关于开展2025年度智能工厂梯度培育工作的通知

各市工业和信息化局：

为贯彻工业和信息化部等部委关于智能工厂梯度培育的工作部署，落实《安徽省智能工厂梯度培育行动实施方案》等文件精神，分层分级推进智能工厂建设，推动我省制造业高端化智能化绿色化发展，决定开展安徽省2025年度智能工厂梯度培育工作。现就有关事项通知如下：

一、构建智能工厂梯度培育体系

（一）贯彻落实梯度培育实施方案。各市工信局应当联合相关部门认真贯彻落实《安徽省智能工厂梯度培育行动实施方案》（皖工信装备函〔2025〕52号），加强对智能工厂的分级指导、监督和政策支持，积极组织本地区规上企业依托智能制造评估评价公共服务平台（www.c3mep.cn）开展智能制造能力成熟度自评估，以评估结果指导智能工厂梯度培育与动态管理。

（二）加快基础级智能工厂培育认定。各市工信局对照《智能工厂梯度培育要素条件》（附件1）中基础级智能工厂申报条件，自行决定申报形式和流程，组织本市符合条件的企业开展申报工作，对企业自评信息、申报书、佐证材料、实际建设情况等内容，进行核查和评定，并按附件2格式填报《基础级智能工厂清单》。

（三）做好先进级智能工厂管理推荐。各市工信局会同相关部门，加快从本地区基础级智能工厂中，择优推荐上报一批先进级智能工厂。对于2017-2024年的安徽省智能工厂，各市工信局按照新标准逐一组织现场复核，填报《安徽省智能工厂复核结果一览表》（附件3）。

（四）提前储备卓越级和领航级智能工厂。各市工信局应强化本地区2024年度卓越级智能工厂的跟踪管理和经验总结，提前准备2025年度卓越级智能工厂培育和推荐工作，引导有条件、有意愿的高水平卓越级智能工厂向领航级迈进。省工业和信息化厅将根据通知，及时组织卓越级、领航级智能工厂申报。

二、先进级智能工厂申报推荐

（一）基础条件

1.申报主体在安徽省内注册，具有独立法人资格（石油石化、有色金属等有行业特殊情况的，允许法人的分支机构申报）。

2.申报主体已完成智能工厂建设，智能制造水平达到《智能工厂梯度培育要素条件》中先进级智能工厂的基础要求、建设内容、建设成效等要素条件。

（二）申报程序

1.编制材料。被认定为基础级智能工厂的企业，参考《智能制造典型场景参考指引（2025年版）》（附件4），按照先进级智能工厂申报书模板（附件5）编制申报书。申报主体应对申报内容真实性负责，并确保申报材料要素完整、格式规范、表述清晰，不涉及国家秘密、商业秘密。

2.网上填报。申报主体访问安徽省工业和信息化厅网站（jx.ah.gov.cn）“工业云”，使用“皖事通办用户”法人账号登录填报，上传相关申报材料，经县级、市级工业和信息化主管部门逐级审核后上报省工业和信息化厅。申报材料及相关附件应按照模板要求命名，加盖有效公章并扫描清晰后上传。网上申报过程中遇到的具体技术问题可致电省工业和信息化厅信息中心咨询，联系电话：0551-62871939、1705。

3.审核推荐。请各市工信局及时组织开展项目申报，做好材料审核和现场核查工作，核查的内容包括但不限于企业是否正常经营、申报项目的真实性以及是否符合申报条件等。按照分配名额数量（附件6），确定推荐名单后，正式行文（一式两份，加盖公章）上报省工业和信息化厅，并附《先进级智能工厂项目推荐汇总表》（附件7）。

4．按时提交。请各市工信局和企业严格按照时间要求进行申报，系统申报端口开放时间为2025年5月27日12时，项目单位端口关闭时间为6月9日24时，县级工业和信息化主管部门审核端口关闭时间为6月12日24时，市级审核端口关闭时间为6月17日24时，逾期不再受理。

三、其他事项

1.已入选2024年国家卓越级智能工厂的企业和完成国家智能制造示范工厂验收的企业，直接被认定为先进级智能工厂，无需申报。

2.各市工信局应加快推动本地区国家级智能制造示范工厂揭榜单位项目建设，尽快完成建设内容并申请验收，2022年度揭榜项目务必于今年6月底前完成验收。验收通过的单位，将不占用我省卓越级智能工厂推荐名额。

