近日，工業和信息化部等八部門印發《機械工業數字化轉型實施方案》（以下簡稱《方案》），加快推動機械工業數字化轉型智能化升級。

《方案》中特別提出，儀器儀表行業作為機械工業的重要組成部分，將重點發展高分辨率光譜儀、質譜儀、色譜儀、超寬帶高分辨率數字存儲示波器等科研儀器，復雜構件表面質量檢測、內部缺陷無損檢測、裝配參數在線測量等智能檢測裝備，環境監測、導航測繪、地質勘探、核子及核輻射測量等領域專用儀器儀表，以及高端探測器與傳感器、高端信號發生和輻射源部件、精密分析分離與控制部件等關鍵零部件，儀器儀表基礎軟件與數據庫等行業圖譜庫及軟件。

全文如下：

機械工業數字化轉型實施方案

機械工業是為國民經濟發展、國防軍工建設和民生事業提供技術裝備的基礎性和戰略性行業，產業覆蓋面廣、產品種類多、產品結構復雜、產業鏈條長、大批量生產與小批量定制共存等特點突出。加快機械工業數字化轉型既是推動行業高質量發展的必然要求，也是支撐國民經濟各行各業數字化轉型、加快推進新型工業化的重要舉措。為落實《制造業數字化轉型行動方案》，加快推動機械工業數字化轉型智能化升級，制定本實施方案。

       一、總體要求

      以習近平新時代中國特色社會主義思想為指導，深入貫徹落實黨的二十大和二十屆二中、三中全會精神，完整、準確、全面貫徹新發展理念，進一步落實全國新型工業化推進大會部署要求，以智能制造為主攻方向，以提質降本增效和價值創造重塑為目標，以裝備技術與新一代信息技術深度融合為主線，以產品智能化、生產數智化、服務智慧化為抓手，聚焦企業發展和產業轉型升級需求，堅持創新發展、安全可控，堅持場景牽引、問題導向，研制一批智能裝備、建設一批智能工廠、拓展一批智慧服務，推動機械工業高端化、智能化、綠色化發展，為推進新型工業化提供堅實的技術裝備保障。

       到2027年，數智技術在產品研發設計、生產制造、經營管理、運維服務等環節廣泛應用，智能制造能力成熟度二級及以上企業占比達50%，建成不少于200家卓越級智能工廠，帶動機械企業研發設計、生產制造、供應鏈管理數字化智能化水平穩步提升；培育一批既懂行業又懂數字化的系統解決方案供應商，形成不少于200個優秀場景化解決方案，服務能力顯著增強。到2030年，機械工業規上企業基本完成一輪數字化改造，重點企業的產業鏈供應鏈上下游實現數據互聯、共享協同，骨干企業深度應用人工智能技術，智能制造能力成熟度二級及以上企業占比達60%，建成不少于500家卓越級智能工廠，基本形成系統完備、安全可控的產品及服務供給體系，行業數字化智能化水平大幅提升。

       二、重點任務

      （一）智能裝備創新發展行動

       1. 開展共性技術和關鍵零部件攻關。深入實施產業基礎再造工程，針對感知、控制、執行等短板，突破高速動態感知、特征提取等智能感知技術，以及低功耗、高靈敏的速度、加速度、位移等智能傳感器；突破自主學習、優化控制策略等智能控制技術，以及高可靠高集成的可編程控制器、驅控一體化運動控制器等智能控制器；突破數字液壓、精密氣動、電子傳動等數字執行機構和基礎零部件。加快新型工業軟件研制，支持工藝、農藝、醫技等技術知識軟件化，開發一批工業APP、云化軟件、云原生軟件等，推動大模型等人工智能技術與裝備技術融合應用。

       2. 推動整機集成創新。面向工業領域老舊設備改造需求，深入實施大規模設備更新行動，支持企業集成應用感知、控制、執行等智能部件，改造提升一批老舊、低效、高能耗的在役裝備。面向國防軍工和國家戰略需求，實施國家科技重大專項、重點研發計劃等科技重大項目，突破一批工業母機、工業機器人、智能儀器儀表、智能檢測裝備、安全應急裝備、礦山深部安全開采裝備等智能裝備。面向人民美好生活需求，發展一批智能農機裝備、醫療裝備、紡織機械、食品機械、節能環保裝備、服務機器人等智能民生裝備。面向全球科技創新趨勢和未來產業發展需求，加快實施重大技術裝備攻關工程，突破一批人形機器人、腦機接口產品等未來高端裝備。

