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造就的工作部署 ，落实《安徽省智能工厂梯度造就行动执行规划》等文件心灵 ，分层分级推动智能工厂建设 ，推动我省造作业高端化智能化绿色化发展 ，决定发展安徽省2025年度智能工厂梯度造就工作。现就有关事项通知如下：
一、构建智能工厂梯度造就系统
（一）贯彻落实梯度造就执行规划。各市工信局该当结合有关部门当真贯彻落实《安徽省智能工厂梯度造就行动执行规划》（皖工信设备函〔2025〕52号） ，加强对智能工厂的分级领导、监督和政策支持 ，积极组织本地域规上企业依附智能造作评估评价公共服务平台（www.c3mep.cn）发展智能造作能力成熟度自评估 ，以评估了局领导智能工厂梯度造就与动态治理。
（二）加快基础级智能工厂造就认定。各市工信局对照《智能工厂梯度造就身分前提》（附件1）中基础级智能工厂申报前提 ，自行决定申报大局和流程 ，组织本市切合前提的企业发展申报工作 ，对企业自评信息、申报书、佐证资料、现实建设情况等内容 ，进行核查和评定 ，并按附件2体式填报《基础级智能工厂清单》。
（三）做好先进级智能工厂治理推荐。各市工信局会同有关部门 ，加快从本地域基础级智能工厂中 ，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 ，各市工信局依照新尺度逐一组织现场复核 ，填报《安徽省智能工厂复核了局一览表》（附件3）。
（四）提前储蓄卓越级和领航级智能工厂。各市工信局应强化本地域2024年度卓越级智能工厂的跟踪治理和经验总结 ，提前筹备2025年度卓越级智能工厂造就和推荐工作 ，疏导有前提、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凭据通知 ，实时组织卓越级、领航级智能工厂申报。
二、先进级智能工厂申报推荐
（一）基础前提
1.申报主体在安徽省内注册 ，拥有独立法人资格（石油石化、有色金属蹬仔行业特殊情况的 ，允许法人的分支机构申报）。
2.申报主体已实现智能工厂建设 ，智能造作水平达到《智能工厂梯度造就身分前提》中先进级智能工厂的基础要求、建设内容、建设功效等身分前提。
（二）申报法式
1.假造资料。被认定为基础级智能工厂的企业 ，参考《智能造作典型场疚拷寮指引（2025年版）》（附件4） ，依照先进级智能工厂申报书模板（附件5）假造申报书。申报主体应对申报内容真实性掌管 ，并确保申报资料身分齐全、体式规范、表述清澈 ，不涉及国度奥秘、贸易奥秘。
2.网上填报。申报主体接见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 ，上传有关申报资料 ，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。申报资料及有关附件应依照模板要求定名 ，加盖有效公章并扫描清澈后上传。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征询 ，联系电话：0551-62871939、1705。
3.审核推荐。请各市工信局实时组织发展项目申报 ，做好资料审核和现场核查工作 ，核查的内容蕴含但不限于企业是否正常经营、申报项主张真实性以及是否切合申报前提等。依照分配名额数量（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依照功夫要求进行申报 ，系统申报端口盛开功夫为2025年5月27日12时 ，项目单元端口关关功夫为6月9日24时 ，县级工业和信息化主管部门审核端口关关功夫为6月12日24时 ，市级审核端口关关功夫为6月17日24时 ，逾期不再受理。
三、其他事项
1.已入选2024年国度卓越级智能工厂的企业和实现国度智能造作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域国度级智能造作示范工厂揭榜单元项目建设 ，尽快实现建设内容并申请验收 ，2022年度揭榜项目务必于今年6月底前实现验收。验收通过的单元 ，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了局一览表》《先进级智能工厂项目推荐汇总表》等资料。
4.省工业和信息化厅会同有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。对入选国度卓越级和领航级智能工厂的单元 ，依照有关政策赐与支持。
5.智能工厂申报认定、智能造作能力成熟度自评估等工作均不收取任何用度 ，请企业谨防虚伪信息。
6.联系人及联系方式：设备工业处操礼贤 ，0551-62871715。