3.请各市工信局于6月17日前行文报送《基础级智能工厂清单》《安徽省智能工厂复核结果一览表》《先进级智能工厂项目推荐汇总表》等材料。

4.省工业和信息化厅会同相关部门组织先进级智能工厂评审认定和宣传推广工作，并从中择优推荐申报卓越级智能工厂。对入选国家卓越级和领航级智能工厂的单位，按照相关政策给予支持。

5.智能工厂申报认定、智能制造能力成熟度自评估等工作均不收取任何费用，请企业谨防虚假信息。

6.联系人及联系方式：装备工业处操礼贤，0551-62871715。

附件：1.智能工厂梯度培育要素条件

2.基础级智能工厂清单

3.安徽省智能工厂复核结果一览表

4.智能制造典型场景参考指引（2025年版）

5.安徽省先进级智能工厂申报书

6.各市先进级智能工厂推荐名额分配表

7.先进级智能工厂项目推荐汇总表

安徽省工业和信息化厅

2025年5月8日

相关附件：

1、附件1-7.doc

附件1

智能工厂梯度培育要素条件

为指导基础级、先进级、卓越级和领航级智能工厂梯度建设，特制定本要素条件。

一、基础要求

1.企业应为规模以上工业企业，企业和产品均具有较强市场竞争力。

2.企业近三年经营和财务状况良好，无不良信用记录、无较大及以上安全、环保等事故，无违法违规行为。

3.工厂使用的关键技术装备、工业软件、工业操作系统、系统解决方案等安全可控，网络安全和数据安全风险可控。

4.企业应建立智能工厂统筹规划、建设和运营的组织机制，拥有一批智能制造专业人才。

5.基础级和先进级工厂智能制造能力成熟度评估水平达到GB/T39116-2020《智能制造能力成熟度模型》二级及以上，卓越级智能工厂应达到三级及以上，领航级智能工厂应达到四级及以上。

二、基础级智能工厂

开展数字化网络化基础能力建设，围绕智能制造典型场景部署必要的智能制造装备、工业软件和系统，实现核心数据实时采集、关键生产工序自动化、生产与经营管理信息化，开展点状智能化探索。

（一）建设内容

鼓励企业参考《智能制造典型场景参考指引（2025年版）》，围绕工厂建设、研发设计、生产作业、生产管理、运营管理等开展智能工厂建设，且至少覆盖生产作业环节。

1.工厂建设：开展产线级、车间级数字化规划与建设；部署安全可控的智能制造装备、工业软件、系统和数字基础设施。

2.研发设计：开展产品、工艺数字化研发设计。

3.生产作业：开展关键装备和工艺数字化升级，实现关键装备、工序和系统的实时监控，以及关键生产工序自动化作业。

4.生产管理：应用信息系统，对作业计划、产品质量、设备资产、生产物料等进行管理，实现关键生产过程精益化。

5.运营管理：应用信息系统，对采购、销售、库存、财务和人力资源等进行管理，实现经营数据精准核算和绩效指标量化评估。

（二）建设成效

参考T/CAMS182-2024《智能制造效能通用评测方法》和《智能工厂建设关键绩效指标参考》（附1），评估智能工厂建设成效，主要技术经济指标应高于省（区、市）同行业平均水平。

三、先进级智能工厂

提升数字化网络化集成能力，面向智能制造典型场景广泛部署智能制造装备、工业软件和系统，实现生产经营数据互通共享、关键生产过程精准控制、生产与经营协同管控，在重点场景开展智能化应用。

（一）建设内容

鼓励企业参考《智能制造典型场景参考指引（2025年版）》，开展智能工厂建设，至少覆盖生产作业、生产管理、运营管理三个环节，至少包括10个典型场景。

1.工厂建设：开展车间级、工厂级数字化规划与建设；对工艺路线、产线布局和物流路径等进行仿真；广泛部署安全可控的智能制造装备、工业软件和系统。

2.研发设计：开展产品、工艺的数字化研发设计和仿真迭代，应用智能化设计工具，实现产品设计、工艺设计数据统一管理和协同。

3.生产作业：开展关键装备和工序数智技术应用，实现关键装备异常预警、关键工序数据在线分析、关键生产过程精准控制、产品关键质量特性数字化检测。

4.生产管理：通过对生产过程、仓储物流、设备运行、产品质量等进行数字化集成管控，应用智能化分析工具，实现高效辅助计划排产和生产业务协同管控，并开展安全能源环保数字化管理。