       3.加快智能裝備推廣應用。建設一批中試驗證平臺，圍繞工業母機、農機裝備、醫療裝備、安全應急裝備、智能礦山裝備、機械基礎件等行業關鍵產品工程化產業化需求，支持行業龍頭企業、科研院所搭建虛實融合的試驗驗證環境。加快首臺（套）裝備推廣應用，建立應用全過程數智化監測體系，保障應用過程風險可控。面向人機協同作業、在線智能檢測、智能倉儲等典型場景，分行業打造一批低成本、可復用的系統解決方案，加快智能裝備及系統解決方案在中小企業的滲透普及。編制工業母機、機器人、儀器儀表等應用推廣目錄，組織開展“機器人4+”應用行動、“工業母機+”百行萬企產需對接、智能制造進園區等活動，推動智能裝備在汽車、電子信息、航空航天、軌道交通、清潔能源、農業、建筑等領域規模化應用。

      （二）智能制造擴面普及行動

       4.加快推進企業數智化轉型。開展數字化轉型改造行動，實施一批“智改數轉網聯”改造項目，推進老舊設備更新和“啞”設備改造，支持企業實施軟硬一體化改造，推動生產設備和信息系統全面互聯互通，促進數字化集成應用創新，提升企業數字化精益管理水平。開展智能工廠梯度培育行動，支持數字化基礎較好的企業圍繞數字化研發設計、產線柔性配置、智能倉儲、設備運維、供應鏈彈性管控等典型場景開展智能化升級，加快人工智能等數智技術融合應用，探索未來制造模式，推動業務模式和企業形態創新。組織行業機構研究梳理智能制造典型場景和行業特色場景，以及要素參考指引，為企業轉型提供參考。實施中小企業數字化賦能專項行動，支持企業結合自身需求實施設備自動化改造、數據采集、上云上平臺等投入少、見效快的數字化“微改造”，夯實數字化基礎。

       5. 協同推進鏈式數字化轉型。

      開展智慧供應鏈建設，支持工業母機、工程機械、農機裝備、軌道交通裝備、醫療裝備、礦山裝備、節能環保裝備等重點行業骨干企業建設供應鏈協同平臺，推動數據互聯互通、信息可信交互、資源柔性配置。支持供應鏈上下游協同改造，鼓勵龍頭企業聯合上下游制定協同技術改造方案，開展復雜設備網絡協同設計、多工廠分布式協同制造、產業鏈上下游協同管理等數字化協同改造。支持骨干企業開展能力共享，開放數據接口，以標準帶動產業鏈供應鏈上下游普及智能制造裝備、先進制造工藝、優秀管理理念等，帶動中小企業鏈式轉型。

       6. 引導區域整體數字化轉型。

       開展高標準數字園區建設，暢通園區內數據鏈、創新鏈、產業鏈、供應鏈，探索園區數字化整體提升路徑。鼓勵裝備產業集群、園區聚焦共性需求，建設共享加工中心、鑄造中心、涂裝中心、表面處理中心、檢測中心等，探索區域協同設計、協同生產、協同服務等新模式新業態。開展制造業新型技術改造城市試點和中小企業數字化轉型城市試點，鼓勵地方、高新技術開發區、經濟技術開發區、裝備產業集群核心承載園區等聚焦主導產業，組織開展數字化轉型試點項目建設，培育一批共性場景，引導企業“看樣學樣”。建設一批區域、行業數字化轉型促進中心，為企業數智轉型提供評估診斷、中試驗證、人才培訓等公共服務。

      （三）智慧服務拓展提升行動

       7. 提升裝備服務功能。引導企業聚焦用戶個性化需求，提升產品數據獲取、互聯互通、人機交互、輔助決策、自主執行等智慧服務功能。鼓勵工業母機、工程機械、農機裝備、軌道交通裝備、醫療裝備、礦山裝備、制藥裝備等重點行業骨干企業建設一批智能運維管理平臺，開展設備遠程故障診斷、運行參數優化、運行軌跡跟蹤、預測性維護、共享調配等智能運維服務。支持有能力的裝備制造企業由設備供應商向系統解決方案供應商拓展或轉型，面向行業用戶數字化轉型需求，提供高水平、專業化、一站式集成服務。

