工业互联网成熟度评估模型完整版Word格式.docx
《工业互联网成熟度评估模型完整版Word格式.docx》由会员分享，可在线阅读，更多相关《工业互联网成熟度评估模型完整版Word格式.docx（15页珍藏版）》请在冰豆网上搜索。
互联互通是指企业内部或企业内外部之间的人与人、人与机器、机器与机器、机器与产线、产线与产线、以及服务与服务等之间的网络互联和信息互通。
综合集成是指企业内部或企业内外部之间通过数据库集成、点对点集成、数据总线的集成、面向服务的集成等多种模式，实现产品设计研发、生产运营管理、生产控制执行、产品销售服务等各个环节对应系统的互集成互操作。
数据分析利用是企业基于互联互通、综合集成所汇聚的各类数据，进行数据分析和深度挖掘，对企业智能化决策与生产、网络化协同、服务化转型等提供支撑和土壤。
图1工业互联网成熟度评估三大核心要素
2、两大目标对象
本评估模型主要面向离散型和流程型制造企业，在构建评估体系时着重考虑了两者不同的行业特性。
在互联互通环节，离散行业生产现场设备中机床、机器人、传感器等占主导，而流程行业中以工艺设备、阀门、仪器仪表设备等占主导。
在综合集成环节，离散和流程行业除具备现场层、车间层、企业层纵向集成等共同特性外，离散行业对产品设计研发系统建设与集成有较高的要求，而流程行业侧重于工艺设计、能源安全管理等方面。
在数据分析利用环节，离散行业基于大数据进行新业务和新模式创新主要体现在产品远程运维、个性化定制、网络化协同等方面，流程行业则主要体现在供应链优化、能耗与安全管理优化等方面。
3、十三个关键能力和能力等级
通过对三大核心要素现阶段发展所需具备的关键能力进行深入研究，本着化繁为简、去粗取精、求同存异的原则，本模型提取了13个关键能力，其中面向离散行业的有11个，面向流程行业的有10个（如图表2所示）。
离散型制造
11个关键能力
三大核心要索
10个关键能力
流程型制造
服务化延伸
数据分析利用
网络化协同
供应链优化
能耗与安全管理优化
产生命周期优化
生产智能管理
运营智能决策
端到端集成
综合集成
纵向集成
横向集成
生产资源连接
互联互通
信息网设施
智能设备联网
图2工业互联网成熟度评估的关键能力
参照CMM理论思路（在附件2中有详细介绍），本模型对13个关键能力分别给出了相应的能力等级，等级越高，表示能力越强。
（1）互联互通要素：
智能设备联网是指生产现场的生产设备、产线和工艺装置、工业机器人、传感设备等数字化物理实体通过标准通信接口、协议转换等方式将数据上传至车间层、企业层管理系统或监控系统。
能力等级如下：
L1I
L2
L3
L4
L5
数字化设备处于孤立状态，仅有不到20%的设备实现了数据信息采集与上传
数字化设备处于联网改造的初级阶段，21%~40%的设备实现了数据信息采集与上传
数字化设备开始进入规模化联网建设或改造，41%~60%的设备实现了数据信息采集与上传
大部分数字化设备实现了联网建设或改造，较大规模实现了数据信息采集与上传
数字化设备联网建设或改造基本完成，全面实现了生产现场数据信息采集与上传
图3智能设备联网能力等级
（2）互联互通要素：
信息网络设施
信息网络设施是指企业通过全面的IT网络和OT网络（涉及现场总线、工业以太网、无线网等）建设、灵活的信息系统架构以及完善的信息安全机制建立等为制造企业构建良好的网络互通和信息互联基础设施。
L1
规划或开始建设期，尚未构建信息网络设施和信息安全机制
初级建设阶段，部分办公和生产区域实现了网络覆盖和信息交互，无安全管理机制
实现了一定规模的网络设施覆盖和信息交互，有安全管理和防范机制
大部分办公和生产区域实现了网络设施覆盖和信息系统统一架构，管理手段和灾备措施徤全
信息网络设施全面建成，信息系统云端统一部署芫成，已通过信息安全认证
图4信息网络设施能力等级
（3）互联互通要素：
生产资源连接（离散）
生产资源连接是指生产现场的人与机器、机器与机器之间通过电脑、移动交互界面、互联网、AR（增强现实）与VR（虚拟现实）技术等手段实现互连接、互感知、互操作。
人机之间、机器之间没有信息交换和通讯
人机之间利用电脑连接、机器之间有总线连接
人对机器实现了分布式监控，机器之间有工业以太网接口