5.运营管理：通过经营管理与生产作业等业务的数据集成贯通，应用智能化管理工具，实现成本有效管控、订单及时交付、绩效指标动态评估等，开展供应链数字化管理。

（二）建设成效

1.参考T/CAMS182-2024《智能制造效能通用评测方法》和《智能工厂建设关键绩效指标参考》，评估智能工厂建设成效，主要技术经济指标应处于省（区、市）同行业领先水平。

2.在省（区、市）同行业起到引领带动作用。

四、卓越级智能工厂

强化数字化网络化持续优化能力，面向智能制造典型场景体系化部署智能制造装备、工业软件和系统，实现设计生产经营数据集成贯通、制造装备智能管控、生产过程在线优化，开展产品全生命周期和供应链全环节的综合优化，推动多场景系统级智能化应用。

（一）建设内容

鼓励企业参考《智能制造典型场景参考指引（2025年版）》，原则上应覆盖工厂建设、研发设计、生产作业、生产管理、运营管理等多个环节。

1.工厂建设：开展工厂级数字化规划与建设，以及数据治理工作；对工厂进行系统建模和优化，实现工厂数字化交付，推动虚拟工厂建设；体系化部署安全可控的智能制造装备、工业软件和系统。

2.研发设计：开展产品、工艺协同研发设计、集成建模和仿真，实现基于模型和数据的系统优化。

3.生产作业：开展多场景数智技术应用，实现装备运行状态智能分析和故障诊断、生产过程智能管控和在线优化、过程质量在线检测与控制。

4.生产管理：通过生产全过程数据综合分析，实现生产计划与排程自动生成、设备全生命周期管理、质量精准追溯和持续改进、物流仓储策略优化、安全应急联动、能源环保综合管控等，推动主要生产要素的智能协同优化。

5.运营管理：通过多维数据智能分析，实现用户需求精准识别和敏捷响应、全厂资源协同优化、产品增值服务、设计生产服务闭环优化、智能化决策支持等，推进供应链上下游“链式”协同。

（二）建设成效

1.参考T/CAMS182-2024《智能制造效能通用评测方法》和《智能工厂建设关键绩效指标参考》，评估智能工厂建设成效，主要技术经济指标应处于国内同行业领先水平。

2.在国内同行业起到引领带动作用，带动供应链上下游协同开展数智化升级。

3.培育形成具有行业推广价值的智能制造解决方案，探索构建企业智能制造“标准群”。

4.建立较为完善的智能制造复合型人才培养体系，培养一批智能工厂建设和运营人才。

五、领航级智能工厂

推动新一代人工智能等数智技术与制造全过程的深度融合，实现装备、工艺、软件和系统的研发与应用突破，推动研发范式、生产方式、服务体系和组织架构等创新，探索未来制造模式，带动产业模式和企业形态变革。

（一）建设内容

鼓励企业参考《智能制造典型场景参考指引（2025年版）》，原则上应覆盖工厂建设、研发设计、生产作业、生产管理、运营管理等多个环节。

1.工厂建设：构建工厂数字孪生系统，实现对物理制造过程的精准映射和反馈控制；建立较为完备的数据治理体系，推动形成企业数据资产；开展安全可控的智能制造装备、工业软件和系统等研发和应用突破。

2.研发设计：探索数据与知识驱动的研发设计创新，开展虚拟验证和中试。

3.生产作业：开展人工智能在工艺、装备等方面创新应用，实现生产过程动态优化、智能决策控制、产线动态调整。

4.生产管理：探索多目标、多扰动、多约束情况下的生产计划优化和智能排产调度，推动制造资源的全面优化利用。建立能源、碳资产、安全、环保综合管理创新机制，推动可持续制造。