附件：1.智能工厂梯度造就身分前提
2.基础级智能工厂清单
3.安徽省智能工厂复核了局一览表
4.智能造作典型场疚拷寮指引（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
有关附件：
附件1
智能工厂梯度造就身分前提
为领导基础级、先进级、卓越级和领航级智能工厂梯度建设 ，特造订本身分前提。
一、基础要求
1.企业应为规模以上工业企业 ，企业和产品均拥有较强市场竞争力。
2.企业近三年经营和财政情况优良 ，无不良信誉纪录、无较大及以上安全、环保等变乱 ，无违法违规行为。
3.工厂使用的关键技术设备、工业软件、工业操作系统、系统解决规划等安全可控 ，网络安全和数据安全风险可控。
4.企业应成立智能工厂两全规划、建设和运营的组织机造 ，占有一批智能造作专业人才。
5.基础级和先进级工厂智能造作能力成熟度评估水平达到GB/T39116-2020《智能造作能力成熟度模型》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
发展数字化网络化基础能力建设 ，萦绕智能造作典型场景部署必要的智能造作设备、工业软件和系统 ，实现主题数据实时采集、关键出产工序自动化、出产与经营治理信息化 ，发展点状智能化索求。
（一）建设内容
激励企业参考《智能造作典型场疚拷寮指引（2025年版）》 ，萦绕工厂建设、研发设计、出产作业、出产治理、运营治理等发展智能工厂建设 ，且至少覆盖出产作业环节。
1.工厂建设：发展产线级、车间级数字化规划与建设；部署安全可控的智能造作设备、工业软件、系统和数字基础设施。
2.研发设计：发展产品、工艺数字化研发设计。
3.出产作业：发展关键设备和工艺数字化升级 ，实现关键设备、工序和系统的实时监控 ，以及关键出产工序自动化作业。
4.出产治理：利用信息系统 ，对作业打算、产品质量、设备资产、出产品料等进行治理 ，实现关键出产过程精益化。
5.运营治理：利用信息系统 ，对采购、销售、库存、财政和人力资源等进行治理 ，实现经营数据精准核算和绩效指标量化评估。
（二）建设功效
参考T/CAMS182-2024《智能造作效力通用评测步骤》和《智能工厂建设关键绩效指标参考》（附1） ，评估智能工厂建设功效 ，重要技术经济指标应高于�。ㄇ⑹校┩狄稻人�。
三、先进级智能工厂
提升数字化网络化集成能力 ，面向智能造作典型场景宽泛部署智能造作设备、工业软件和系统 ，实现出产经营数据互通共享、关键出产过程精准节造、出产与经营协同管控 ，在沉点场景发展智能化利用。
（一）建设内容
激励企业参考《智能造作典型场疚拷寮指引（2025年版）》 ，发展智能工厂建设 ，至少覆盖出产作业、出产治理、运营治理三个环节 ，至少蕴含10个典型场景。
1.工厂建设：发展车间级、工厂级数字化规划与建设；对工艺路线、产线布局和物流蹊径等进行仿真；宽泛部署安全可控的智能造作设备、工业软件和系统。
2.研发设计：发展产品、工艺的数字化研发设计和仿真迭代 ，利用智能化设计工具 ，实现产品设计、工艺设计数据统一治理和协同。
3.出产作业：发展关键设备和工序数智技术利用 ，实现关键设备异常预警、关键工序数据在线分析、关键出产过程精准节造、产品关键质量个性数字化检测。
4.出产治理：通过对出产过程、仓储物流、设备运杏注产品质量等进行数字化集成管控 ，利用智能化分析工具 ，实现高效辅助打算排产和出产业务协同管控 ，并发展安全能源环保数字化治理。
5.运营治理：通过经营治理与出产作业等业务的数据集成贯通 ，利用智能化治理工具 ，实现成本有效管控、订单实时交付、绩效指标动态评估等 ，发展供给链数字化治理。
（二）建设功效
1.参考T/CAMS182-2024《智能造作效力通用评测步骤》和《智能工厂建设关键绩效指标参考》 ，评估智能工厂建设功效 ，重要技术经济指标应处于�。ㄇ⑹校┩狄档毕人�。
2.在�。ㄇ⑹校┩狄灯鸬揭齑魑�。
四、卓越级智能工厂
强化数字化网络化持续优化能力 ，面向智能造作典型场景系统化部署智能造作设备、工业软件和系统 ，实现设计出产经营数据集成贯通、造作设备智能管控、出产过程在线优化 ，发展产品全性命周期和供给链全环节的综合优化 ，推动多场景系统级智能化利用。
（一）建设内容
激励企业参考《智能造作典型场疚拷寮指引（2025年版）》 ，准则上应覆盖工厂建设、研发设计、出产作业、出产治理、运营治理等多个环节。
1.工厂建设：发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 ，推动虚构工厂建设；系统化部署安全可控的智能造作设备、工业软件和系统。
