工信部《智能制造典型场景参考指引（2025 年版）》

工信部《智能制造典型场景参考指引（2025年版）》前言为深入贯彻落实《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》《“十四五”智能制造发展规划》《国家智能制造标准体系建设指南（2024版）》等相关政策文件要求，破解当前制造业企业智能制造转型中存在的场景选择盲目、落地路径不清晰、技术应用不深入、成效不明显等突出问题，引导企业精准对接智能制造技术与生产经营实际需求，推动智能制造高质量发展，加速制造业数字化、智能化、绿色化转型，工业和信息化部组织编制本指引。本指引立足我国制造业发展实际，兼顾离散制造、流程制造、混合制造等各类业态，覆盖制造业研发设计、生产制造、仓储物流、质量管控、设备运维、经营管理、售后服务、供应链协同等全业务流程，梳理提炼了一批技术成熟、成效显著、可复制可推广的智能制造典型场景，明确了各场景的核心内涵、应用目标、实施要点和注意事项，具有较强的实用性、针对性和指导性。本指引适用于各类制造业企业开展智能制造场景落地、技术改造和模式创新，也适用于为智能制造提供技术服务、系统集成、设备供应的相关机构，以及行业主管部门开展指导、监督和推广工作。本指引自发布之日起施行，原有相关场景参考要求与本指引不一致的，以本指引为准。本指引将根据新一代信息技术和制造业融合发展的新趋势、新需求，适时修订完善。本指引由工业和信息化部负责解释。1范围本指引明确了智能制造典型场景的分类、核心内涵、应用目标、实施要点和注意事项，覆盖制造业全业务流程、各类业态和不同规模企业。本指引适用于制造业企业智能制造场景的规划、选型、实施、运维和优化，为企业提供场景落地的参考路径；适用于智能制造相关服务机构开展技术支撑、系统集成等工作，为服务供给提供方向指引；适用于行业主管部门、行业协会开展智能制造推广、培训和监督指导工作，为政策落地和行业管理提供依据。2规范性引用文件下列文件中的内容通过文中的规范性引用而构成本指引必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本指引；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本指引。GB/T22239信息安全技术网络安全等级保护基本要求GB/T33007数字化车间通用技术要求GB/T38129-2019智能工厂安全控制要求GB/T41255-2022智能工厂通用技术要求GB/T43553.1-2023智能工厂数字化交付第1部分：通用要求GB/T46933.1-2025智能工厂安全一体化第1部分：一般要求GB/T40693-2021智能制造工业云服务数据管理通用要求《“十四五”智能制造发展规划》（工信部联规〔2021〕185号）《国家智能制造标准体系建设指南（2024版）》（工信部联科〔2024〕XXX号）《工业互联网创新发展行动计划（2024-2026年）》3术语和定义下列术语和定义适用于本指引。3.1智能制造：依托新一代信息技术（物联网、大数据、云计算、人工智能、工业互联网、数字孪生等），深度融合制造业生产要素、业务流程和管理模式，实现生产过程自动化、智能化、协同化，数据驱动决策优化，绿色低碳高效运行的新型生产方式。3.2智能制造典型场景：在制造业全业务流程中，能够体现智能制造核心特征，技术应用成熟、落地成效显著、具有复制推广价值，聚焦解决特定业务痛点的具体应用场景。3.3数字孪生：通过数字化手段构建物理实体（车间、生产线、设备等）的虚拟镜像，实现虚拟与物理的实时映射、仿真模拟、协同优化，支撑全生命周期管理的技术应用模式。3.4工业互联网平台：面向制造业数字化、网络化、智能化需求，构建的集数据采集、存储、分析、应用于一体的平台，实现生产要素互联互通、业务协同和数据价值释放。3.5智能装备：具备数据采集、互联互通、自主决策、自动执行能力的各类生产设备、检测设备和物流设备，包括智能机器人、智能机床、自动化产线、在线检测设备等。