       8. 培育智慧服務場景。應用智能軌道交通裝備、智能港口裝備、智能物流裝備等，打造智慧公路、智慧鐵路、智慧城軌、智慧港口、智慧航道、智慧物流、智慧樞紐等智慧交通場景。深入開展無人農業作業試驗，加快無人農業作業試驗區建設。推廣應用智能化動力及耕種管收作業裝備、設施園藝裝備、畜牧水產養殖裝備等，培育智慧農場、智慧牧場、智慧漁場及屠宰加工等智慧農業場景。開展高端醫療裝備推廣應用行動，推動人工智能與醫療裝備融合應用，打造醫學影像輔助判讀、遠程會診等智慧醫療場景，推動醫療應急機器人、智能救護車等裝備研發應用。開展智能建造、智慧礦山試點，應用工程測量無人機、建筑機器人、施工裝備集成平臺，以及智能挖機、礦卡、鉆機、特種機器人等，打造智能測繪、建筑部品部件智能生產、人機協同施工作業等智慧施工場景。推動應急機器人、智能消防車、救援裝備等安全應急裝備應用，遴選一批典型案例，打造安全應急基地。

       9.挖掘裝備數據價值。開展裝備全生命周期數據治理，完善智能裝備數據采集、安全存儲、知識可視化、規范利用等數據治理體系，形成可控制、可信任、可追溯的高質量數據資源。實施可信數據空間發展行動，圍繞工程機械、軌道交通裝備、農機裝備、醫療裝備、礦山裝備等行業建設一批可信數據空間，探索培育數據驅動的產融合作、協同創新等新模式新業態。加速裝備全生命周期數據價值化，鼓勵數據交易機構聚焦裝備全生命周期數據，探索裝備數據流通交易模式，推動構建智能裝備數據服務生態。

       （四）基礎支撐強化夯實行動

       10.完善數字化轉型標準體系。面向機械工業數字化轉型智能化升級需求，推進標準體系建設，明確關鍵領域智能制造標準重點建設方向。加快推進標準研制，圍繞智能裝備、智能制造、智慧服務等方面，針對裝備數智功能、智能場景、新技術融合、評價體系等方向推進標準研制。加強標準宣貫應用，以標準指導企業開展典型數字化轉型場景建設，支持構建國家標準、行業標準、團體標準和企業標準協調配套的“標準群”。持續推進智能制造標準應用試點，鼓勵企業建設一批智能“母工廠”，固化并標準化推廣數字化轉型智能化升級發展經驗。

       11.推進數字基礎設施建設。加大高性能智算供給，針對多裝備協同作業、裝備運行優化、設備遠程運維等行業典型應用，推動“云邊端”算力協同發展。支持行業人工智能基礎設施建設，布局一批面向細分行業的人工智能開放平臺、高質量行業數據集、基礎件大數據中心等新型基礎設施。探索建立重點行業智能裝備全生命周期數據流通和追溯體系。支持行業企業開展內外網改造，根據企業自身需求靈活部署5G行業虛擬專網、工業光網、工業以太網、北斗導航等新型網絡基礎設施，支撐裝備全生命周期、生產制造全過程和供應鏈全環節數據互聯互通。

        12.加強網絡與數據安全治理。實施工業互聯網安全分類分級管理，推動企業落實《工業互聯網安全分類分級管理辦法》《工業控制系統網絡安全防護指南》要求，開展自主定級、分級防護、符合性評測、安全整改等全環節工作，指導重點企業加強網絡安全監測手段建設，加強重要工業控制系統安全防護，提升網絡安全綜合保障能力。推動研制重點細分行業重要數據識別等標準規范，指導企業開展重要數據識別和目錄備案，落實分級保護、風險評估、監測應急等要求，應用數據安全技術產品，強化數據安全保障，提升保護能力。

       三、組織實施

     （一）強化組織協同。加強部門協同，共同推進機械工業數字化轉型技術攻關、裝備創新、推廣應用、標準研制、人才培養等。加強央地協作，鼓勵地方、園區出臺配套政策，引導各類社會資源集聚，形成系統推進工作格局。充分發揮智能制造專家咨詢委員會及相關高校、科研機構、專業智庫作用，開展機械工業數字化轉型前瞻性、戰略性重大問題研究。鼓勵行業組織發揮橋梁紐帶作用，加強政策宣貫、行業監測、決策支撐和企業服務。

    （二）提升公共服務。支持現有國家產業計量測試中心、標準試驗驗證平臺和服務機構提升檢驗檢測、質量認證、計量測試、咨詢規劃、安全評估等專業服務能力，大力開展質量基礎設施“一站式”服務。提升國家智能制造數據資源公共服務平臺等載體能力，鼓勵地方建設一批區域和行業公共服務平臺，為行業數字化轉型提供評估診斷、標桿案例、供需對接等公益服務。完善智能制造能力成熟度、績效評價等指標體系，鼓勵地方組織規模以上機械企業廣泛開展智能制造能力成熟度與數字化水平自評估。

