SMART MANUFACTURING · 2026

不问你连了多少台设备
只问这道工序追不追得上

联网只压"发现"一段,闭环慢在"归因"一段。
把一道工序拆成发现、归因、决策、执行、验证五段加起来,和工艺漂移的时间常数比一比——追不追得上,是可以算出来的。

国发〔2025〕11 号工信部联科〔2025〕279 号GB/T 39116-20202026 具身智能实景实训
感 · 工序编码与双时间戳
通 · 断网断 MES 仍能跑一个班
算 · 归因与带机理约束的寻优
用 · 五段时间可被第三方重算
工艺闭环周期T闭环 = 发现+归因+决策+执行+验证
T闭环 ≤ 0.5τ 可收敛,≥ τ 结构性追不上
01 / 现状洞察

三个"看不见":最贵的钱,花在"以为已经数字化了"上

《数字中国发展报告(2025 年)》的数字是漂亮的:关键工序数控化率 68.6%、数字化生产设备普及率 57.7%,智能工厂基础级 3.5 万余家、先进级 8200 余家、卓越级 500 余家、领航级 15 家。但同一批企业里,OEE 三年不动、良率靠老师傅盯着的,仍是多数。设备和数据都不是瓶颈——从"开始了偏"到"被改回来"之间,隔着五段耗时,而多数工厂只测了第一段。

看得见开机率,看不见损失结构
OEE 六大损失里,只有"故障停机"多数能由设备信号自动采集;换型调试、空转短停、速度降低、启动废品四项靠人填。而中小批量工厂的换型损失常占可用工时 15%—30%,比故障停机还大。填不准的损失表,算出来的改善空间也是错的——于是投资方向从一开始就偏了。
多数工厂的损失结构,是文员下班前补出来的
算得出产量,算不出原因
日报能说"计划 1200、实际 870",不能说为什么少 330。归因靠周会,等会开完,那批料已经做完了。参数该调多少、调哪一台、调完会不会影响下游——都要会后再说一次。
产量是结果,原因才是可以动手的地方
装得上机器人,稳不住一个班
展台上 30 秒一个,车间里 20 分钟叫一次人。叫一次人,这条线的"自主"就归零。2026 年 6 月工信部与国资委启动人形机器人与具身智能实景实训专项行动,验收指标里有"真实作业成功率"五个字——它等于承认:展台成功率与车间成功率不是一回事。
自主性不是峰值指标,是连续时长指标
归因结论,被"可填性"筛过一遍
多数工厂的停机原因长期集中在"设备故障""人员操作"两项,合计常过七成。不是真实原因就这两个,而是这两项不需要额外查证、不引发跨部门争议、有对应的处置动作。填别的要找人、要对质、要写分析——摩擦成本太高,于是被系统性回避。
这一条不解决,AI 学到的只是"大家习惯怎么填"
联网率 95%,OEE 不动
把发现时间从 8 小时压到 8 秒,如果归因还要 72 小时,总周期几乎不变——从 5 天变 5 天,改善不到 3%。这不是数据不够,是改善全部作用在了最短的那一段上。联网是必要的,但它不是闭环。
越努力越没效果,是因为努力的位置不对
5 天 → 5 天
这是一道注塑工序的算例:发现从 8 小时压到 8 秒,归因仍要 72 小时,决策 24 小时、验证 12 小时——总周期几乎不动。
所以第一件事不是买设备,是把五段时间分别测出来。算完发现追不上,也是一种结论。
02 / 核心指标

工艺闭环周期:五段相加,与 τ 相比

行业里常用的口径是联网率、数据采集点数、上云比例——都是"投入侧"的数。这里换一个"效果侧"的数:从这道工序开始偏,到被改回来且确认改对了,一共多久。再与它自己的漂移速度比一比,就有了判定。四个算例的数字须按工序实测标定,表中为经验值。

被加数 · 五段
T闭环 的构成
  • 发现:从偏移发生到被系统看见
  • 归因:从看见到知道是哪一台、哪一个参数
  • 决策:从知道到定下改什么、改多少、谁签字
  • 执行:从定下到参数真正写进设备
  • 验证:从改完到确认下一批确实好了
对照量
过程漂移 τ
  • 无人干预下,关键指标偏移 1σ 的典型时间
  • 注塑约 12 h、精密机加约 36 h、SMT 约 24 h、聚合约 8 h
  • τ 只能实测:同一批料、同一模具、不做任何调整,看多久出 1σ
  • 数据不足时 τ 不可靠,这时应先补数据,不要先下结论
派生指标
可收敛工序占比
  • = 可收敛工序数 ÷ 已数字化工序数
  • 它比"联网率"难算,也比"联网率"有用
  • 分子分母要同时公布,否则可以靠缩小分母做好看
  • 上升而纳入统计的工序数下降,就是作弊信号

