智能工厂建设分几个阶段？从自动化到数字化的实施路径

智能工厂建设可以按五个实施阶段推进：诊断与定界、补齐自动化和数据基础、关键场景试点、跨环节集成与复制、持续优化。这是一种便于安排工程任务和验收的实施路径，具体从哪里进入、哪些工作并行，取决于工厂已有基础和要解决的问题。

从工业自动化走向数字化，关键不只是让设备自动运行，还要让运行事实能够被正确记录、关联订单与工艺，并支持生产、质量、维护等岗位采取行动。已有自动化产线可以先补数据和业务衔接，仍有人工工序的车间也可以从可追溯记录和明确的业务场景起步，不必等全厂设备都完成替换。

需要分清三个问题：建设阶段回答“接下来做什么”；GB/T 39116-2020《智能制造能力成熟度模型》用于描述和评估能力水平；智能工厂梯度培育则有专门的认定要求。这里的五个阶段不是成熟度一级到五级，也不能用“已做完第三阶段”替代相应评估。

第一阶段：诊断与定界，先确定要改善哪项业务

起步阶段需要把“建智能工厂”变成一个可以验证的业务目标。例如，某条产线非计划停机较多，要先弄清主要损失发生在什么设备、什么班次、什么产品条件下，以及当前记录能否回答这些问题。订单延期、质量追溯困难或能耗异常，也需要做同样的具体化处理。

建议由业务负责人牵头，生产、工艺、设备、质量及信息技术人员一起梳理现状：流程怎么走，谁作决定，已有设备和系统能提供什么，哪些信息仍靠人工传递。对照目标列出数据、流程、技能和设备上的差距，再按业务影响、可实施性及所需资源确定第一项试点。

这一阶段应形成问题清单与基线，明确项目边界、责任人、资源安排和验收口径。以停机管理为例，应约定计划停机与非计划停机如何区分、时间从何时开始和结束、班次与产品如何关联，并保留改造前记录。否则，改造后改变统计口径，也可能被误认为性能改善。

进入下一阶段前，业务负责人应能够说明“谁用结果、据此做什么、用什么记录判断有无改善”。如果目标仍只是安装多少设备、接入多少点位或展示多少张看板，应先补清业务用途。CESMII的智能制造路线图方法也把现状评估、业务重点和人员协作放在技术实施之前；具体项目仍要落实到自己的生产条件。

第二阶段：补齐自动化和数据基础，确保记录可信且可用

这一阶段从已选场景倒推必要的基础。停机管理可能需要设备状态、时间戳、停机原因和维修记录；质量追溯还需要批次、工序、物料与检测结果的对应关系。先确定这些数据怎样支持业务，再决定需要增加哪些采集、识别或控制能力。

对于已有控制器和接口的设备，应确认可读数据及读取条件；缺少接口的环节，可评估补充传感或受控的人工记录。人工补录需要明确填写时点、责任人和校核方式，不能与自动采集数据混在一起而失去来源信息。工艺尚未稳定的关键环节，则需要先处理重复性和执行一致性，避免只把波动记录得更完整。

主要产物是设备与数据清单，以及能够实际运行的数据采集和维护规则。清单应至少说明设备标识、字段含义、单位、时间来源、采集频率、关联对象、质量检查方式和维护责任。通信中断造成的缺失值，应能与真实的零产量、零能耗或停机区分。

验收时，要把系统记录与现场观察、原始记录或计量结果对照，并覆盖设备重启、换型和网络恢复等情形。采集改造还要明确访问权限、网络边界、配置备份与恢复办法，评估对原有生产控制的影响。美国国家标准与技术研究院的NIST SP 800-82 Rev.3强调，运行技术系统的安全措施需要兼顾性能、可靠性和生产安全要求。

如果数据仍无法对应实际设备和工单，或者采集会干扰正常生产，就应在这一阶段解决；仅有“在线率”或持续跳动的数字，还不足以证明可以进入业务应用。

第三阶段：关键场景试点，跑通从发现问题到验证结果的过程

试点应选择范围明确、责任人可参与、结果可观察的场景。它既要有现实价值，也要能够代表后续推广会遇到的主要条件。只在最理想的一台设备上演示，容易遗漏换型、多班次和不同设备接口带来的问题。

继续以假设的非计划停机管理试点为例，一次完整的处理过程包括：设备状态触发记录，操作人员确认原因，维修人员接收任务，完成处置并确认复机，相关人员复核停机时间与原因，持续重复的问题进入改进。看板承担展示作用，真正的试点结果是这些信息能够支持工作流转和后续判断。

试点的交付物应包括运行中的处理流程、岗位操作说明、异常处置办法和效果记录。对比基线时，要同时查看非计划停机时长、重复故障、响应与修复时间等与目标直接相关的指标，并注明产品组合、负荷和班次变化。不能将订单减少带来的负荷下降，直接归因于系统上线。