2.研发设计：发展产品、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.出产作业：发展多场景数智技术利用 ，实现设备运行状态智能分析和故障诊断、出产过程智能管控和在线优化、过程质量在线检测与节造。
4.出产治理：通过出产全过程数据综合分析 ，实现出产打算与排程自动天生、设备全性命周期治理、质量精准追忆和持续改进、物流仓储战术优化、安全应急联动、能源环保综合管控等 ，推动重要出产身分的智能协同优化。
5.运营治理：通过多维数据智能分析 ，实现用户需要精准鉴别和火速响应、全厂资源协同优化、产品增值服务、设计出产服务关环优化、智能化决策支持等 ，推动供给链高低游“链式”协同。
（二）建设功效
1.参考T/CAMS182-2024《智能造作效力通用评测步骤》和《智能工厂建设关键绩效指标参考》 ，评估智能工厂建设功效 ，重要技术经济指标应处于国内同业业当先水平。
2.在国内同业业起到引领带作为用 ，带头供给链高低游协同发展数智化升级。
3.造就形成拥有行业推广价值的智能造作解决规划 ，索求构建企业智能造作“尺度群”。
4.成立较为美满的智能造作复合型人才造就系统 ，造就一批智能工厂建设和运营人才。
五、领航级智能工厂
推动新一代人为智能等数智技术与造作全过程的深度融合 ，实现设备、工艺、软件和系统的研发与利用突破 ，推动研发范式、出产方式、服务系统和组织架构等创新 ，索求将来造作模式 ，带头产业模式和企业状态刷新。
（一）建设内容
激励企业参考《智能造作典型场疚拷寮指引（2025年版）》 ，准则上应覆盖工厂建设、研发设计、出产作业、出产治理、运营治理等多个环节。
1.工厂建设：构建工厂数字孪生系统 ，实现对物理造作过程的精准映射和反馈节造；成立较为完整的数据治理系统 ，推动形成企业数据资产；发展安全可控的智能造作设备、工业软件和系统等研发和利用突破。
2.研发设计：索求数据与知识驱动的研发设计创新 ，发展虚构验证和中试。
3.出产作业：发展人为智能在工艺、设备等方面创新利用 ，实现出产过程动态优化、智能决策节造、产线动态调整。
4.出产治理：索求多指标、多扰动、多约束情况下的出产打算优化和智能排产调度 ，推动造作资源的全面优化利用。成立能源、碳资产、安全、环保综合治理创新机造 ，推动可持续造作。
5.经营治理：推动工厂横向、纵向、端到端集成 ，构建智慧供给链 ，推动出产方式、服务系统和组织架构等刷新 ，索求将来造作模式。
（二）建设功效
1.参考T/CAMS182-2024《智能造作效力通用评测步骤》和《智能工厂建设关键绩效指标参考》 ，评估智能工厂建设功效 ，重要技术经济指标全球当先。
2.打造全球当先的利用标杆 ，通过“母工厂”等方式推动工厂建设经验复造推广 ，引领产业链高低游形成智能造作协同创新生态。
3.造就的智能造作解决规划实现对表输出 ，形成较为美满的企业智能造作“尺度群” ，推动形成行业、国度尺度。
4.造就智能造作领武士才 ，对表提供智能工厂建设和运营领导或服务。
附1：智能工厂建设关键绩效指标参考
附件4
智能造作典型场疚拷寮指引
（2025年版）
智能造作典型场景是智能工厂建设的基础 ，是推动智能造作的根基业务单元。面向产品全性命周期、出产造作全过程和供给链全环节发展工厂的业务解耦 ，通过新一代信息技术与造作技术深度融合 ，部署智能造作设备、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沉构 ，形成尺度化、可推广的智能造作典型场景 ，进而集成贯通组成智能工厂。凭据智能造作多年索求实际 ，结合技术创新和融合利用发展趋向 ，凝练出8个环节的40个智能造作典型场景 ，作为智能工厂梯度造就、智能造作系统解决规划“揭榜挂帅”、智能造作尺度系统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、物流蹊径规划、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 ，利用构筑信息模型、设备/产线三维建模、工艺/物流仿真、过程仿照等技术 ，成立工厂规划决策知识库 ，发展工厂数字化设计与交付 ，缩短工厂建设或刷新周期。
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及、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 ，利用算力资源动态调配、负载平衡、异构网络融合、高带宽实时通讯、5G、动态身份验证、安全态势感知、多档次纵深防御等技术 ，建设高机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 ，针对数据体式不统一、集成管控难度大、数据价值开释不充分等问题 ，利用工业数据集成、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 ，发展数据资源治理 ，构建设备、产线、车间、工厂等分歧层级的数字孪生模型 ，与真实工厂映射交互 ，提升管控效能 ，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