3.6数据驱动：以数据为核心生产要素，通过全流程数据采集、治理、分析和应用，推动业务流程优化、生产调度升级和经营决策智能化的发展模式。4总则4.1编制依据本指引依据国家相关法律法规、产业政策和国家标准、行业标准，结合我国智能制造发展实践，聚焦场景落地和成效提升，总结提炼各类企业智能制造应用的成功经验，兼顾技术前瞻性和实践可行性，为企业智能制造转型提供清晰指引。4.2编制原则4.2.1需求导向，务实高效：立足企业生产经营实际，聚焦核心业务痛点，优先选择能够解决实际问题、提升经营效益、技术成熟可行的场景，避免形式化、同质化建设，确保场景落地成效可量化、可检验。4.2.2分类施策，覆盖全面：兼顾离散制造、流程制造、混合制造等各类业态，涵盖大型企业、中小企业不同规模，针对不同行业、不同环节的特点，梳理差异化典型场景，满足各类企业的转型需求。4.2.3技术引领，迭代更新：紧跟新一代信息技术和制造业融合发展趋势，融入AI大模型、5G-A、边缘计算、数字孪生等新技术应用，结合行业发展实践，持续优化场景内容，体现2025年智能制造发展水平。4.2.4可复制可推广：选取技术成熟、实施成本可控、成效显著的场景，明确实施路径和注意事项，确保不同行业、不同规模企业能够借鉴参考，推动智能制造技术规模化应用。4.2.5安全可控，绿色低碳：将安全保障贯穿场景实施全过程，兼顾网络安全、数据安全、设备安全和生产安全；结合“双碳”目标要求，推动绿色制造与智能制造深度融合，实现节能降耗、减排环保。4.3适用对象本指引适用于各类制造业企业，包括机械制造、电子制造、汽车零部件制造、化工、冶金、建材、食品加工等行业，涵盖大型企业、中小企业；适用于为智能制造提供系统集成、技术服务、智能装备供应、工业软件服务的相关机构；适用于工业和信息化主管部门、行业协会等开展智能制造推广、指导和监督管理工作。5智能制造典型场景分类及参考要求本指引结合制造业全业务流程，梳理提炼出10类智能制造典型场景，涵盖研发设计、生产制造、仓储物流、质量管控、设备运维、经营管理、售后服务、供应链协同、绿色制造、数字孪生应用，各场景具体参考要求如下：5.1智能研发设计场景5.1.1核心内涵：依托数字化研发工具和平台，整合研发数据资源，应用AI辅助设计、创成式设计、仿真模拟等技术，实现研发设计的协同化、标准化、智能化，缩短研发周期、提升研发质量、降低研发成本。5.1.2应用目标：实现研发设计与生产制造的数字化衔接，减少设计与生产脱节问题；研发周期较传统模式缩短20%以上，研发成本降低15%以上，新产品研发成功率提升10%以上；实现研发成果的数字化存储和共享，提升研发资源复用率。5.1.3实施要点：部署PLM产品生命周期管理系统，构建云端协同研发平台，实现跨部门、跨地域研发团队的协同工作；建立研发设计数据库，整合产品图纸、工艺参数、研发经验等数据，实现标准化管理；应用AI辅助设计技术，基于历史数据推荐最优设计方案，开展创成式设计探索，提升产品创新能力；采用仿真模拟技术，构建数字样机，开展性能测试和工艺验证，减少物理样机制作数量；实现研发设计数据与生产工艺数据的贯通，确保设计方案能够快速转化为生产指令。5.1.4注意事项：注重研发数据的安全管理，建立数据分级分类保护机制，防范核心技术数据泄露；结合企业产品特点和研发需求，选择适配的研发工具和技术，避免盲目追求高端技术；加强研发人员数字化技能培训，提升AI设计、仿真模拟等技术的应用能力。5.2智能生产制造场景5.2.1核心内涵：以生产过程智能化为核心，依托MES生产过程执行系统、智能装备和工业互联网平台，实现生产计划智能排产、生产过程实时监控、生产异常快速处置、生产流程优化，推动生产方式从“人工驱动”向“数据驱动”转型。5.2.2应用目标：生产计划兑现率达到90%以上，生产效率较传统模式提升15%以上，生产现场人工成本降低20%以上；实现生产过程无纸化、可视化管理，生产异常处置响应时间缩短50%以上；离散制造业实现多品种、小批量混线生产，流程制造业实现工艺参数自动调控，提升生产稳定性。