转型维度

图 3 “业务为基、 技术为翼、 组织为骨、 文化为魂”的转型体系

业务模式： 从“产品中心”向“客户中心”转变

数字化管理

如何通过数字化手段创新业务管理模式， 提升产品和服务的质量、 打造极致的客户体验， 是每个数字化时代企业都需要解决的问题。 企业基于对生产运营中产生的数据进行挖掘和利用， 将制造业数字化转型路线图自身业务通过数字化手段呈现、 优化和管理， 为企业的战略决策、 运营管理、 市场服务等业务活动提供指导， 提升企业精准服务的能力和行业竞争力， 成为企业培育新模式、 新业态的强大引擎。平台化设计。 平台化是一种实现连接和共享的架构方式， 是提升研发设计效率和质量的有效手段。 通过运用云计算、 数字孪生等技术，将产品的在物理空间内的信息进行数字化、 可视化表达， 模拟分析产品在不同工况下的状态， 得到对应的参数数据， 并通过平台企业整合供需双方和设计资源， 开展集成化、 轻量化、 协同、 敏捷设计， 实现无实物样机生产， 大幅降低企业试错成本， 推进新技术产业化和新产品落地。

个性化定制

面对更加多样化、 个性化及快速变化的客户需求，通过客户交互定制平台和资源平台为客户提供个性化定制体验， 推进敏捷开发、 柔性制造、 精准交付等模式， 增强客户全流程参与度， 提升客户体验满意度。 利用互联网精准对接客户个性化需求这一特点，实现企业研发、 生产、 服务和商业模式之间的数据贯通， 促进供给与需求的精准匹配， 实现制造企业和客户价值的共同创造。

网络化协同

伴随着产品分工日益细化， 产品复杂程度日趋提升，业务集成的广度和深度大幅拓展， 依靠单个企业、 单个部门难以也无法覆盖企业的业务创新和生产活动。 通过网络化平台整合分散的生产、供应链和销售资源， 实现跨部门、 跨层级的业务互联与分工合作， 推动生产方式由线性链式向网络协同转变， 促进企业资源共享、 业务优化和效率提升。

智能化制造

以数字化为核心， 以数据驱动为基础， 采用智能化手段改进生产制造中的瓶颈问题。 利用生产制造环节的自感知、 自学习、 自决策、 自执行、 自适应， 对生产现场“人机料法环”各类数据的制造业数字化转型路线图全面采集和深度分析， 发现并消除导致效率瓶颈与产品缺陷的深层次原因， 减少制造过程中的不确定性， 不断提高生产效率及产品质量，提质降本降耗增效。

服务化延伸

企业依托平台实现对产品售后使用环节的数据打通，深度挖掘工业数据及其背后价值， 探索基于产品使用行为大数据分析、产品增值服务、 产品远程运维等新型业务模式， 实现从“产品”到“产品+服务”的转变， 同时依靠用户数据驱动产品的持续优化变革， 实现企业沿价值链向高附加值环节延伸

技术范式： 从“人智驱动”向“数智驱动”转变

图 5 技术范式变革（ ——引自《信息物理系统建设指南（ 2020） 》 P24）
信息物理系统建设指南（ 2020）.pdf
数字化技术加速了人与物、 物与物、 人与人之间的连接， 突破了传统物理层面连接方式和数量的限制， 泛在连接和跨域协作形成了海量的数据资产。 数据作为新的生产要素将为企业的生产、 组织和运营带来了新的价值创造。 基于对海量工业数据的采集、 分析、 治理及共享， 并综合大数据、 云计算、 数字孪生等技术积累的专家经验、 建立的知识库、 沉淀的工艺机理模型， 推动生产决策从“人智” 不断发展为机器“辅智、 混智” ， 并向“数智” 演进， 提升资源优化配置效率。

技术范式的转型变革主要表现为以下方向：

泛在互联

依靠低成本的传感器网络， 建立全面、 实时、 高效的数据采集体系， 提升异构工业数据的网络互通能力， 支撑多元工业数据的采集， 实现企业对工业现场“哑设备、 哑岗位”的数字化改造， 推动工业设备跨协议互通、 跨设备互联、 跨域互理解进程， 实现数字化转型背景下的全要素全面连接。

数据驱动

通过生产经营等各流程数据的自由流动， 实现科学决策和对资源配置的优化， 从而达到全要素生产率提高的目的。 在数据接入层、 传输层、 存储处理层和业务分析层， 需要具备较为全面的数据运算、 分析、 统计、 展现功能的集成化软硬件工具， 以数据驱动企业的创新、 生产和决策。

软件定义

软件是构建数据自由流动的规则体系。 软件定义的核心是实现“硬件资源的虚拟化”， 提升资源的弹性和灵活性。 同时软件定义打破了传统的生产流程， 通过重构一个虚拟制造空间， 实现研发、设计、 仿真、 实验、 制造、 服务全流程在虚拟空间的运行， 推动制造过程快速迭代、 持续优化和效率提升。