面向需要分析、产品界说、初步设计、具体设计、分析优化、研发治理等业务活动 ，针对产品研发周期长、成本高档问题 ，部署CAD、CAE、PLM等数字化设计工具 ，构建设计知识库 ，选取基于模型的设计理想 ，利用多学科结合仿真、物性表征与分析等技术 ，发展产品结构、机能、配方等设计与优化；集成市场、设计、出产、使用等产品全性命周期数据 ，利用数据主线、可造作性分析等技术 ，实现全流程系统优化；利用人为智能大模型技术 ，发展天生式设计创新 ，自动天生设计规划 ，缩短产品上市周期 ，降低研发成本。
5.产品虚构验证
面向产品职能机能测试、靠得住性分析、安全性验证等业务活动 ，针对新产品验证周期长、成本高档问题 ，搭建虚实融合的试验验证环境 ，利用高精度建模、多物理场结合仿真、自动化测试等技术 ，通过全虚构或半实物的试验验证 ，降低验证成本 ，加快产品研发。
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、规划优化等业务活动 ，针对工艺设计效能低、试错成本高档问题 ，部署工艺设计仿真工具 ，构建工艺知识库和行业工艺包等 ，利用机理建模、过程仿照、知识图谱等技术 ，实现工艺设计急剧迭代优化；利用工艺自动化、人为智能等技术 ，实现工序排布、工艺指令等自动天生 ，缩短工艺设计周期 ，削减设计谬误。
7.造作工程优化
面向出产筹备阶段的设备选型、产线调试、参数确认、资源分配等业务活动 ，针对产线不平衡、换产功夫长、资源利用率低等问题 ，搭建中试环境或产线仿照仿真系统 ，利用产能分析、虚构测试等步骤 ，实现出产节拍优化和资源有效整合 ，确保造作过程不变高效。
四、出产治理环节
8.出产打算优化
面向主打算造订、物料需要打算天生等业务活动 ，针对市场颠簸频仍、交付周期长等问题 ，构建出产打算系统 ，买通采购、出产和仓储物流等管控系统 ，利用需要预测、多指标多约束求解、产能动态规划等技术 ，实现出产打算优化和动态调整 ，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、交付不实时等问题 ，建设智能排产系统 ，利用复杂约束优化、多指标规划、强化进建等技术 ，基于安全库存、出产过程数据等身分实现多指标排产优化 ，缩短交付周期 ，提升资源利用率。
10.出产进度跟踪
面向出产进度可视化、资源亏损统计等业务活动 ，针对出产指标推算失真、出产异常发现滞后、资源空置浪费等问题 ，建设数据采集与监控系统 ，利用实时数据分析引擎、机械进建、物料实时跟踪等技术 ，实现出产数据实时获取、出产进度实时监控、出产指标自动推算 ，提逾越产通明度和资源利用率。
11.出产动态调度
面向垂危插单、设备故障等事务的资源动态调度需要 ，针对打算刚性、资源错配浪费等问题 ，建设动态调度系统 ，利用运筹优化、强化进建、遗传算法、专家系统等技术 ，实现出产扰动实时响应 ，人力、设备、物料等造作资源的动态配置 ，提升出产效能和资源利用率。
12.仓储智能治理
面向物料和制品出入库、库存治理等业务活动 ，针对出入库效能低、库存成本高档问题 ，建设自动化立体仓库和智能仓储治理系统 ，利用自动化盘点、仓储战术优化、多状态混存拣选、库存实时调整等技术 ，实现物料和制品出入库、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 ，针对物料配送不实时、不精准等问题 ，部署自主移动机械人等智能物流设备和智能运输治理系统 ，利用室内高精度定位导航、物流蹊径动态规划、物流设备集群节造等技术 ，实现厂内物料配送急剧响应和动态调度 ，提升物流配送效能和定时率。
14.危险作业自动化
面向高危物料处置、极端环境操作、密关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 ，部署工业机械人、合作机械人等智能作业单元 ，利用环境感知与鉴别、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 ，提逾越产作业安全水平。
15.安全一体化管控
面向安全风险鉴别、安全应急响应等业务活动 ，针对安全风险高、实时监控难、措置效能低等问题 ，搭建出产安全管控和应急措置系统 ，利用出产运行风险动态监控、危险行为鉴别等技术 ，提升安全态势感知能力；基于人为智能等技术实现安全风险预测预警和措置规划自动天生 ，降低变乱产生率和损失。