利用手机和pad移动端作为人机交互界面，机器可以直接连上互联网
AR和VR技术用于生产过程人机交互，机器之间可通过网络服务互相访问
图5生产资源连接能力等级
（4）综合集成：
横向集成主要实现企业与企业之间、企业与售出产品（客户）之间的协同，将企业内部的业务信息向企业以外的供应商、经销商、用户进行延伸，实现企业与产业链上下游之间的集成。
企业与产业链上下游没有数据共享与交互协作
企业与产业链上下游数据共享与交互协作次数非常有限
基于人工拷贝、邮件等方式进行日常数据共享与交互协作
基于http调用、java远程调用或webservices等方式进行数椐共享与交互协作
基于统一的数据处理平台进行实时共享与交互协作
图6横向集成能力等级
（5）综合集成：
纵向集成
纵向集成主要解决企业内部的集成，即解决信息孤岛的问题，实现现场层、车间层、企业层等所有层次，研发、生产、销售等所有环节的信息无缝链接，包括一个环节上的集成（如研发设计内部信息集成），也包括跨环节集成（如研发和制造环节的集成）。
设备层、车间层和企业管理层之间无数据传输和共享
企业内部各层级之间数据传输和共享程度非常有限
基于人工拷贝、邮件等方式进行日常数据传输和共享
采用文件传输、共享数据库、数据接口、消息队列等方式进行自动数椐传输和共享
采用统一数据模型框架构建企业级共享服务平台
图7纵向集成能力等级
（6）综合集成：
端对端集成是指贯穿整个价值链的工程化数字集成，在所有终端（点）数字化的前提下实现企业内部、企业之间基于价值链的一种整合，目前各界对端到端集成有不同的理解，本模型中主要是指基于模型的数字化工程（MBD）和基于模型的企业（MBE）/虚拟企业构建。
离散行业能力等级如下：
尚未开展基于MBD技术的产品定义工作
以MBD为核心的产品和工艺设计工作处于试点或局部应用阶段
三维数字化模型已经贯穿于整个产品数字化制造过程中，并开始构建MBE先进制造体系
MBD模型可以在产品制造环节顺畅流通和直接重用，实现基于模型的制造（MBM）
MBD模型以及梠关数据在企业内能够照畅流通、可直接重用，支撑企业实现跨供应链的产品生命周期的MBE业务
图8端到端集成能力等级（离散）
流程行业能力等级如下：
尚未规划
开始规划，尚未建立模型库
开始尝试建立工厂、生产车间、生产单元、工作站和生产装置等多个层次的仿真模型
工厂、生产车间、生产单元、工作站和生产装置等多个层次的仿真模型基本建立完成
在虚拟企业中建立起了各层次仿真的信息交互，并能和现实场景进行实时映射
图9端到端集成能力等级（流程）
（7）数据分析利用：
运营智能决策是指通过企业数据库、模型库和知识库的建立，将行业领域专家水平的知识与经验积累固化到计算机系统中，进而充分应用人类专家的知识和解决问题的方法来帮助企业解决在运营管理中遇到的复杂的决策问题。
LI
开始规划，尚未建立决策支持模型库和知识库
建立了决策支持系统的基础关键数据库，即用于检索问题可能解决方案的模型库和知识库
建立了决策支持系统，在模型和知识管理的基础上，增加了专家系统，数据挖掘技术、知识发现技术
建立了基于Web的智能决策支持系统，充分调用企业内部、外部的数据资源，辅助决策
图10运营智能决策能力等级
（8）数据分析利用：
产品生命周期优化（离散）
产品全生命周期优化是指从客户对产品的需求开始，从产品设计到产品淘汰报废的全部生命历程中，企业通过各环节数据的采集、分析、建模、仿真、反馈等预测产品生产可行性、实时跟踪产品质量、有效进行产品功能和性能创新。
开始规划，尝试建立产品全生命周期数据库
建立了产品设计、原材料、生产、在制品和产品服务/维护数据的一体化数据库
对数据进行处理和分析，实现可溯的产品谱系，实现后端数据向前端数据的及时反馈
基于数据反馈结果在设计阶段进行产品优化，进行从设计到生产可行性的预测和优化
图11产品生命周期优化能力等级
（9）数据分析利用：
生产智能管理（流程）
生产智能管理是指在产品工艺设计、原料生产转化、生产装置运行的过程中，企业通过各环节数据的采集、分析、建模、仿真、反馈等预测加工工艺的可行性、实时监控与追溯生产过程、实现异常工况提前诊断与自愈控制。
开始规划，尝试建立供应链上下游数据库
已经采集整合了上游物料流转数椐和下游客户需求数据