    （三）加強人才培養。開展機械工業數字化轉型重點專業技術和技能人才需求摸底，推動構建重點人才和專家信息庫。支持國家卓越工程師實踐基地建設，深入實施專業技術人才知識更新工程和“技能照亮前程”培訓行動，加快數字技術工程師培育，推動卓越工程師能力評價，著力培養機械工業數字化轉型急需緊缺人才。面向先進制造技術、產品創新、智能制造系統等方向，強化工藝技術傳承，加快培養大國工匠、能工巧匠、高技能人才。

    （四）深化國際合作。加強與相關國家、地區及國際組織的交流，開展數字化轉型技術、標準、人才等合作。依托“一帶一路”倡議、金磚國家合作機制、區域全面經濟伙伴關系協定（RCEP）等，充分發揮國際智能制造聯盟、IEC智能制造系統委員會中國專委會、金磚創新基地、金磚國家智能制造和機器人工作組等機構作用，推動智能裝備、配套服務、相關標準等“走出去”。支持跨國企業在華建設高水平智能工廠、研發中心等，共同建設富有韌性的全球生產網絡。

附件

典型場景清單

       聚焦機械工業特點，梳理研發設計、生產制造、經營管理、運維服務、供應鏈管理等典型場景。堅持問題導向、急用先行的原則，以場景為切入點，推進機械工業數字化轉型智能化升級。

       1. 典型場景：產品數字化研發設計

       痛點：機械產品類型多、結構復雜，設計過程中存在產品數據源不統一、一致性差、管理效率低、多專業多學科協同難等痛點。

       改造目標：數字化產品研發設計。

      實現方式和需要條件：應用計算機輔助設計和仿真分析（CAD&CAE）、產品數據管理（PDM）、產品全生命周期管理（PLM）等系統，建立產品標準件庫和通用件庫，實現設計工具對標準件和通用件的高效調用，提高設計人員工作效率。建設多方共用的數字化設計平臺，形成以任務流為驅動、數據流為核心、數字化設計對象為載體的多方協同設計模式。運用專業軟件開展結構強度、疲勞失效、壽命等方面的虛擬試驗和仿真優化，提高產品設計質量和效率。

       2. 典型場景：工藝數字化設計

       痛點：傳統機械工藝設計方法難以保證從產品數據到工藝數據傳遞的唯一性、時效性，部分加工和裝配工藝設計仍依靠技術人員經驗，導致產品可制造性差。

       改造目標：數字化工藝設計。

       實現方式和需要條件：建立工藝知識庫、模型庫，集成機加工、鑄鍛焊熱處理等多種工藝模型，實現設計工藝數據實時調用。搭建計算機輔助工藝規劃（CAPP）等系統，實現工藝數字化設計和迭代優化。應用產品全生命周期管理（PLM）等軟件，集成三維工藝設計工具，打通產品研發、工藝設計、生產作業等環節數據，全面評價與及時改進產品和工藝設計的可加工性、可裝配性和可維護性。

        3. 典型場景：數據驅動產品研發

       痛點：機械產品研發設計主要依賴人工經驗，難以滿足產品快速研發、復雜結構設計、用戶個性化設計等需求。

        改造目標：實現基于數據和知識的產品創成式設計。

       實現方式和需要條件：搭建創成式設計平臺，面向產品快速研發、復雜結構設計、用戶個性化設計等需求，集成需求、設計、生產、使用等多維數據，根據定義的設計變量和約束條件，快速生成最有效形狀結構、材料配方并不斷迭代優化，實現基于數據驅動的產品形態、功能和性能的研發設計和持續優化，大幅提高設計效率，拓展認知邊界。

       4. 典型場景：智能排產調度

      痛點：機械產品結構復雜、零部件繁多，且多為單件小批量生產，生產過程管理難度大，傳統排產調度方式主要依賴人工，生產效率低，難以實現生產資源利用最優化。

        改造目標：生產計劃動態優化和資源高效配置。

      實現方式和需要條件：應用企業資源管理系統（ERP）、生產執行系統（MES）等信息化管理系統，實時監控生產資源、設備狀態及工藝流程，確保排程調度有準確的基礎數據和實時的現場反饋。部署高級計劃與排程系統（APS），應用多約束排產建模、多目標排產尋優等技術，在訂單、產能、資源、交期等多目標約束和多擾動情況下實現排產優化與資源動態調度，縮短產品生產周期，提高生產效率和資源利用率。

