智能制造典型場景是智能工廠建設的基礎，是推進智能制造的基本業務單元。“十四五”以來，工業和信息化部會同相關部門不斷深化場景化推進智能制造發展的路徑探索，持續迭代發布《智能制造典型場景參考指引》（以下簡稱《參考指引》），總結形成了高價值、標準化、可推廣的典型場景。

2025年版《參考指引》基于制造企業探索實踐，結合技術創新與融合應用發展趨勢，從工廠建設、產品研發、生產管理、生產作業等8個重點環節，凝練出40個典型場景，并圍繞場景業務活動、核心問題、實施路徑與應用成效等方面進行了詳細描述。相比2024年版，新版《參考指引》優化了重點環節布局，新增了數字基礎設施建設、制造工程優化、智能經營決策等典型場景，突出了人工智能新技術在典型場景中的融合應用，加強對企業智能化升級的引領。

下一步，工業和信息化部將會同相關部門以《參考指引》為基礎，深入實施智能制造工程，統籌推進智能工廠梯度培育、解決方案創新攻關、標準體系建設優化等重點工作，全力打造智能制造“升級版”，推動智能制造向更大范圍拓展、更深程度滲透、更高水平躍升。

關于印發《智能制造典型場景參考指引（2025年版）》的通知

工信廳通裝函〔2025〕155號

各省、自治區、直轄市、計劃單列市及新疆生產建設兵團工業和信息化主管部門，有關中央企業：

  為落實國務院辦公廳印發的《制造業數字化轉型行動方案》部署，按照《“十四五”智能制造發展規劃》任務要求，打造智能制造“升級版”，結合智能制造最新實踐和發展趨勢，工業和信息化部組織編制了《智能制造典型場景參考指引（2025年版）》。現印發給你們，請參考做好智能工廠梯度培育、智能制造系統解決方案攻關、智能制造標準研制應用等相關工作，加快推進制造業數字化轉型、智能化升級。

工業和信息化部辦公廳

2025年4月19日

智能制造典型場景參考指引（2025年版）

  智能制造典型場景是智能工廠建設的基礎，是推進智能制造的基本業務單元。面向產品全生命周期、生產制造全過程和供應鏈全環節開展工廠的業務解耦，通過新一代信息技術與制造技術深度融合，部署智能制造裝備、工業軟件和智能系統，以數字化、網絡化、智能化方式進行業務重構，形成標準化、可推廣的智能制造典型場景，進而集成貫通構成智能工廠。根據智能制造多年探索實踐，結合技術創新和融合應用發展趨勢，凝練出8個環節的40個智能制造典型場景，作為智能工廠梯度培育、智能制造系統解決方案“揭榜掛帥”、智能制造標準體系建設等工作的參考指引。

一、工廠建設環節

  1.工廠數字化規劃設計

  面向工廠規劃與空間優化、設備與產線布局、物流路徑規劃、設計資料交付等業務活動，針對工廠設計建設周期長、布局優化難等問題，搭建工廠數字化設計與交付平臺，應用建筑信息模型、設備/產線三維建模、工藝/物流仿真、過程模擬等技術，建立工廠規劃決策知識庫，開展工廠數字化設計與交付，縮短工廠建設或改造周期。

  2.數字基礎設施建設

  面向數據中心、工業網絡、安全基礎設施建設等業務活動，針對工廠算力和網絡能力不足、安全防護能力弱等問題，建設數字基礎設施，推動IT和OT深度融合，部署安全防護設備，應用算力資源動態調配、負載均衡、異構網絡融合、高帶寬實時通信、5G、動態身份驗證、安全態勢感知、多層次縱深防御等技術，建設高性能的算力和網絡基礎設施，以及全方位監測防護的安全基礎設施，提升工廠算力、網絡和安全防護能力。

  3.數字孿生工廠構建

  面向廠房、設備、管網等工廠資產的數據采集存儲、數字孿生模型構建等業務活動，針對數據格式不統一、集成管控難度大、數據價值釋放不充分等問題，應用工業數據集成、數據標識解析、異構模型融合、數字主線、工廠操作系統、行業垂直大模型等技術，開展數據資源管理，構建設備、產線、車間、工廠等不同層級的數字孿生模型，與真實工廠映射交互，提升管控效率，實現工廠運營持續優化。

二、產品研發環節

  4.產品數字化設計

  面向需求分析、產品定義、初步設計、詳細設計、分析優化、研發管理等業務活動，針對產品研發周期長、成本高等問題，部署CAD、CAE、PLM等數字化設計工具，構建設計知識庫，采用基于模型的設計理念，應用多學科聯合仿真、物性表征與分析等技術，開展產品結構、性能、配方等設計與優化；集成市場、設計、生產、使用等產品全生命周期數據，應用數據主線、可制造性分析等技術，實現全流程系統優化；應用人工智能大模型技術，開展生成式設計創新，自動生成設計方案，縮短產品上市周期，降低研發成本。