5.经营管理：推进工厂横向、纵向、端到端集成，构建智慧供应链，推动生产方式、服务体系和组织架构等变革，探索未来制造模式。

（二）建设成效

1.参考T/CAMS182-2024《智能制造效能通用评测方法》和《智能工厂建设关键绩效指标参考》，评估智能工厂建设成效，主要技术经济指标全球领先。

2.打造全球领先的应用标杆，通过“母工厂”等方式推动工厂建设经验复制推广，引领产业链上下游形成智能制造协同创新生态。

3.培育的智能制造解决方案实现对外输出，形成较为完善的企业智能制造“标准群”，推动形成行业、国家标准。

4.培养智能制造领军人才，对外提供智能工厂建设和运营指导或服务。

附1：智能工厂建设关键绩效指标参考

附件4

智能制造典型场景参考指引

（2025年版）

智能制造典型场景是智能工厂建设的基础，是推进智能制造的基本业务单元。面向产品全生命周期、生产制造全过程和供应链全环节开展工厂的业务解耦，通过新一代信息技术与制造技术深度融合，部署智能制造装备、工业软件和智能系统，以数字化、网络化、智能化方式进行业务重构，形成标准化、可推广的智能制造典型场景，进而集成贯通构成智能工厂。根据智能制造多年探索实践，结合技术创新和融合应用发展趋势，凝练出8个环节的40个智能制造典型场景，作为智能工厂梯度培育、智能制造系统解决方案“揭榜挂帅”、智能制造标准体系建设等工作的参考指引。

一、工厂建设环节

1.工厂数字化规划设计

面向工厂规划与空间优化、设备与产线布局、物流路径规划、设计资料交付等业务活动，针对工厂设计建设周期长、布局优化难等问题，搭建工厂数字化设计与交付平台，应用建筑信息模型、设备/产线三维建模、工艺/物流仿真、过程模拟等技术，建立工厂规划决策知识库，开展工厂数字化设计与交付，缩短工厂建设或改造周期。

2.数字基础设施建设

面向数据中心、工业网络、安全基础设施建设等业务活动，针对工厂算力和网络能力不足、安全防护能力弱等问题，建设数字基础设施，推动IT和OT深度融合，部署安全防护设备，应用算力资源动态调配、负载均衡、异构网络融合、高带宽实时通信、5G、动态身份验证、安全态势感知、多层次纵深防御等技术，建设高性能的算力和网络基础设施，以及全方位监测防护的安全基础设施，提升工厂算力、网络和安全防护能力。

3.数字孪生工厂构建

面向厂房、设备、管网等工厂资产的数据采集存储、数字孪生模型构建等业务活动，针对数据格式不统一、集成管控难度大、数据价值释放不充分等问题，应用工业数据集成、数据标识解析、异构模型融合、数字主线、工厂操作系统、行业垂直大模型等技术，开展数据资源管理，构建设备、产线、车间、工厂等不同层级的数字孪生模型，与真实工厂映射交互，提升管控效率，实现工厂运营持续优化。

二、产品研发环节

4.产品数字化设计

面向需求分析、产品定义、初步设计、详细设计、分析优化、研发管理等业务活动，针对产品研发周期长、成本高等问题，部署CAD、CAE、PLM等数字化设计工具，构建设计知识库，采用基于模型的设计理念，应用多学科联合仿真、物性表征与分析等技术，开展产品结构、性能、配方等设计与优化；集成市场、设计、生产、使用等产品全生命周期数据，应用数据主线、可制造性分析等技术，实现全流程系统优化；应用人工智能大模型技术，开展生成式设计创新，自动生成设计方案，缩短产品上市周期，降低研发成本。

5.产品虚拟验证

面向产品功能性能测试、可靠性分析、安全性验证等业务活动，针对新产品验证周期长、成本高等问题，搭建虚实融合的试验验证环境，应用高精度建模、多物理场联合仿真、自动化测试等技术，通过全虚拟或半实物的试验验证，降低验证成本，加速产品研发。

三、工艺设计环节

6.工艺数字化设计

面向工艺流程设计、仿真验证、方案优化等业务活动，针对工艺设计效率低、试错成本高等问题，部署工艺设计仿真工具，构建工艺知识库和行业工艺包等，应用机理建模、过程模拟、知识图谱等技术，实现工艺设计快速迭代优化；应用工艺自动化、人工智能等技术，实现工序排布、工艺指令等自动生成，缩短工艺设计周期，减少设计错误。