5.2.3实施要点：部署MES生产过程执行系统，整合ERP企业资源计划系统数据，实现生产计划的智能排产、生产进度的动态跟踪和生产数据的实时采集；对核心生产设备进行数字化改造，加装传感器、智能网关，实现设备运行数据实时上传，核心生产设备联网率达到95%以上；推广应用智能机器人、智能机床、自动化产线等智能装备，替代人工重复性劳动，提升生产自动化水平；推行生产过程无纸化管理，实现工艺文件、生产指令、检测报告的电子化传递和追溯；应用AI技术对生产过程数据进行分析，实现生产异常的智能预警和快速处置；离散制造业构建柔性自动化产线，优化生产调度流程，实现多品种、小批量混线生产；流程制造业部署工艺参数实时监控系统，实现参数自动调整，确保生产过程稳定性和一致性。5.2.4注意事项：注重生产数据的实时性和准确性，建立数据采集校验机制，避免数据失真影响决策；根据企业生产规模和业态特点，合理配置智能装备和系统，避免过度投入；加强生产人员和运维人员的技能培训，确保智能装备和系统的正常运行；建立生产过程安全管控机制，防范自动化生产带来的安全风险。5.3智能仓储物流场景5.3.1核心内涵：依托WMS智能仓储系统、AGV自动导引车、智能分拣设备等，结合物联网技术，实现原材料、半成品、成品的自动化入库、出库、存储、分拣和配送，构建“仓储-物流-生产”协同联动的智能仓储物流体系。5.3.2应用目标：仓储作业效率较传统模式提升30%以上，库存周转率提升20%以上，仓储人工成本降低25%以上；实现物料的精准追溯和动态监控，库存盘点误差率控制在1%以内；实现仓储物流与生产制造、采购销售的协同匹配，减少物料积压和浪费。5.3.3实施要点：部署WMS智能仓储系统，实现仓库仓位的智能化管理、物料的精准定位和库存的动态监控；引入AGV自动导引车、智能分拣机、智能货架等设备，实现物料的自动化入库、出库和分拣；建立智能物流调度系统，整合仓储、运输、配送等物流资源，实现物流流程的实时监控和优化调度；对接生产制造系统和采购系统，实现物料需求与仓储供应的协同联动，确保物料及时精准配送至生产现场；构建物料数字化追溯体系，实现从原材料采购到产品交付的全流程物料追溯，确保物料质量安全；应用物联网技术，对运输车辆、物料状态进行实时监控，提升物流配送效率和安全性。5.3.4注意事项：结合企业仓储规模、物料特性，合理规划仓储布局和设备配置，避免设备闲置；建立仓储物流设备常态化运维机制，确保设备稳定运行；加强物流数据安全管理，防范物流信息泄露；注重仓储物流系统与其他业务系统的集成，打破信息孤岛，实现协同联动。5.4智能质量管控场景5.4.1核心内涵：构建全流程质量管控体系，依托在线检测设备、AI视觉检测系统和质量数据分析平台，实现生产全过程的实时质量检测、质量异常预警、质量缺陷追溯和质量流程优化，提升产品质量稳定性。5.4.2应用目标：产品不良率较传统模式下降10%以上，质量检测效率提升40%以上，质量问题追溯时间缩短60%以上；实现质量缺陷的早发现、早处置，减少不良品损失；建立完善的质量追溯体系，确保质量问题可追溯、可整改。5.4.3实施要点：部署在线检测设备、AI视觉检测系统等，实现生产过程的实时质量检测，涵盖原材料入厂检测、生产过程检测、成品出厂检测等全环节；建立质量数据分析平台，整合各类质量数据，应用AI技术进行深度挖掘，分析质量缺陷产生的原因，优化生产工艺；建立质量预警机制，针对质量异常数据及时发出预警，明确处置责任和流程，避免质量问题扩大化；实现质量数据的数字化追溯，从原材料采购、生产制造到产品交付，全程记录质量信息，确保质量问题可追溯、可整改；定期开展质量审核和质量改进活动，持续提升产品质量水平；对接生产制造系统，实现质量问题与生产流程的联动优化，从源头减少质量缺陷。5.4.4注意事项：选择适配企业产品特点的检测设备和技术，确保检测精度和效率；加强质量数据的标准化管理，确保不同环节质量数据的互通共享；注重检测人员和质量管理人员的技能培训，提升质量管控的智能化水平；建立质量责任追溯机制，明确各环节质量责任，确保质量管控落到实处。