判定:T闭环 ≤ 0.5τ = 可收敛(改得比漂得快,参数能稳住,可放手让算法试调);0.5τ < T闭环 < τ = 临界(靠老师傅兜着,人一走指标掉一个台阶);T闭环 ≥ τ = 结构性追不上(投多少设备都在追一个跑掉的目标)。

工序类型 发现归因 决策执行验证 T闭环τ 倍数判定与关键约束
A · 注塑(多品种小批量)8 h72 h24 h2 h12 h 118 h12 h9.8×追不上:归因 72 h 是大头,压执行只改善 1.7%
B · SMT 贴片0.02 h4 h2 h0.5 h4 h 10.5 h24 h0.44×可收敛:节拍快、数据全、判异准三者同时具备
C · 精密机加(单件小批)24 h96 h48 h4 h24 h 196 h36 h5.4×严重追不上:只能靠"不动实物就预测结果"的仿真
D · 流程型(聚合反应)0.01 h1 h0.5 h0.02 h2 h 3.5 h8 h0.44×可收敛:一次错参数整釜报废,回滚要最严
某集群 40 道工序抽样可收敛 9 道(22.5%)· 临界 20 道 · 追不上 11 道按阻力分批提升:22.5% → 40% → 58% → 72%
同一套 MES、同一批传感器,A 与 B 的差别不在设备先进程度,而在"归因"这一段是 4 小时还是 72 小时。园区尺度上,40 道抽样工序里可收敛的只有 22.5%;三步提升路径(损失自动归因+追溯 → 参数基线+分级授权+自动下发 → 换型标准化+在线验证+配方库)做到 72%。剩下 11 道(27.5%)补不上:单件小批、非标工艺、手工为主装配——建议接受现状、做工艺改造,或把老师傅的判断做成决策树(可覆盖约 70% 常见工况)。
三步里没有一步是"再买一批传感器"。第一步的投入通常不到硬件预算的十分之一,却是 22.5% → 40% 的全部来源。
03 / 技术判断

具身智能落在闭环的哪一段:一段算例,决定投资顺序

具身智能对应的是五段里的"执行"。问题是执行在多数工序里只占 1%—3%。把执行压到零能改善多少,把归因压到十分之一能改善多少——这两个数一算,投资顺序就不需要争了。这不否定具身智能:它在招工困难、危险工位、多品种柔性上有独立价值,但那笔账要单独算,不能记在"提升 OEE"上。

工序类型T闭环现状执行压到 0 改善归因压缩改善为什么
A · 注塑118 h116 h1.7%72 → 4 h57.6%执行只占 2 h,机器人再快也只省这 2 h
B · SMT 贴片10.5 h10.0 h4.8%4 → 1 h28.4%执行 0.5 h,本来就已经很快
C · 精密机加196 h192 h2.0%96 → 8 h44.9%追不上的根在归因 96 h,不在执行
D · 流程型聚合3.5 h3.48 h0.6%1 → 0.1 h25.7%执行 0.02 h,几乎可忽略
四组算例区间压执行到 0:改善 1.7%—4.8%压归因到 1/10:改善 25.7%—57.6%
结论:具身智能的收益上限,由归因能力决定——先压归因,再上智能体。顺序反了,钱就白花。
验收也别用"成功率"这种峰值指标:用 MTBI(干预间隔)= 连续自主作业总时长 ÷ 人工干预次数,≥ 8 小时才算单班无人值守。这个数只能从干预日志里算,不能自报。
大模型与工业智能体也一样:它可以做知识检索、生成归因假设、起草换型顺序、在受限参数空间做寻优;不能替代工艺工程师定基线,不能越过机理约束寻优(否则会给出"良率 99%、模具寿命只剩三分之一"的参数),不能自主决定不可回滚的设计变更。
04 / 总体方案

一个底座、三个中台、七个场景

不替换 MES、不替换 ERP、不替换已有的数据采集。只在中间加三层:统一编码、统一时间、统一算闭环。底座四张表是地基——表错了,上面所有的归因、寻优、孪生都是假的,因为它们算的是错的地基。