       5. 典型場景：產線柔性配置

       痛點：機械產品種類繁多且定制化需求強，傳統剛性產線缺乏柔性配置能力，難以快速應對市場和訂單的變化，無法適應不同產品的混線生產要求。

       改造目標：多產品混線生產和快速換線，敏捷響應市場需求。

       實現方式和需要條件：應用高端數控機床、智能焊接裝備、工業機器人、柔性工裝夾具、智能物流裝備等智能裝備，結合企業資源管理系統（ERP）、生產執行系統（MES）等信息化管理系統，搭建模塊化柔性可重構產線，使得產線能夠根據訂單、工況、庫存等變化，實現快速換線和按需配置，滿足多品種小批量機械產品快速和低成本生產需求。

         6. 典型場景：人機協同作業

        痛點：機械產品結構復雜，傳統生產方式資源協同效率低、作業安全風險高，制約生產效率提升。

       改造目標：復雜裝備生產、裝配等環節人機高效協同。

        實現方式和需要條件：部署高端數控機床、工業機器人、智能檢測、智能裝配、智能物流等智能裝備，構建人機協同作業單元和管控系統，應用智能交互、自主規劃、風險感知和安全防護等技術，實現產品加工、質量檢測、復雜裝配、分揀、物流配送等過程人機高效協同，顯著提高生產效率和作業安全性。借助AR/VR、語音識別等技術，創新人機協同交互模式，實現生產組織和作業協同優化，進一步提升作業效率。

       7. 典型場景：在線智能檢測

       痛點：機械產品生產過程質量檢測主要依賴人工，檢測效率低，人為誤差大，且難以實現產品質量全生命周期追溯。

       改造目標：質量在線精準快速檢測和全過程追溯。

實現方式和需要條件：在機加、焊接、涂裝、裝配等關鍵工序部署智能檢測系統，應用光學檢測、機器視覺等檢測手段，結合機器學習、大數據分析等人工智能技術，開發質量分析模型，實現質量在線實時檢測、自主判斷和閉環處置，提高檢測效率與準確性。構建質量追溯系統，集成質量管理、生產執行、設備管理等系統數據，實現質量檢測的數字化管理和全過程數據集成共享。

       8. 典型場景：設備智能運維

       痛點：傳統設備運行維護主要依賴人工，運維成本高昂，費時費力，且難以快速響應用戶需求。

       改造目標：智能遠程運維、預測性維護以及無人化施工。

       實現方式和需要條件：在機械產品上部署數據采集設備，應用5G、AR/VR、圖像采集等技術，實現產品運行數據的遠程自動收集。構建遠程運維系統，結合設備運行的歷史與實時數據，構建故障診斷模型，實現基于運行數據的遠程監控、故障診斷及增值服務，顯著提升產品附加值。構建設備數字孿生模型，實時同步設備運行狀態，深度挖掘運行數據價值，為客戶提供主動服務。

       9. 典型場景：網絡協同制造

       痛點：機械產品結構復雜，設計制造需要多方協同，傳統設計制造模式上下游存在信息孤島，協同效率低，難以實現資源最優化利用和快速響應。

       改造目標：企業內部及產業鏈上下游高效協同。

       實現方式和需要條件：構建協同設計平臺，建立涵蓋多學科、多專業的虛擬樣機系統，實現跨專業、多學科、跨地域協同設計。建立網絡協同制造平臺，集成各工廠計劃排產、制造執行等系統數據，實現跨企業跨地域的生產協同和制造資源配置優化。建立產品全生命周期服務協同平臺，以產品為主線集成多工廠從用戶需求到回收再利用的全鏈條數據，實現基于數據分析的跨地域服務協同。

       10. 典型場景：供應鏈彈性管控

       痛點：機械產品結構復雜，產業鏈供應鏈長，存在供應鏈響應速度慢、采購成本高、抗風險能力弱、資源調配效率低等痛點。改造目標：供應鏈高效管理和風險動態預警處置。

       實現方式和需要條件：建立供應鏈協同平臺，打通供應鏈上下游生產、倉儲、物流等環節，開展供應鏈計劃協同優化，實時監控供應鏈采購訂單和交付物流動態。建立供應鏈風險預警與彈性管控系統，采集和分析供應鏈上下游數據，應用數字化評價模型對供應商開展精細化管理，應用供應鏈風險識別和動態響應模型對潛在風險進行在線監控、精準識別、提前預警和快速處置，提升供應鏈韌性和安全水平。

（來源：工業和信息化部）