5.5智能设备运维场景5.5.1核心内涵：依托物联网、大数据、AI等技术，对生产设备、智能装备、工业控制系统等进行实时监控、故障预警、预测性维护，构建全生命周期设备运维体系，提升设备运行稳定性和使用寿命，减少设备停机时间。5.5.2应用目标：设备故障率较传统模式下降20%以上，设备停机时间减少30%以上，设备维护成本降低15%以上；实现设备故障的提前预警和快速处置，设备平均无故障运行时间延长25%以上；建立完善的设备全生命周期管理体系，提升设备运维效率。5.5.3实施要点：对设备进行数字化改造，加装传感器和智能网关，实现设备运行数据（转速、温度、能耗、振动等）的实时采集和上传；搭建设备运维管理平台，整合设备运行数据、维护记录、故障信息等，建立设备运维数据库；应用AI算法构建设备故障预测模型，基于设备运行数据预测故障隐患，发出维护预警；建立预测性维护机制，根据设备运行状态和预警信息，制定个性化维护计划，替代传统的定期维护模式；实现设备运维工单的数字化管理，明确维护责任、维护流程和维护时限，提升运维效率；建立设备全生命周期管理体系，涵盖设备采购、安装、调试、运行、维护、报废等全环节，实现设备运维的标准化、规范化；对接生产制造系统，实现设备运维与生产调度的协同，避免设备维护影响生产进度。5.5.4注意事项：注重设备数据的采集精度和实时性，确保故障预测的准确性；根据设备类型和运行特点，优化故障预测模型，提升预警精度；加强设备运维人员的技能培训，提升智能化运维能力；建立设备备件智能化管理体系，确保备件及时供应，缩短故障处置时间。5.6智能经营管理场景5.6.1核心内涵：依托ERP企业资源计划系统、BI商业智能系统等，构建统一的数字化经营管理平台，整合财务、人力、采购、销售、供应链等各类经营管理数据，实现经营决策的智能化、管理流程的自动化，提升企业经营管理效率和决策水平。5.6.2应用目标：管理流程自动化率达到80%以上，管理成本较传统模式下降10%以上；实现经营指标的实时监控和智能分析，决策响应时间缩短50%以上；集团型企业实现跨层级、跨企业的协同管理，提升集团整体运营效率。5.6.3实施要点：部署ERP企业资源计划系统，整合财务、人力、采购、销售、库存等经营管理数据，实现经营管理的数字化、规范化；搭建BI商业智能平台，构建经营分析模型，实时呈现产值、利润、能耗、产能等核心经营指标，为经营决策提供数据支撑；优化企业管理流程，实现审批流程、报销流程、采购流程等的自动化，减少人工干预；建立人力资源数字化管理体系，实现员工招聘、培训、绩效、薪酬等的智能化管理，提升人力资源管理效率；集团型企业建设统一的数字化经营管理平台，实现跨层级、跨企业的数据共享和协同管理，优化资源配置；应用AI技术对经营数据进行深度分析，预测市场趋势、经营风险，为企业战略决策提供支撑。5.6.4注意事项：注重经营数据的整合和标准化，确保不同部门、不同业务的数据互通共享；结合企业经营规模和管理需求，优化经营管理系统功能，避免功能冗余；加强经营数据安全管理，防范财务数据、客户信息等敏感数据泄露；加强管理人员数字化技能培训，提升智能化管理和决策能力。5.7智能售后服务场景5.7.1核心内涵：依托物联网、大数据、AI等技术，构建全渠道售后服务体系，实现售后服务工单管理、远程维修、故障预警、客户反馈分析等智能化，提升售后服务效率和客户满意度，拓展服务增值空间。5.7.2应用目标：售后服务响应时间不超过2小时，客户满意度达到90%以上，售后服务成本降低15%以上；实现产品故障的远程诊断和维修，维修效率提升30%以上；建立完善的客户反馈分析机制，推动产品和服务优化升级。