖譜、5G等技術，實現采購訂單的精準跟蹤、可視化監控和采購方案動態優化。

（43）供應鏈智能配送與動態優化。依托運輸管理系統，應用實時定位、人工智能等技術，實現運輸配送全程跟蹤和異常預警、裝載能力和配送路徑優化。

 

3. 供應鏈服務

通過供應鏈上下游數據采集與分析，精細化管理供應商，預測供應鏈風險并動態響應，確保訂單交付，可參考但不限于以下場景：

（44）供應商數字化管理。建立供應商管理系統，集成大數據、知識圖譜等技術，實現供應商數據管理以及基于數據分析的供應商評價、分級分類、供應商尋源、優選推薦。

（45）供應鏈風險預警與彈性管控。建立供應鏈管理系統，集成知識圖譜、云計算等技術，開展供應鏈風險隱患識別、定位、預警和高效處置。

 

附件2：智能制造示范工廠揭榜任務

 

智能制造示范工廠揭榜任務面向原材料、裝備、消費品、電子信息四大類行業，揭榜單位按照所屬細分行業進行揭榜，推進智能工廠和智慧供應鏈建設。智能工廠建設內容需至少覆蓋8個環節。智慧供應鏈建設內容需在智能工廠建設內容基礎上，再至少覆蓋供應鏈相關的1個環節。具體建設內容參考《智能制造典型場景參考指引》，也可根據實際情況開展其他環節應用創新，鼓勵開展智能生產新場景、企業管理新形態和產業組織新模式探索。建設完成后，揭榜單位需完成揭榜任務目標，生產效率、資源綜合利用率、設備綜合利用率、全員勞動生產率等顯著提升，產品研制周期、運營成本、不良品率、單位產值綜合能耗等大幅降低，產線作業人員有效優化，網絡安全保障能力明顯增強，整體智能化水平達到行業領先。

（一）原材料行業

聚焦石化化工、鋼鐵、有色金屬、建材、民爆等細分領域，應用分子級物性表征、實時優化控制、人工智能、5G等新技術，探索數字孿生工廠建設、先進過程控制、設備預測維護、能效平衡與優化等典型場景，建設綠色、高效、安全和可持續的原材料行業智能制造示范工廠，實現資源優化配置、生產運行平穩、生產過程清潔化。

探索供應鏈計劃協同優化、碳資產管理等典型場景，打造高效、綠色、安全的原材料行業智慧供應鏈，推動供應鏈上下游企業實現資源優化配置、生產安全化和綠色化。

（二）裝備制造業

聚焦通用裝備、專用裝備、汽車、軌道交通裝備、船舶、航空航天、電氣機械、儀器儀表等細分領域，應用知識工程、AR/VR、數字孿生、可重構生產、人工智能等新技術，探索產品數字化設計、產線柔性配置、產品遠程運維、數據驅動服務等典型場景，建立高效柔性、敏捷響應、人機協同和動態調度的裝備制造業智能制造示范工廠，不斷優化裝備產品性能，完善后服務水平。

探索供應商數字化管理、網絡化協同制造等典型場景，打造具備協同研發、生產和服務能力的裝備制造智慧供應鏈，滿足復雜裝備高效研制和運維要求。

（三）消費品行業

聚焦食品、飲料、紡織、服裝服飾、皮革及制鞋、家具、造紙、印刷、醫藥、化纖、家電等細分領域，應用人工智能、區塊鏈、數字孿生等新技術，探索產供銷一體化、大規模個性化定制、銷售驅動業務優化等典型場景，建立全生命周期質量管控、需求敏捷感知和產銷用協同的消費品行業智能制造示范工廠，探索和打造以用戶需求為中心的制造體系。

探索供應鏈計劃協同優化、產供銷一體化等典型場景，建設快速適應市場需求變化的消費品行業智慧供應鏈，滿足規模化定制生產要求。

（四）電子信息行業

聚焦計算機、通信和其他電子設備等細分領域，應用人機高效協作、在線精密檢測、人工智能等新技術，探索工藝數字化設計、智能在線檢測、工藝動態優化等典型場景，建設高效配送、資源協同和柔性生產的電子信息行業智能制造示范工廠，提高產品質量、性能和穩定性。

探索供應鏈采購動態優化、供應鏈風險預警與彈性管控等典型場景，建設精益化彈性管控的電子信息行業智慧供應鏈，保障訂單高效、準時交付。