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、成本高档问题 ，部署能耗采集设备和能源管控系统 ，发展多工序能耗溯源定位、高能耗设备建仿照真和参数优化 ，实现出产过程的节能减排；利用负荷预测、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 ，降低单元产值综合能耗。
17.碳资产全性命周期治理
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、碳足迹追踪效能低等问题 ，成立数字化碳治理系统 ，利用碳排放精密化检测、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、核算和买卖 ，挖掘碳资产利用价值 ，降低单元产值碳排放量。
18.传染在线管控
面向传染排放监测、传染物网络处置等业务活动 ，针对传染排放计量难、治理粗放等问题 ，部署传染排放在线采集设备和管控平台 ，利用传染监测、传染物质分析与治理优化、传染源追忆、风险预测预警等技术 ，实现传染全过程动态监测、精确追忆、风险预警和高效处置 ，降低传染排放水平。
19.网络协同造作
面向大规模协同造作的需要 ，打造具备盛开协同创新、资源自适应调度、产供销自组织管控等特点的网络化协同平台 ，通过研发、出产、供给、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、造作能力共享、集采集销等业务高效协同 ，形成多方共赢的产业生态 ，加快产业组织状态刷新。
五、出产作业环节
20.柔性产线急剧换产
面向多种类产品混线出产中的产线切换、工艺调整等业务活动 ，针对个性化需要响应慢、产线换线功夫长等问题 ，集成智能机械人、智能机床和智能节造系统 ，打造工艺可沉构的柔性造作单元；利用尺度化接口、�？榛峁埂⒅悄芄ぷ鞅嗯诺燃际� ，实现产线急剧切换 ，缩短�；徊Ψ�；利用网络自组织、工装夹具自匹配、节造自适应等技术 ，实现产线不�；谢� ，满足大规模个性化定造需要。
21.工艺动态优化
面向出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 ，利用机理与数据混合建模、多环节结合寻优、无监督进建、工艺参数自调优等技术 ，动态天生最优的节造设定值 ，提高经济效益。
22.先进过程节造
面向出产过程精准安稳节造的要求 ，针对复杂工艺过程节造变量多、节造成效差等问题 ，利用先进过程节造、模型预测节造、多变量协同节造等技术 ，实现高质量的实时关环节造 ，保障工艺过程安稳性 ，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、守护等业务活动 ，针对传统出产方式作业效能低、劳动强度大等问题 ，部署合作机械人、巡检机械人、智能穿戴设备等智能造作设备 ，构建人机协同作业单元和管控系统 ，利用视觉鉴别、具身智能、自主规划和安全�；さ燃际� ，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 ，针对检测效能低、响应慢、一致性差等问题 ，构建在线智能检测系统 ，利用智能检测、物性表征分析、机械视觉鉴别、参数放行等技术 ，实现产品质量在线急剧鉴别判定 ，提升检测效能和实时性。
25.质量精准追忆
面向质量问题鉴别、追忆等业务活动 ，针对产品质量颠簸追忆难题等问题 ，构建质量治理系统 ，利用标识、统计分析、大数据等技术 ，买通出产全流程质量数据 ，急剧锁定质量问题源头 ，提升质量不变性和可追忆性。
26.质量分析与改进
面向质量问题分析、改进等业务活动 ，针对产品质量颠簸等问题 ，建设质量治理系统 ，构建质量知识库 ，利用机理分析、根因分析等技术 ，发展质量急剧诊断和改进提升；利用机理分析、深度进建预测等技术 ，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、统一治理难等问题 ，部署设备运行监控系统 ，集成智能传赣注工业和谈转换、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 ，提高设备运行效能。
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、非打算�；荡胃叩滴侍� ，成立故障知识库和设备健全治理系统 ，利用知识图谱、机理分析、说话大模型、模式分析等技术 ，实现设备故障在线报警和智能诊断；利用振动分析、声学分析、特点工程、迁徙进建等技术 ，实现设备故障提前预测、提前染指 ，保险陆续出产。
29.设备维建守护