对采集数据进行处理和分析，使得企业内部物料供应管理实现了有效协同
基于数据分析结果实现了生产与供应计划的无缝对接，实现了与上游企业的及时数据共享与反馈协作
图12生产智能管理能力等级
（10）数据分析利用：
供应链优化是指对供应链上游物料流转数据、供应链下游客户需求数据（包括个性化需求）进行采集和分析，并将分析结果及时反馈给供应链上游企业，实现供应链上下游数据共享和反馈协作。
已经采集整合了上游物料流转数椐和下游客户需求数据
对采集数据进行处理和分析，使得企业内部物料供应管理实现了有效协同
图13供应链优化能力等级
（11）数据分析利用：
网络化协同（离散）
网络化协同是指基于网络协同平台，将订单信息、设计任务、制造任务等分配给不同地域、不同规模的企业，将社会分散的资源、制造能力在网络平台进行集聚共享，形成网络化协同的组织模式。
开始规划，尚未实现
企业内部不同部门之间、不同工厂之间实现了本地协同设计和制造
企业内部不同部门之间、不同工厂之间实现了跨区域的网络化设计和制造
企业内部与外部企业间实现了跨区域的网络化设计和制造
图14网络化协同能力等级
（12）数据分析利用：
能耗与安全管理优化（流程）
能耗与安全管理优化是指通过现场各种仪器仪表、传感器等采集和上传能耗数据、环境数据等，然后基于大量实时和历史数据的分析优化能耗效率、降低安全生产事故概率。
开始规划，采集了少量能耗数据、环境数据
能够通过现场各种检测仪表或传感器，采集绝大部分能耗数据、环境数据
基于统一平台整合了实时和历史数据，对数据进行处理和分析
基于数据挖掘反馈结果优化能耗和安全管理
图15能耗与安全管理优化能力等级
（13）数据分析利用：
服务化延伸主要指通过自建或利用第三方统一云平台，整合企业设备、产线、生产、经营、产品以及企业内外部价值链上各类数据，并基于大数据建模分析提供数据增值服务，如产品远程运维等，且正在形成或已经按照一定的商业模式来经营。
对企业内部数据构建了统一的工业数据平台，并基于数据分析挖掘提供新型工业应用服务
对企业内部和外部数据构建了统一的工业数据平台，并基于数据分析挖掘提供新型工业应用服务
已形成商业模式，且开始产生收益
图16服务化延伸能力等级
（二）评估模型的指标体系
1、具体指标
坚持易评估可量化的构建原则。
为便于工业互联网成熟度评估体系的快速应用推广，在选择评估指标时既要避免指标信息遗漏，又不能过于繁琐，需要从广度和深度两方面进行平衡。
工业互联网成熟度模型采用三层指标评估体系，3大核心要素、13个核心能力分别作为一级指标、二级指标。
三级指标充分考虑了评估的简单易行，力求突出重点，从近百个评估指标中分别选取了28个和23个，形成了离散行业和流程行业的评估指标体系。
离散行业包括3个一级指标、11个二级指标、28个三级指标（如图表17所示）：
图17离散行业工业互联网成熟度评估指标体系
流程行业包括3个一级指标、10个二级指标、23个三级指标（如图表18所示）：
图18流程行业工业互联网成熟度评估指标体系
在互联互通要素中，主要评估机床设备、工艺装置、工业机器人、传感设备、智能产线等生产要素的联网能力及网络、信息和安全基础设施建设水平。
在综合集成要素中，主要评估企业从现场层、车间层到企业层的纵向集成能力，企业和供应链上下游协同的横向集成水平，以及基于产品全生命周期、工艺和产线等模型的MBE构建的端到端集成能力。
在数据分析利用要素中，主要评估企业的数据库、知识库建设情况，以及企业基于数据建模、分析和挖掘是否形成了自反馈、自优化、自决策的机制，是否衍生出了创新的业务模式。
2、权重设置
权重设置将直接影响企业的评估结果，在整套评估体系中至关重要。
本模型主要结合专家法、问卷调查法和试评估结果反向调整法（如图表19所示），确定了一级和二级指标的权重。
首先，在评估指标体系制定初期，在联盟内部和全社会广泛征集业界专家和企业意见；
然后，在线上试评估过程中，设置开放题，邀请应答企业选择其认为最重要的5个指标并进行排序。
最后，结合收集上来的问卷结果对权重进行调整，主要是为了避免出现少数指标分值很高而决定整体评估结果的情况。
专家意见征集
确定一级指标、二级指标、三级指标权重值
在线评估问卷调査
评估结果反向调整