平台支撑

平台是连接多方参与的信息服务共享载体， 是全要素连接的枢纽， 是资源配置的核心。 通过平台承载数字化模型和工业APP， 企业可以更高效实现工业知识的沉淀、 传播、 复用和价值创造，拓展竞争新赛道， 布局产业新方向， 整合平台生态资源， 实现更广泛、更深层次的价值网络拓展。

标准框架

标准需求

随着制造业数字化转型的不断深入， 在已开展标准化工作的基础上， 结合制造业企业的数字化转型能力进阶状态和实践案例， 总结出目前突出存在的痛点问题包括： 数据资源全生命周期管理、 数字化企业的业务流程和决策管理、 数字化供应链、 数字化转型的支撑工具以及转型服务与评价。

因此， 制造业数字化转型标准化需求应包含以下五个分类：

1. 数据要素类： 对数据采集汇聚、 互联互通互理解、 共享融合、治理确权等方面的标准化需求， 为企业数字化转型的核心驱动要素—数据， 提供基础性、 全局性的全生命周期数据流转标准框架。
2. 数字化企业类： 对企业数字化转型过程中业务和管理方面的标准化需求。 针对业务流程中的新模式、 新业态的发展， 决策管理中的战略、 组织、 决策和供应链的数字化智能化建设， 形成标准或指南， 指导企业业务流程和决策管理的变革创新工作。
3. 数字化工具类： 对支撑企业数字化转型操作实现方面的标准化需求， 针对数据互联互通互理解工具、 知识图谱、 机理模型库、平台应用及开发环境等方面形成标准或指南， 支撑指导企业数字化转型的具体建设、 操作工作。
4. 数字化供应链： 对数字化转型企业内部及企业级各环节链接的标准化需求， 针对供应链上下游的协同稳定、 可信度以及风险规避等方面形成标准或指南， 指导数字化供应链的规划、 建设工作。
5. 服务与评价类： 对数字化转型持续发展的服务与评估评价的标准化需求， 针对促进和支撑数字化转型的持续快速发展， 对服务外包、 多维度转型效果的评估评价、 数字化人才培训等方面形成标准或指南， 指导相关建设工作。

   
   标准框架

   本标准框架由基础共性、 通用技术、 数据要素、 数字化工具、 数字化企业、 数字化供应链、 服务与评价、 安全和应用领域九部分组成。 围绕“数据驱动、 工具转化、 流程再造、 决策变革、 生态重构、 持续改进”的标准化路线， 引导支撑企业开展数字化转型工作。

基础共性是转型认识和实施的基础， 安全是转型实施的保障， 通用技术是转型实施的赋能底座， 数据要素是转型的核心驱动， 数字化工具是转型实施的手段， 数字化企业是转型设计及实施的主体， 实现业务数据化和数据业务化，数字化供应链是转型各环节的链接， 服务与评价支撑转型的持续改进， 应用领域是标准落地推广的具体方向。

1. 基础共性标准： 用于统一制造业数字化转型术语、 相关概念及模型， 为其他各部分标准的制定提供支撑。 主要包括术语定义、 参考架构、 成熟度和测试评估等方面的标准。
2. 通用技术标准： 用于指导制造业数字化转型中所使用的通用技术。 主要包括工业大数据、 工业云、 工业区块链、 工业智能、 数字孪生等方面的标准。
3. 数据要素标准： 用于为制造业数字化转型的核心要素数据的全生命周期流动运转提供规范和引导。 主要包括数据采集、 数据存储、数据可视、 数据共享和数据确权等方面的标准。
4. 数字化工具标准： 用于指导制造业数字化转型中使用到的支撑工具。 主要包括工业数据字典、 工业知识图谱、 数据治理、 平台选型、机理模型库和工业 APP 开发环境等方面的标准。
5. 数字化企业标准： 包含业务流程和决策管理两部分。
   1. 业务流程（ 业务数据化） 主要用于规范制造业数字化转型业务流程的变革。 包括数字研发、 个性定制、 网络协同、 智能生产和服务延伸等方面的标准。
   2. 决策管理（ 数据业务化） 主要用于规范制造业数字化转型决策管理的变革。 包括战略制定、 组织设计、 风险评估、 智能决策和供应链管理等方面的标准。
6. 数字化供应链标准： 用于为制造业数字化转型中供应链数字化提供规范和引导。 主要包括供应链弹性稳定评价、 风险预测预警、 数字信用构建和可信溯源等方面的标准。
7. 服务与评价标准： 用于指导制造业数字化转型的持续改进。 主要包括方案指南、 服务外包、 咨询评估和人才培训等方面的标准。
8. 安全标准： 用于指导实现制造业数字化转型的安全保障。 主要包括数据安全、 网络安全、 平台安全和供应链安全等方面的标准。
9. 应用领域： 用于指导制造业数字化转型的标准落地推广的具体领域。 主要包括装备制造、 原材料、 消费品、 电子信息制造、 能源和中小企业六大领域的应用。