验收应覆盖有代表性的生产周期和异常情形：现场人员能否独立使用，原因是否大量停留在“其他”，重复告警是否影响处置，断网期间是否还能继续必要作业。如果数据准确但没人响应，优先调整职责和流程；如果操作负担明显增加且未支持业务改善，就先修改试点，而不是扩大接入范围。

工业和信息化部2026年发布的《工业场景数据要素应用参考指引》通知提出以场景应用为牵引，探索工业数据采集与应用路径。对应到项目中，场景能否实际运转，比孤立地增加数据量更能检验前两阶段的工作是否有效。

第四阶段：跨环节集成与复制，让试点进入日常业务

试点稳定后，要处理跨岗位、跨系统的数据与业务关系，再逐步复制到其他产线。例如，将设备停机与生产计划、工单和维护记录关联，才能判断某次停机影响了哪些任务，以及是否需要调整安排。

集成首先要确定信息的维护责任：设备、物料、工单和工艺版本分别由哪里维护，哪些系统可以修改，哪些只接收。还要约定业务事件的含义，避免两个系统都显示“已完成”，一个表示设备动作结束，另一个却表示质量放行结束。国际自动化学会的ISA-95企业与控制系统集成标准介绍，把业务与制造活动之间的信息交换、术语和接口作为重要内容；这些逻辑边界比简单连通接口更影响实际使用。

这一阶段应形成一致的业务与数据规则、可复用的配置和接口说明，以及明确的本地差异清单。复制到新产线时，需要重新核对工艺、设备、节拍、人员和维护条件。可以复用已经验证的公共规则，但不能默认旧试点的参数和处置方法适用于所有车间。

验收除了正常工单，还应检查取消工单、返工、重复消息、网络恢复后补传、跨系统时间差等情况，确认不会造成重复报工、错误扣料或状态不一致。若每接入一条线都要大量重新编写流程，或者长期依赖人工对账，应先解决公共规则和数据维护问题，再安排下一批推广。

在CESMII公开的Kimberly-Clark数字制造实践介绍中，项目人员把人员、流程和数据基础列为规模化推广的重要支柱。这个经验说明，复制能力需要组织和业务规则支撑，不能仅用已部署站点数量评价。

第五阶段：持续优化，用运行证据决定下一步改进

持续优化的前提，是工厂已经能够获得稳定的数据、执行相应业务动作，并追溯结果。在这个基础上，可以逐步改进排程、维护、质量或能源管理；应先判断现有规则和工艺方法能否解决问题，再判断是否需要模型、仿真或人工智能。

以设备维护为例，若故障样本不足、换型影响尚未分清，直接做故障预测可能难以验证。先完善原因分类、维修记录和重复故障分析，更容易形成可检查的改进。若引入预测模型，还需要区分历史验证与现场效果，持续检查误报、漏报、数据变化和人工处置负担。

这一阶段的产物是持续改进记录：改了什么，适用于哪些条件，使用哪个版本，依据什么结果保留或撤回。新增功能先在受控范围验证，保留必要的人工确认和恢复路径；发现质量、节拍或维护负担恶化时，应暂停扩大应用并回查原因。

项目验收之后，设备、数据、接口和业务规则仍需要明确的维护人及资源。生产条件变化时，要同步检查配置、指标口径和培训内容。持续优化的判断标准，是工厂能否用可信记录发现问题、执行改进并验证效果，而不是是否用上了某一种技术。

已有工厂应该从哪一步开始？

每个工厂都需要先做诊断，但不必把已经具备的能力重建一次。自动化较好、业务记录分散的工厂，可重点补齐数据标识与流程衔接；已有多个系统但工单和物料对不上的工厂，应先处理规则与数据一致性；已经有稳定试点的工厂，则应检查复制条件和长期维护责任。

安排进度时，以明确的阶段产物和验收结果作为推进依据。把首个项目落实到一个业务问题、一组可信记录和一条有人负责的处理流程，再逐步扩展，才能让自动化能力转化为可持续使用的数字化能力。

参考资料

• 国家标准全文公开系统：GB/T 39116-2020《智能制造能力成熟度模型》，2020年发布，2021年实施；截至2026年10月20日页面标注现行。
• 工业和信息化部等六部门：关于开展2026年度智能工厂梯度培育行动的通知，2026年7月，梯度培育与项目实施路径的区分。
• 工业和信息化部办公厅：关于印发《工业场景数据要素应用参考指引》的通知，2026年4月。
• CESMII：Smart Manufacturing Acceleration Roadmap，现状评估、业务目标、实施与验证方法。
• NIST：SP 800-82 Rev.3，Guide to Operational Technology Security，2023年正式版。
• 国际自动化学会ISA：ISA-95 Series of Standards: Enterprise-Control System Integration，企业与制造活动的信息交换及接口。
• CESMII：From Pilot to Platform: Scaling Smart Manufacturing Across a Global Enterprise，2026年6月4日。