5.7.3实施要点：部署售后服务数字化管理平台，整合线上线下服务资源，实现售后服务工单的数字化受理、分派、跟踪和闭环管理；应用物联网技术，实现产品远程监控，实时掌握产品运行状态，提供主动式售后服务，如故障预警、远程调试、远程维修等；建立客户服务大数据分析平台，整合客户反馈、维修记录等数据，分析客户需求和产品存在的问题，优化产品设计和售后服务流程；构建全渠道售后服务体系，整合电话、线上平台、线下服务网点等渠道，为客户提供便捷、高效的服务；探索“产品即服务”（PaaS）模式，从卖设备转向卖“使用效果”，提供定制化、个性化的售后服务，拓展服务增值空间；建立售后服务人员管理和培训体系，提升售后服务人员的专业技能和服务水平。5.7.4注意事项：注重客户数据和产品运行数据的安全管理，保护客户隐私和核心技术信息；结合产品特点和客户需求，优化售后服务模式，提升服务针对性；加强售后服务平台与产品监控系统、研发系统的集成，实现服务数据与产品数据、研发数据的贯通；建立售后服务评价机制，持续提升售后服务质量。5.8智能供应链协同场景5.8.1核心内涵：依托工业互联网平台，构建上下游企业协同联动的智能供应链体系，实现需求预测、采购管理、生产协同、物流配送、库存管理等全环节的智能化协同，提升供应链效率、降低供应链成本、防范供应链风险。5.8.2应用目标：供应链响应时间缩短30%以上，供应链成本降低15%以上，库存积压减少20%以上；实现上下游企业数据共享和协同联动，提升供应链灵活性和抗风险能力；需求预测准确率达到85%以上，减少供需脱节问题。5.8.3实施要点：搭建供应链协同平台，对接上下游企业、物流企业、金融机构等，实现数据共享和业务协同；应用AI技术构建需求预测模型，基于市场数据、客户订单数据等，精准预测市场需求，指导生产和采购计划；实现采购管理智能化，自动匹配供应商、生成采购订单、跟踪采购进度，优化供应商管理，提升采购效率和采购质量；建立生产协同机制，与上下游企业共享生产计划、生产进度等数据，实现生产环节的协同联动，避免产能浪费和供需脱节；整合物流资源，实现物流配送的智能化调度和实时监控，提升物流配送效率；建立供应链风险预警机制，实时监控供应链各环节的风险点，及时发出预警并制定应对措施，防范供应链中断风险；应用区块链技术，实现供应链数据的不可篡改和可追溯，提升供应链透明度和可信度。5.8.4注意事项：注重供应链数据的安全和隐私保护，建立数据共享协议，明确数据共享范围和权限；加强与上下游企业的协同配合，推动供应链各环节的标准化和规范化；结合行业特点和供应链需求，优化供应链协同平台功能，提升协同效率；建立供应链应急处置机制，应对突发情况，保障供应链稳定运行。5.9绿色智能制造场景5.9.1核心内涵：结合“双碳”目标要求，将绿色制造理念与智能制造技术深度融合，通过智能化手段优化生产流程、提升能源利用效率、减少污染物排放，实现生产过程的绿色化、低碳化、环保化。5.9.2应用目标：单位产品能耗较传统模式下降10%以上，污染物排放达标率100%，废弃物回收利用率提升20%以上；实现能源消耗、污染物排放的实时监控和智能优化，推动企业绿色低碳转型。5.9.3实施要点：部署能源管理数字化系统，实时采集生产过程中的能源消耗数据，应用AI技术进行能源分析和优化调度，提升能源利用效率；推广应用节能型智能装备和工艺，替代高能耗、高污染的设备和工艺；构建污染物排放实时监控系统，对生产过程中的废气、废水、废渣等污染物进行实时监测，确保排放达标，实现污染物的智能化治理；建立废弃物回收利用智能化体系，实现废弃物的分类、回收、再利用的智能化管理，提升回收利用率；应用数字孪生技术，构建生产过程绿色仿真模型，优化生产流程，减少能源消耗和污染物排放；对接绿色制造相关平台，实现绿色数据的上报和共享，推动企业绿色信用评价。5.9.4注意事项：结合企业生产特点和环保要求，制定个性化的绿色智能制造方案；注重节能技术与智能制造技术的融合应用，提升绿色转型成效；加强环保数据的实时监控和管理，确保数据真实准确；建立绿色智能制造考核机制，推动绿色转型各项措施落到实处。5.10数字孪生应用场景5.10.1核心内涵：构建车间、生产线、设备、产品等物理实体的虚拟镜像，实现虚拟与物理的实时映射、仿真模拟、协同优化，支撑生产调度、工艺优化、设备运维、产品研发等全环节的智能化升级。