7.制造工程优化

面向生产准备阶段的设备选型、产线调试、参数确认、资源分配等业务活动，针对产线不平衡、换产时间长、资源利用率低等问题，搭建中试环境或产线模拟仿真系统，应用产能分析、虚拟测试等方法，实现生产节拍优化和资源有效整合，确保制造过程稳定高效。

四、生产管理环节

8.生产计划优化

面向主计划制定、物料需求计划生成等业务活动，针对市场波动频繁、交付周期长等问题，构建生产计划系统，打通采购、生产和仓储物流等管控系统，应用需求预测、多目标多约束求解、产能动态规划等技术，实现生产计划优化和动态调整，缩短订单交付周期。

9.车间智能排产

面向作业排程等业务活动，针对资源利用率低、交付不及时等问题，建设智能排产系统，应用复杂约束优化、多目标规划、强化学习等技术，基于安全库存、生产过程数据等要素实现多目标排产优化，缩短交付周期，提升资源利用率。

10.生产进度跟踪

面向生产进度可视化、资源消耗统计等业务活动，针对生产指标计算失真、生产异常发现滞后、资源空置浪费等问题，建设数据采集与监控系统，应用实时数据分析引擎、机器学习、物料实时跟踪等技术，实现生产数据实时获取、生产进度实时监控、生产指标自动计算，提高生产透明度和资源利用率。

11.生产动态调度

面向紧急插单、设备故障等事件的资源动态调度需求，针对计划刚性、资源错配浪费等问题，建设动态调度系统，应用运筹优化、强化学习、遗传算法、专家系统等技术，实现生产扰动及时响应，人力、设备、物料等制造资源的动态配置，提升生产效率和资源利用率。

12.仓储智能管理

面向物料和成品出入库、库存管理等业务活动，针对出入库效率低、库存成本高等问题，建设自动化立体仓库和智能仓储管理系统，应用自动化盘点、仓储策略优化、多形态混存拣选、库存实时调整等技术，实现物料和成品出入库、存储、拣选的智能化，提高库存周转率和空间利用率。

13.物料精准配送

面向厂内物流配送等业务活动，针对物料配送不及时、不精准等问题，部署自主移动机器人等智能物流设备和智能运输管理系统，应用室内高精度定位导航、物流路径动态规划、物流设备集群控制等技术，实现厂内物料配送快速响应和动态调度，提升物流配送效率和准时率。

14.危险作业自动化

面向高危物料处理、极端环境操作、密闭空间作业等危险业务活动，针对作业安全风险高、自动化水平低等问题，部署工业机器人、协作机器人等智能作业单元，应用环境感知与识别、远程实时操控、自主决策等技术，实现危险作业环节的少人化、无人化，提高生产作业安全水平。

15.安全一体化管控

面向安全风险识别、安全应急响应等业务活动，针对安全风险高、实时监控难、处置效率低等问题，搭建生产安全管控和应急处置系统，应用生产运行风险动态监控、危险行为识别等技术，提升安全态势感知能力；基于人工智能等技术实现安全风险预测预警和处置方案自动生成，降低事故发生率和损失。

16.能源智能管控

面向高能耗设备节能减排、工厂多能源介质综合调度等业务活动，针对能耗大、成本高等问题，部署能耗采集设备和能源管控系统，开展多工序能耗溯源定位、高能耗设备建模仿真和参数优化，实现生产过程的节能减排；应用负荷预测、能源平衡分析、多能互补等技术，实现工厂能源综合管控和整体优化，降低单位产值综合能耗。

17.碳资产全生命周期管理

面向碳排放数据采集、碳足迹追踪和碳资产核算等业务活动，针对碳排放计量难、碳足迹追踪效率低等问题，建立数字化碳管理系统，应用碳排放精细化检测、碳排放指标自动核算、碳捕获利用与封存等技术，实现碳的追踪、分析、核算和交易，挖掘碳资产利用价值，降低单位产值碳排放量。