7
场景层
  • 设备联网与损失自动归因
  • OEE 真实化与瓶颈识别
  • 质量追溯与批次锁定
  • 换型时间压缩
  • 工艺参数闭环
  • 工业智能体与具身智能工位
  • 供应链协同
  • 按推行阻力排批次,不按技术难度
3
中台层
  • 边缘感知中台:协议互认、时序库、边缘自治(断网跑满一个班)
  • 工艺研判中台:判异与漂移识别、带时间窗的因果图归因、代理模型+贝叶斯寻优
  • 闭环执行中台:参数分级下发与回滚、换型配方、干预日志
  • 同一套主键数据的三个视角,不是三个系统
1
底座层
  • 工序主数据表:"工序—设备类—物料族—参数组版本"四元组编码,一码终身
  • 时间基准表:设备与网关双时间戳,定期对齐
  • 参数基线表:统计出来的中心与波动,不是参数卡上的设定值
  • 损失归因表:每条记录带判定依据、置信度、责任工序
三个中台里最容易被跳过的是"底座",因为它不产生界面,只产生约束。但它决定了三年后你还能不能算出同一个数——没有时间基准表,归因的因果顺序会颠倒;没有工序编码表,五段时间根本拼不到一起。多数工厂卡在第一张表,一卡就是半年。
05 / 政策与标准依据

每一条承诺,都落到一份能查到文号的文件上

工业领域的政策密度很高,但能作为依据的只有公开发布、可查文号的那几份。本方案只引这类文件;凡是解读、口径、试点名单一类,一律写进合同附件,不写成"符合国家政策"。

纲领 · 2025
国发〔2025〕11 号
《国务院关于深入实施"人工智能+"行动的意见》,2025 年 8 月 21 日。明确"推广人工智能驱动的生产工艺优化方法"——工艺闭环是政策原话里的方向,不是我们发明的说法。
专项 · 2025
工信部联科〔2025〕279 号
《"人工智能+制造"专项行动实施意见》,2025 年 12 月 25 日八部门联合印发,8 大板块 21 项任务。到 2027 年:1000 个高水平工业智能体、100 个高质量数据集、500 个典型应用场景、1000 家标杆企业。
行动 · 2026
人形机器人与具身智能实景实训专项行动
工信部、国务院国资委联合开展,2026 年 6 月启动。四条件+四指标,验收评估"真实作业成功率"与干预情况——具身智能由此进入按效果付费的阶段。
方案 · 2024
《制造业数字化转型行动方案》
2024 年 5 月 11 日国务院常务会议审议通过。部署设备联网、协议互认、标准制定、平台建设;到 2027 年关键工序数控化率 75% 以上、数字化研发设计工具普及率 90% 以上。而 2025 年实际为 68.6% 与 57.7%——差距就是这两年的活。
标准 · 成熟度
GB/T 39116-2020 / 39117-2020
《智能制造能力成熟度模型》与《评估方法》。本方案的目标不是把等级刷到"集成级",而是把关键工序从"集成级"推到"优化级"——判据是参数能否由数据驱动闭环,不是系统接了几个。
标准 · 车间与工厂
GB/T 37393-2019 / 41255-2022
《数字化车间 通用技术要求》与《智能工厂 通用技术要求》。加上 GB/T 37695-2019(对象标识)、GB/T 22239-2019(等保 2.0)、GB/T 39786-2021(密码应用)——参数下发与回滚属责任证据,必须验签、留痕、可追溯。
一句实话:这份方案里出现的量化指标,全部按"行业经验参考值"处理,实际成效以试点实测为准。原因很简单——同一套方法在注塑和精密机加上差 5 倍,任何"平均提升 XX%"的说法都不成立。我们更愿意把口径交出去,让对方的工艺科自己算一遍。
06 / 运行看板

四个数,看清一条产线的闭环是不是真的闭合了

同一份数据,在"联网口径"与"闭环口径"下是两个结论——差异不在设备,在于有没有把时间算进去。下面数值为示例切片,用于说明计算口径与方法。

可收敛工序占比
22.5%
40 道抽样工序中 9 道;台账联网率 96%
归因耗时中位数
72小时
SMT 线 4 小时,注塑线 72 小时——同厂不同命
损失自动归因准确率
63%
抽查 100 条;"其他"项占 27%,说明分类还不够细
MTBI 干预间隔
2.4小时
单班无人值守要求 ≥8 小时,差得还远