图19权重设置的思路和修正方法
根据专家和企业意见的反馈统计，各三级指标重要性被排在前5名的次数相当。
说明整体而言，各三级指标的重要性并无明显差异，即权重配置基本相同，因此本模型对各二级指标下三级指标的权重采取了均值处理。
经过三轮修正，确定一级指标和二级指标的权重值如下：
一级指标
权重
二级指标
离散型企业
流程型企业
0.35
0.32
0.40
0.48
0.60
0.20
0.33
0.28
0.50
0.24
0.18
产品生命周期优化
0.30
0.25
0.15
能粍与安全管理优化
0.16
0.10
图20二级指标和三级指标的权重设置
三、工业互联网成熟度评估模型的应用和试评估
（一）应用方法
1、指标量化采集
依照评估指标体系，本模型设置了对应的评估问卷，问卷题目包括定量和定性两种，定量指标可以直接采集数值对应不同分值，定性指标通过对不同发展程度给出阶段性描述，然后根据企业具体实践情况对应不同分值。
定量题均设置5个层级，定性题设置3-5个层级，设置方法主要依据上文中关键能力的能力等级。
每个层级对应一定的分值，以下各举一例（如图表21所示）。
三级指标
指标量化采集
打分原则
生产设备联网率
（定量指标）
1.0-20%
20分
2.21%-40%
40分
3.41%-60%
60分
4.61%-80%
80分
5.81%-100%
100分
协同设计
（定性指标）
1.来实现
0分
2企业或集团内不同部门在产品设计阶段实现了本地协同
3企业或集团内在产品设计阶段基于统一的研发资源集成共享平台实现了跨区域协同
70分
4.企业或集成内部与外部企业之间基于统一的研发资源集成共享平台实现了跨区域访同
图21定量指标和定性指标的量化采集及打分原则
2、实时结果计算
各选项均对应100分内的不同分值，而且是分值越高越好，因此不需要对指标进行无量纲化处理，可直接应用如下公式中的加权平均模型来计算具体的评价得分情况。
3、对应星级评定
评估问卷中每道题的选项设置均依照梯次递进的思路，一定程度上反映了企业工业互联网建设的过程。
该模型可以对一级指标和二级指标中的单项能力进行评估，也可以对总体能力进行评估，最终评估结果采取星级制。
一级指标和二级指标的单项能力评估分值和星级对应原则如下：
1星
2星
3星
4星
5星
一级/二级指标能力
0-20分
21*40分
41-60分
61-80分
81-100分
图22单项能力评估分值和星级对应原则
总体能力评估分值和星级对应时不仅要求总体分值达标，也对单项能力分值设置了门槛，避免了单项能力过于薄弱而总分达标的企业获取较高星级的情况，如果总体分值达标，但某一单项能力分值未达标，则做降级处理，如A企业总体分值达到了3星，但其中一个单项能力低于35分，则只能评定2星。
对应原则如下：
综
总体分值
21~40分
合
互联互通能力分值
>
10分
30分
50分
能
综合集成能力分值
力
数据分析利用能力分值
图23总体能力评估分值和星级对应原则
（二）试评估结果分析
为了保证该评估模型的适用性和科学性，联盟上线了在线评估调查问卷简版，并邀请联盟成员结合自身实际情况进行问卷填写，并反馈对问卷的意见和建议。
历时2周，联盟共收到了有效问卷22份，其中包括离散型制造企业12个，流程型制造企业10个，虽然样本数量有限，但也一定程度上代表了当前工业互联网的建设水平和发展特点，能够为企业、研究机构、政府部门等提供一定的参考。
1、工业互联网成熟度总体能力水平
基于本成熟度评估模型，22份有效样本中，1星企业1家，2星企业5家，3星企业9家，4星企业6家，5星企业1家，其中有4家企业因单项能力弱被降级（如图表24所示）。
图24工业互联网成熟度总体能力试评估结果
以上评估结果显示现阶段我国工业互联网成熟度水平呈现如下特点：
图25工业互联网成熟度总体能力星级分布
4.5%的企业工业互联网建设尚未启动，设备和系统孤岛问题明显，数据采集工作尚未起步，数据价值意识薄弱。
22.7%的企业工业互联网建设刚刚开始，互联互通基础设施具备一定基础，系统集成工作覆盖部分环节，数据采集和分析尚处于探索阶段。
40.9%的企业工业互联网建设逐步推进，互联互通能力不断提升，纵向集成基本完成，端到
升级会员 