5.10.2应用目标：生产调度优化效率提升25%以上，工艺优化周期缩短30%以上，设备故障处置时间减少40%以上；实现生产过程的可视化、可追溯、可优化，提升生产智能化水平；产品研发周期缩短20%以上，研发成本降低15%以上。5.10.3实施要点：构建物理实体的数字化模型，涵盖车间布局、生产线配置、设备参数、产品结构等全要素，实现虚拟镜像与物理实体的精准映射；部署数字孪生平台，实现虚拟与物理数据的实时同步，同步率达到95%以上；应用数字孪生技术开展生产调度仿真，优化生产计划和调度方案，提前发现生产瓶颈，减少生产冲突；开展工艺仿真模拟，优化生产工艺参数，提升生产效率和产品质量；实现设备虚拟运维，通过虚拟镜像模拟设备运行状态，开展故障诊断和维护演练，提升设备运维效率；在产品研发阶段，构建产品数字孪生模型，开展性能测试和仿真验证，减少物理样机制作数量；实现数字孪生平台与其他业务系统的集成，推动数据共享和协同优化。5.10.4注意事项：注重数字化模型的精准性和完整性，确保虚拟镜像能够真实反映物理实体的运行状态；结合企业实际需求，分阶段推进数字孪生应用，避免盲目投入；加强数字孪生技术人才培养，提升技术应用能力；建立数字孪生模型的常态化更新机制，确保模型与物理实体同步优化。6场景实施保障要求为确保智能制造典型场景顺利落地、取得实效，企业应从组织架构、人才队伍、技术支撑、资金投入、安全保障等方面建立完善的实施保障体系，具体要求如下：6.1组织架构保障成立智能制造场景实施专项工作组，明确企业高层为第一责任人，统筹协调各部门、各环节的工作，明确各部门的职责和分工，避免碎片化建设；根据场景实施需求，调整企业组织架构，增设数字化管理、数据治理、智能运维等岗位，确保场景实施有专人负责、有专人推进；建立跨部门协同工作机制，加强研发、生产、仓储、质量、管理等部门的协同配合，推动场景落地实施。6.2人才队伍保障构建“引进+培养+激励”的数字化人才队伍建设体系，培育兼具制造业专业知识和数字化技术能力的复合型人才；加强企业内部员工培训，针对智能制造技术、场景应用、系统操作等内容，开展分层分类培训，提升员工数字化素养和操作技能；制定优惠政策，引进国内外高端数字化技术人才和管理人才，充实数字化人才队伍；建立人才激励机制，完善薪酬福利体系，将数字化工作业绩与薪酬、晋升挂钩，激发员工积极性和创新活力。6.3技术支撑保障选择技术成熟、实力雄厚的系统集成商、设备供应商和软件服务商，为场景实施提供技术支撑；建立技术创新机制，跟踪新一代信息技术和智能制造发展趋势，持续推动技术升级和场景优化；加强与科研院校、行业协会的合作，开展技术研发和成果转化，提升场景实施的技术水平；建立技术运维体系，配备专业的技术运维人员，定期对系统、设备进行维护、升级和优化，确保场景稳定运行。6.4资金投入保障合理安排智能制造场景实施资金，明确资金投入计划和使用方案，确保资金足额到位、规范使用；积极争取国家和地方政府的智能制造相关扶持政策和资金支持，降低企业投入成本；建立资金使用监督机制，加强对资金使用情况的跟踪和审计，确保资金使用高效、合规；根据场景实施效果，优化资金投入结构，优先投入成效显著的场景，提高资金回报率。6.5安全保障遵循GB/T46933.1-2025、GB/T22239等相关标准，构建“技术防护+管理规范+人员能力”三位一体的安全保障体系，覆盖网络安全、数据安全、设备安全和生产安全；部署防火墙、入侵检测系统、数据加密等安全技术和设备，防范网络攻击、数据泄露、设备入侵等风险；建立安全管理制度，规范安全管理流程，明确安全管理责任；加强员工安全培训，提升员工安全素养和操作技能，定期开展安全应急演练，确保场景实施过程安全可控。7场景实施流程与评价7.1实施流程7.1.1现状诊断：企业结合自身发展战略、生产经营实际和行业特点，开展智能制造现状诊断，梳理业务痛点、现有基础和转型需求，明确场景选择的优先级。7.1.2场景选型：参考本指引中的典型场景，结合企业现状和需求，选