18.污染在线管控

面向污染排放监测、污染物收集处理等业务活动，针对污染排放计量难、管理粗放等问题，部署污染排放在线采集设备和管控平台，应用污染监测、污染物质分析与治理优化、污染源追溯、危害预测预警等技术，实现污染全过程动态监测、精确追溯、风险预警和高效处理，降低污染排放水平。

19.网络协同制造

面向大规模协同制造的需求，打造具备开放协同创新、资源自适应调度、产供销自组织管控等特征的网络化协同平台，通过研发、生产、供应、金融等资源跨地域配置优化，实现协同研发创新、订单智能分配、制造能力共享、集采集销等业务高效协同，形成多方共赢的产业生态，加速产业组织形态变革。

五、生产作业环节

20.柔性产线快速换产

面向多种类产品混线生产中的产线切换、工艺调整等业务活动，针对个性化需求响应慢、产线换线时间长等问题，集成智能机器人、智能机床和智能控制系统，打造工艺可重构的柔性制造单元；应用标准化接口、模块化结构、智能任务编排等技术，实现产线快速切换，缩短停机换产时间；应用网络自组织、工装夹具自匹配、控制自适应等技术，实现产线不停机切换，满足大规模个性化定制需求。

21.工艺动态优化

面向生产工艺优化业务活动，针对工艺参数动态调优难等问题，建设工艺在线优化系统，应用机理与数据混合建模、多环节联合寻优、无监督学习、工艺参数自调优等技术，动态生成最优的控制设定值，提高经济效益。

22.先进过程控制

面向生产过程精准平稳控制的要求，针对复杂工艺过程控制变量多、控制效果差等问题，应用先进过程控制、模型预测控制、多变量协同控制等技术，实现高质量的实时闭环控制，保证工艺过程平稳性，提高产出率。

23.人机协同作业

面向产品加工、装配、包装及设备巡检、维护等业务活动，针对传统生产方式作业效率低、劳动强度大等问题，部署协作机器人、巡检机器人、智能穿戴设备等智能制造装备，构建人机协同作业单元和管控系统，应用视觉识别、具身智能、自主规划和安全保护等技术，实现加工、装配、包装、巡检等过程人机高效协同。

24.在线智能检测

面向质量数据采集、分析、判定等业务活动，针对检测效率低、响应慢、一致性差等问题，构建在线智能检测系统，应用智能检测、物性表征分析、机器视觉识别、参数放行等技术，实现产品质量在线快速识别判定，提升检测效率和及时性。

25.质量精准追溯

面向质量问题识别、追溯等业务活动，针对产品质量波动追溯困难等问题，构建质量管理系统，应用标识、统计分析、大数据等技术，打通生产全流程质量数据，快速锁定质量问题源头，提升质量稳定性和可追溯性。

26.质量分析与改进

面向质量问题分析、改进等业务活动，针对产品质量波动等问题，建设质量管理系统，构建质量知识库，应用机理分析、根因分析等技术，开展质量快速诊断和改进提升；应用机理分析、深度学习预测等技术，实现质量问题提前预测预防，提升质量一致性，降低产品不良率。

27.设备运行监控

面向设备运行数据采集、状态分析、集中管控等业务活动，针对设备数据全面采集难、统一管理难等问题，部署设备运行监控系统，集成智能传感、工业协议转换、多模态数据融合等技术，实现设备数据实时采集、状态分析、异常报警、远程操作，提高设备运行效率。

28.设备故障诊断与预测

面向设备故障发现、诊断分析等业务活动，针对设备运维成本高、非计划停机频次高等问题，建立故障知识库和设备健康管理系统，应用知识图谱、机理分析、语言大模型、模式分析等技术，实现设备故障在线报警和智能诊断；应用振动分析、声学分析、特征工程、迁移学习等技术，实现设备故障提前预测、提前介入，保障连续生产。

29.设备维修维护

面向设备运维计划制定、资源调度等业务活动，针对响应滞后、修复时间长等问题，部署手持扫码、电动扭矩扳手等智能终端与工具，建立维修知识库和设备维修维护管理平台，应用知识图谱、语言大模型、远程指导等技术，实现维修维护方案优化与工单自动化，提升运维效率。