归因一段,占了闭环的一半

四道工序的五段时间按占比画。橙色段是归因:19%—61%。执行(深灰)在四道工序里都只占 1%—5%——这就是"压执行几乎不改变结果"的原因。
发现 归因 决策 执行 验证 归因占比 A 注塑 118 h B SMT 10.5 h C 精密机加 196 h D 聚合 3.5 h 61% 38% 49% 29% 按占比画。执行段(深灰)在四道工序里都只占 1%—5%,几乎看不见。

六大损失,四项靠人填

可由设备信号自动判定的比例(行业经验值)。填不准的那四项,恰恰是中小批量工厂的主要损失来源。
故障停机92%
速度降低40%
质量缺陷35%
空转与短暂停机30%
启动与试模废品22%
换型与调试18%
看板里每一格都能下钻:点开"归因 72 小时",能看到是哪一次停机、哪一份工艺卡、哪一条参数变更记录算出来的。不可下钻的看板,只是装饰。另外一件事值得记住:能自动判定的比例低,不代表不能提高——多数"人填"的损失,其实有信号可以间接判定(电流波形、节拍偏差、模具温度曲线),难的是把判定规则和工艺知识对上,而不是加传感器。
07 / 场景矩阵

七个场景,按推行阻力排批次

不是因为技术难才往后放,是因为要协调的人才往后放。设备联网与损失归因只涉及数据和设备科;一旦涉及参数下发权限、工艺变更签字、跨部门交付,立刻要动到别人的责任边界。

第一批 · 只动数据
设备联网与损失自动归因
六大损失中四项由信号自动判定,人工只复核低置信度部分。
3—5 个月
第一批 · 花钱最少
OEE 真实化与瓶颈识别
先把损失结构算对,再谈瓶颈在哪。顺序反了,改善会打偏。
1—2 个月
第二批 · 需质量部
质量追溯与批次锁定
一码到底,问题批次能锁到工序、设备、班次、参数版本。
4—6 个月
排序依据
按阻力排,不按难度排
跳过前两步直接做参数闭环,失败率极高——损失结构没算对、基线没有,算法给出的参数没人敢放行。
三条硬依赖:无①不做⑤;无①⑤不评估⑥;无②定不了④
第二批 · 需生产部
换型时间压缩
把换型的两周压到一两天:标准作业顺序、外部准备、首件在线验证。
3—5 个月
第三批 · 需工艺签字
工艺参数闭环
基线、寻优、分级授权、回滚四件事一起做,缺一件都不敢放开。
6—9 个月
第三批 · 需安全评估
工业智能体与具身智能工位
按实景实训口径选点,用真实作业成功率与干预间隔验收。
4—6 个月
第四批 · 涉外部门
供应链协同
排产、库存、物流数据打通,涉及供应商与客户两端。
12 个月 +

边界:我们不做的五件事

  • 不承诺无人化与黑灯工厂——异常没穷举完,无人化就是风险
  • 不承诺替代工艺工程师,也不替代机理模型做参数寻优
  • 不承诺把所有工序都做到可收敛,27.5% 补不上会说补不上
  • 不为"验收好看"修改口径,口径一旦为汇报服务就再不可信
  • 不接"交付即撤"的项目,运维费单列、不打包进建设费
08 / 实施路径

四期,第一期不新增一台设备

先抽 30—50 道关键工序,逐道算五段耗时与 τ,输出"哪些已受控、哪些靠老师傅兜着、哪些结构性追不上"三张表。只动数据,不动设备、不接业务系统。

PHASE 01
算清闭环
6—8 周 · 不新增硬件
五段耗时逐道测算,给出可收敛占比基线与短板清单。
验收:每道工序都说得出卡在哪一段,第三方可复算
PHASE 02
把归因压下去
3—5 个月 · 数据与规则
损失自动判定、因果图归因、六维对齐、低置信度人工复核。
验收:抽查准确率 ≥80%,"其他"项 ≤10%,约 40%
PHASE 03
把参数管起来
6—9 个月 · 基线与授权
参数基线统计、分级授权、自动下发与一键回滚、变更留痕。
验收:回滚 ≤5 分钟,L2 敢放开,约 58%
PHASE 04
把智能放进去
4—6 个月起 · 单工位起步
智能体与具身智能按实景实训口径选点,逐工位验收。
验收:MTBI ≥8 小时,约 72%
关于周期的一句实话:参数基线的统计至少要跨 3—5 个换型周期,压不到 3 个月;而具身智能的工况覆盖要跨季节与班次,压不到半年。压缩了就是编数。也正因如此,第一期不新增硬件、不占采购流程,先用一张闭环测算表把问题定住,是唯一能在预算年内启动的路径。先算清追不追得上,再决定钱花在哪里。