  5.產品虛擬驗證

  面向產品功能性能測試、可靠性分析、安全性驗證等業務活動，針對新產品驗證周期長、成本高等問題，搭建虛實融合的試驗驗證環境，應用高精度建模、多物理場聯合仿真、自動化測試等技術，通過全虛擬或半實物的試驗驗證，降低驗證成本，加速產品研發。

三、工藝設計環節

  6.工藝數字化設計

  面向工藝流程設計、仿真驗證、方案優化等業務活動，針對工藝設計效率低、試錯成本高等問題，部署工藝設計仿真工具，構建工藝知識庫和行業工藝包等，應用機理建模、過程模擬、知識圖譜等技術，實現工藝設計快速迭代優化；應用工藝自動化、人工智能等技術，實現工序排布、工藝指令等自動生成，縮短工藝設計周期，減少設計錯誤。

  7.制造工程優化

  面向生產準備階段的設備選型、產線調試、參數確認、資源分配等業務活動，針對產線不平衡、換產時間長、資源利用率低等問題，搭建中試環境或產線模擬仿真系統，應用產能分析、虛擬測試等方法，實現生產節拍優化和資源有效整合，確保制造過程穩定高效。

四、生產管理環節

  8.生產計劃優化

  面向主計劃制定、物料需求計劃生成等業務活動，針對市場波動頻繁、交付周期長等問題，構建生產計劃系統，打通采購、生產和倉儲物流等管控系統，應用需求預測、多目標多約束求解、產能動態規劃等技術，實現生產計劃優化和動態調整，縮短訂單交付周期。

  9.車間智能排產

  面向作業排程等業務活動，針對資源利用率低、交付不及時等問題，建設智能排產系統，應用復雜約束優化、多目標規劃、強化學習等技術，基于安全庫存、生產過程數據等要素實現多目標排產優化，縮短交付周期，提升資源利用率。

  10.生產進度跟蹤

  面向生產進度可視化、資源消耗統計等業務活動，針對生產指標計算失真、生產異常發現滯后、資源空置浪費等問題，建設數據采集與監控系統，應用實時數據分析引擎、機器學習、物料實時跟蹤等技術，實現生產數據實時獲取、生產進度實時監控、生產指標自動計算，提高生產透明度和資源利用率。

  11.生產動態調度

  面向緊急插單、設備故障等事件的資源動態調度需求，針對計劃剛性、資源錯配浪費等問題，建設動態調度系統，應用運籌優化、強化學習、遺傳算法、專家系統等技術，實現生產擾動及時響應，人力、設備、物料等制造資源的動態配置，提升生產效率和資源利用率。

  12.倉儲智能管理

  面向物料和成品出入庫、庫存管理等業務活動，針對出入庫效率低、庫存成本高等問題，建設自動化立體倉庫和智能倉儲管理系統，應用自動化盤點、倉儲策略優化、多形態混存揀選、庫存實時調整等技術，實現物料和成品出入庫、存儲、揀選的智能化，提高庫存周轉率和空間利用率。

  13.物料精準配送

  面向廠內物流配送等業務活動，針對物料配送不及時、不精準等問題，部署自主移動機器人等智能物流設備和智能運輸管理系統，應用室內高精度定位導航、物流路徑動態規劃、物流設備集群控制等技術，實現廠內物料配送快速響應和動態調度，提升物流配送效率和準時率。

  14.危險作業自動化

  面向高危物料處理、極端環境操作、密閉空間作業等危險業務活動，針對作業安全風險高、自動化水平低等問題，部署工業機器人、協作機器人等智能作業單元，應用環境感知與識別、遠程實時操控、自主決策等技術，實現危險作業環節的少人化、無人化，提高生產作業安全水平。

  15.安全一體化管控

  面向安全風險識別、安全應急響應等業務活動，針對安全風險高、實時監控難、處置效率低等問題，搭建生產安全管控和應急處置系統，應用生產運行風險動態監控、危險行為識別等技術，提升安全態勢感知能力；基于人工智能等技術實現安全風險預測預警和處置方案自動生成，降低事故發生率和損失。

  16.能源智能管控

  面向高能耗設備節能減排、工廠多能源介質綜合調度等業務活動，針對能耗大、成本高等問題，部署能耗采集設備和能源管控系統，開展多工序能耗溯源定位、高能耗設備建模仿真和參數優化，實現生產過程的節能減排；應用負荷預測、能源平衡分析、多能互補等技術，實現工廠能源綜合管控和整體優化，降低單位產值綜合能耗。

  17.碳資產全生命周期管理

  面向碳排放數據采集、碳足跡追蹤和碳資產核算等業務活動，針對碳排放計量難、碳足跡追蹤效率低等問題，建立數字化碳管理系統，應用碳排放精細化檢測、碳排放指標自動核算、碳捕獲利用與封存等技術，實現碳的追蹤、分析、核算和交易，挖掘碳資產利用價值，降低單位產值碳排放量。