六、运营管理环节

30.智能经营决策

面向工厂人、财、物等资源的调度和决策优化，针对资源配置效率低、依赖经验决策等问题，构建智慧经营决策系统，应用多因素关联分析、数字沙盘模拟等技术，实时评估风险与收益，提升科学经营决策水平；应用业务流程自动化、智能体等技术，实现关键业务自主决策和流程自动执行，提升运营智能化水平，提高企业效益。

31.数智精益管理

面向经营过程的人、机、料、法、环一体化管理等业务活动，针对资源利用率不高、生产管理效率低等问题，应用六西格玛、6S等精益方法，将精益管理理念与大数据、云计算、数字孪生等数智技术深度融合，实现绩效精准核算、资源高效流动、环境全面监控等，提高整体生产经营效率。

32.规模化定制

面向产品多品种小批量生产、个性化定制等需求，通过网络平台、大数据分析等方式收集客户多样化需求，打通研发设计与生产环节，在个性化、模块化设计基础上，应用柔性制造系统、可重构产线等手段实现低成本、高效率生产，在实现规模经济效益的基础上满足用户个性化需求。

33.产品精准营销

面向市场营销、销售管理等业务活动，针对客户需求信息获取不及时、营销策略不合理等问题，建立销售管理系统，应用基于深度学习的用户精准画像、市场需求预测、智能快速报价等技术，实现基于客户需求洞察的营销策略优化和供需精准匹配，提升营销精准性。

七、产品服务环节

34.远程运维服务

面向产品运维等业务活动，针对运维服务难度大等问题，搭建远程运维服务系统，应用远程指导、故障预测等技术，实现产品的远程监控、远程诊断和预测性维护，提高产品运维效率，降低服务成本。

35.产品增值服务

面向产品增值服务等业务活动，针对价值挖掘不充分、客户粘性不足等问题，推动产品智能化，远程实时采集产品状态数据，叠加软件订阅、按时租赁、产品操作优化等数据驱动的增值服务，拓展产品价值新空间。

36.客户主动服务

面向客户关系维护、产品服务迭代优化等业务活动，针对响应不及时、使用体验差等问题，建立客户服务管理系统，应用多渠道客户数据整合、知识图谱、语言大模型、智能交互等技术，实现客户参与的产品迭代和服务优化，提高客户粘性和满意度。

八、供应链管理环节

37.供应商数字化管理

面向供应商入库、评价、筛选等业务活动，针对供应商比选难、管控能力弱等问题，建立供应商库，应用供应商风险评估、供应链溯源等技术，实现供应商精准画像和智能筛选，开展基于数据分析的供应商评价、分级分类、寻源和优选推荐。

38.采购计划优化协同

面向采购计划制定、执行等业务活动，针对市场波动大、交付不及时等问题，建设供应链管理系统，应用集成建模、多目标寻优、数据跨域控制等技术，开展市场、采购、库存、生产等数据的综合分析，实现采购计划自动生成和动态优化，并实现上下游供应商之间紧密协同。

39.供应链风险预警与调度

面向供应链状态监测、风险识别、快速调整等业务活动，针对供应链不透明、风险响应滞后等问题，打造供应链协同平台，应用多源信息感知、风险评估预测等技术，实现供应链风险在线监控、精准识别、提前预警；应用资源智能匹配、预案模拟仿真、供应网络自动切换等手段，实现供应链的自主修复，提升韧性和安全水平。

40.供应链物流智能配送

面向供应链上下游多式联运调度、配送路线规划、运输过程监控等业务活动，针对物料和成品多点仓储、运输过程监控难、配送周期长等问题，建设供应链物流管理系统，应用仓网规划、车货智能匹配、实时定位跟踪、智能路径规划、智能驾驶等技术，实现物流全程跟踪、智能调度、异常预警和高效处理，降低供应链物流成本，提升准时交付率。

附件6

各市先进级智能工厂推荐名额分配表

地市名称	推荐名额
合计	91
合肥市	10
淮北市	5
亳州市	5
宿州市	5
蚌埠市	5
阜阳市	5
淮南市	5
滁州市	8
六安市	5
马鞍山市	5
芜湖市	8
宣城市（含广德市）	5
铜陵市	5
池州市	5
安庆市（含宿松县）	5
黄山市	5

注：推荐名额参照以往各市获批的安徽省智能工厂数量和上一年度工业总产值确定，下一年度将参考各市基础级智能工厂数量适当调整。