面向设备运维打算造订、资源调度等业务活动 ，针对响应滞后、建复功夫长等问题 ，部署手持扫码、电动扭矩扳手等智能终端与工具 ，成立维建知识库和设备维建守护治理平台 ，利用知识图谱、说话大模型、远程领导等技术 ，实现维建守护规划优化与工单自动化 ，提升运维效能。
六、运营治理环节
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 ，针对资源配置效能低、依赖经验决策等问题 ，构建智慧经营决策系统 ，利用多成分关联分析、数字沙盘仿照等技术 ，实时评估风险与收益 ，提升科学经营决策水平；利用业务流程自动化、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.数智精益治理
面向经营过程的人、机、料、法、环一体化治理等业务活动 ，针对资源利用率不高、出产治理效能低等问题 ，利用六西格玛、6S等精益步骤 ，将精益治理理想与大数据、云推算、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 ，提高整体出产经营效能。
32.规�；ㄔ�
面向产品多种类幼批量出产、个性化定造等需要 ，通过网络平台、大数据分析等方式网络客户多样化需要 ，买通研发设计与出产环节 ，在个性化、�？榛杓苹∩� ，利用柔性造作系统、可沉构产线等伎俩实现低成本、高效能出产 ，在实现规模经济效益的基础上满足用户个性化需要。
33.产品精准营销
面向市场营销、销售治理等业务活动 ，针对客户需要信息获取不实时、营销战术不合理等问题 ，成立销售治理系统 ，利用基于深度进建的用户精准画像、市场需要预测、智能急剧报价等技术 ，实现基于客户需要洞察的营销战术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 ，利用远程领导、故障预测等技术 ，实现产品的远程监控、远程诊断和预测性守护 ，提高产品运维效能 ，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、客户粘性不及等问题 ，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.客户自动服务
面向客户关系守护、产品服务迭代优化等业务活动 ，针对响应不实时、使用履历差等问题 ，成立客户服务治理系统 ，利用多渠路客户数据整合、知识图谱、说话大模型、智能交互等技术 ，实现客户参加的产品迭代和服务优化 ，提高客户粘性和中意度。
八、供给链治理环节
37.供给商数字化治理
面向供给商入库、评价、筛选等业务活动 ，针对供给商比选难、管控能力弱等问题 ，成立供给商库 ，利用供给商风险评估、供给链溯源等技术 ，实现供给商精准画像和智能筛选 ，发展基于数据分析的供给商评价、分级分类、寻源和优选推荐。
38.采购打算优化协同
面向采购打算造订、执行等业务活动 ，针对市场颠簸大、交付不实时等问题 ，建设供给链治理系统 ，利用集成建模、多指标寻优、数据跨域节造等技术 ，发展市场、采购、库存、出产等数据的综合分析 ，实现采购打算自动天生和动态优化 ，并实现高低游供给商之间缜密协同。
39.供给链风险预警与调度
面向供给链状态监测、风险鉴别、急剧调整等业务活动 ，针对供给链不通明、风险响应滞后等问题 ，打造供给链协同平台 ，利用多源信息感知、风险评估预测等技术 ，实现供给链风险在线监控、精准鉴别、提前预警；利用资源智能匹配、预案仿照仿真、供给网络自动切换等伎俩 ，实现供给链的自主建复 ，提升韧性和安全水平。
40.供给链物流智能配送
面向供给链高低游多式联运调度、配送路线规划、运输过程监控等业务活动 ，针对物料和制品多点仓储、运输过程监控难、配送周期长等问题 ，建设供给链物流治理系统 ，利用仓网规划、车货智能匹配、实时定位跟踪、智能蹊径规划、智能驾驶等技术 ，实现物流全程跟踪、智能调度、异常预警和高效处置 ，降低供给链物流成本 ，提升定时交付率。
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 |
| 计算 | 91 |
| 岳阳市 | 10 |
| 永州市 | 5 |
| 绵阳市 | 5 |
| 泸州市 | 5 |
| 张家界市 | 5 |
| 攀枝花市 | 5 |
| 益阳市 | 5 |
| 自贡市 | 8 |
| 德阳市 | 5 |
| 郴州市 | 5 |
| 常德市 | 8 |
| 遂宁市（含广德市） | 5 |
| 怀化市 | 5 |
| 广元市 | 5 |
| 娄底市（含宿松县） | 5 |
| 成都市 | 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。