  18.污染在線管控

  面向污染排放監測、污染物收集處理等業務活動，針對污染排放計量難、管理粗放等問題，部署污染排放在線采集設備和管控平臺，應用污染監測、污染物質分析與治理優化、污染源追溯、危害預測預警等技術，實現污染全過程動態監測、精確追溯、風險預警和高效處理，降低污染排放水平。

  19.網絡協同制造

  面向大規模協同制造的需求，打造具備開放協同創新、資源自適應調度、產供銷自組織管控等特征的網絡化協同平臺，通過研發、生產、供應、金融等資源跨地域配置優化，實現協同研發創新、訂單智能分配、制造能力共享、集采集銷等業務高效協同，形成多方共贏的產業生態，加速產業組織形態變革。

五、生產作業環節

  20.柔性產線快速換產

  面向多種類產品混線生產中的產線切換、工藝調整等業務活動，針對個性化需求響應慢、產線換線時間長等問題，集成智能機器人、智能機床和智能控制系統，打造工藝可重構的柔性制造單元；應用標準化接口、模塊化結構、智能任務編排等技術，實現產線快速切換，縮短停機換產時間；應用網絡自組織、工裝夾具自匹配、控制自適應等技術，實現產線不停機切換，滿足大規模個性化定制需求。

  21.工藝動態優化

  面向生產工藝優化業務活動，針對工藝參數動態調優難等問題，建設工藝在線優化系統，應用機理與數據混合建模、多環節聯合尋優、無監督學習、工藝參數自調優等技術，動態生成最優的控制設定值，提高經濟效益。

  22.先進過程控制

  面向生產過程精準平穩控制的要求，針對復雜工藝過程控制變量多、控制效果差等問題，應用先進過程控制、模型預測控制、多變量協同控制等技術，實現高質量的實時閉環控制，保證工藝過程平穩性，提高產出率。

  23.人機協同作業

  面向產品加工、裝配、包裝及設備巡檢、維護等業務活動，針對傳統生產方式作業效率低、勞動強度大等問題，部署協作機器人、巡檢機器人、智能穿戴設備等智能制造裝備，構建人機協同作業單元和管控系統，應用視覺識別、具身智能、自主規劃和安全保護等技術，實現加工、裝配、包裝、巡檢等過程人機高效協同。

  24.在線智能檢測

  面向質量數據采集、分析、判定等業務活動，針對檢測效率低、響應慢、一致性差等問題，構建在線智能檢測系統，應用智能檢測、物性表征分析、機器視覺識別、參數放行等技術，實現產品質量在線快速識別判定，提升檢測效率和及時性。

  25.質量精準追溯

  面向質量問題識別、追溯等業務活動，針對產品質量波動追溯困難等問題，構建質量管理系統，應用標識、統計分析、大數據等技術，打通生產全流程質量數據，快速鎖定質量問題源頭，提升質量穩定性和可追溯性。

  26.質量分析與改進

  面向質量問題分析、改進等業務活動，針對產品質量波動等問題，建設質量管理系統，構建質量知識庫，應用機理分析、根因分析等技術，開展質量快速診斷和改進提升；應用機理分析、深度學習預測等技術，實現質量問題提前預測預防，提升質量一致性，降低產品不良率。

  27.設備運行監控

  面向設備運行數據采集、狀態分析、集中管控等業務活動，針對設備數據全面采集難、統一管理難等問題，部署設備運行監控系統，集成智能傳感、工業協議轉換、多模態數據融合等技術，實現設備數據實時采集、狀態分析、異常報警、遠程操作，提高設備運行效率。

  28.設備故障診斷與預測

  面向設備故障發現、診斷分析等業務活動，針對設備運維成本高、非計劃停機頻次高等問題，建立故障知識庫和設備健康管理系統，應用知識圖譜、機理分析、語言大模型、模式分析等技術，實現設備故障在線報警和智能診斷；應用振動分析、聲學分析、特征工程、遷移學習等技術，實現設備故障提前預測、提前介入，保障連續生產。

  29.設備維修維護

  面向設備運維計劃制定、資源調度等業務活動，針對響應滯后、修復時間長等問題，部署手持掃碼、電動扭矩扳手等智能終端與工具，建立維修知識庫和設備維修維護管理平臺，應用知識圖譜、語言大模型、遠程指導等技術，實現維修維護方案優化與工單自動化，提升運維效率。

六、運營管理環節

  30.智能經營決策

  面向工廠人、財、物等資源的調度和決策優化，針對資源配置效率低、依賴經驗決策等問題，構建智慧經營決策系統，應用多因素關聯分析、數字沙盤模擬等技術，實時評估風險與收益，提升科學經營決策水平；應用業務流程自動化、智能體等技術，實現關鍵業務自主決策和流程自動執行，提升運營智能化水平，提高企業效益。

  31.數智精益管理

  面向經營過程的人、機、料、法、環一體化管理等業務活動，針對資源利用率不高、生產管理效率低等問題，應用六西格瑪、6S等精益方法，將精益管理理念與大數據、云計算、數字孿生等數智技術深度融合，實現績效精準核算、資源高效流動、環境全面監控等，提高整體生產經營效率。

  32.規?；ㄖ?/strong>