我叫顾砚川，做制造业数字化诊断这些年，企业问得最多的一类问题，不是“要不要做智能工厂”，而是“我们现在到底处在哪一档”。这件事如果只靠老板感觉、设备新旧或上了几套系统来判断，误差会很大。智能制造能力成熟度的价值，恰恰在于把“看起来挺智能”变成“可以被评价、被比较、被改进”的一套语言。对准备申报项目、申请政策、做年度改造计划的企业来说，它不是概念题，而是一道管理题。
很多工厂卡住，不是因为不会买设备，而是评估逻辑错了。成熟度看的是体系，不是单点。
车间里多几台机器人、MES上线了、仓库用了AGV，这些都可能是进步，但未必等于成熟度已经高。成熟度评价更关心三件事：
- 业务目标有没有被数字化支撑
- 生产、质量、设备、供应链数据有没有真正连起来
- 管理动作能不能稳定复制，而不是靠几个人盯着跑
我在现场看过一种很典型的情况：设备联网率不低，屏幕也不少，参观路线很好看，但计划排产仍靠人工表格，工艺变更不能闭环同步，设备点检和质量追溯是两张皮。这种企业往往“局部很亮、整体不顺”。从外观上看像升级了，从成熟度上看还在爬坡。
截至2026年，企业做评估时通常仍会参考国家层面的智能制造能力成熟度模型与评估方法相关标准，并结合地方工信部门、园区、行业协会的具体申报要求执行。这里有两个权威来源值得直接看原文：
- 工业和信息化部官网及相关通知
来源：中华人民共和国工业和信息化部
- 国家标准信息公共服务平台中与智能制造成熟度相关标准文本与信息来源：国家市场监督管理总局、国家标准化管理委员会
这意味着，评估不是“你觉得有就有”，而是要能对照标准说明：你有哪些流程、哪些数据、哪些机制、哪些结果。
我给企业做预诊断时，通常不会急着问买了什么系统，而是先看四个面。它们比“上没上平台”更能判断企业的位置。
1.设备层：连通只是起点，不是终点
设备采集是基础，但成熟度不只看采没采数据，还看数据是不是可用、连续、可信。
如果一台设备只能采集开关机状态，不能反映关键工艺参数；如果不同产线采集口径不一致；如果停机原因全靠班组长手填，那就很难支撑后续优化。企业常见误区是把“接入数”当成绩，把“数据治理”当小事。后者才决定系统能不能真的帮管理。
2.业务层：有没有形成闭环
我特别看重闭环。计划下发后，现场执行是否实时反馈；质量异常出现后，能不能追到工单、批次、设备参数和人员操作；设备维护后，故障率有没有回流到工艺与保养策略。闭环做不起来，信息化只是电子化搬运。
不少企业花钱做了系统，却把系统做成了“记录工具”，没有变成“决策工具”。这就是成熟度上不去的关键原因。
3.组织层：是不是离开某个人就转不动
真正成熟的工厂，经验会沉淀成规则、参数、模板和流程，不会只存在老师傅脑子里，也不会只靠信息部推动。要是跨部门一开会，生产、质量、设备、IT各说各话，这说明组织还没形成统一的智能制造语言。
成熟度的进阶，常常不是技术瓶颈，而是组织协同瓶颈。
4.经营层：项目有没有回到成本、交期、质量
如果智能化投入之后，企业讲不清楚交付稳定性有没有提升、质量损失有没有下降、库存周转有没有改善，那这个项目大概率还停在“建设完成”，没有进入“经营见效”。
工信系统近年持续强调数字化转型要面向场景、面向效益、面向产业链协同，这一点到2026年仍是主线。来源：工业和信息化部官网公开政策与解读
我建议把评估拆成三个动作。这样做，比直接找模板打分更可靠。
不用画得很华丽，一张纸就够。把从销售订单、计划排产、工艺准备、生产执行、质量检验、设备维护、仓储发运到售后追溯的主要流程列出来，再标出每个节点的数据来自哪里、谁录入、谁使用、有没有自动流转。
这张图一出来，问题通常会自己冒出来：
- 数据断点在哪里
- 手工补录最多的是哪一段
- 哪些系统重复录入
- 哪些关键数据没人真正用
我见过很多企业在这里突然意识到，自己不是缺系统，而是缺一条贯通链。
按部门评估，容易变成各自汇报。按场景评估，才能看到真实协同水平。比较典型的场景包括：
- 订单到排产
- 计划到执行
- 异常停机到恢复
- 质量问题到追溯
- 工艺变更到现场同步
- 能耗监测到节能优化
一个场景如果能做到规则明确、数据在线、过程可视、结果可追，那它的成熟度通常不会低。反过来，单个部门再强，只要跨部门断开，整体成熟度就上不去。
成熟度评估最怕空口描述。我会要求企业把每一项能力对应到证据：
- 制度文件
- 系统截图
- 数据报表
- 工艺记录
- 设备台账
- 追溯链条
- 异常闭环记录
- 改善结果对比
这样做有两个好处。一个是方便正式评估、申报和对外沟通；另一个更重要，它会逼着企业区分“有动作”和“成体系”之间的差别。
很多企业一听到成熟度提升，就准备全面换系统、全面上平台。我的判断一向比较保守：能用半年到一年解决的关键断点，不要设计成三年的宏大工程。制造业现场节奏快，项目一长，人员、订单结构、产品工艺都会变，方案很容易过时。
更稳的做法，是抓住三个高价值切口。
一个切口：排产与执行联动只要企业有多品种、小批量、插单频繁的特征，这里几乎一定值得先做。因为它直接影响交期、在制品和现场混乱程度。计划系统如果只是下任务，不能拿到真实产能、设备状态、工单进度，成熟度提升会很慢。
一个切口：质量追溯闭环食品、医药、汽车零部件、电子装配等行业尤其明显。不是为了“留档”，而是为了缩短问题定位时间、减少批量风险、支撑客户审核。追溯一旦打通，往往能顺带带动工艺、设备、人员、物料编码标准化。
一个切口：设备维护从经验走向预测并不是所有企业都适合一开始做复杂预测性维护，但把点检、保养、维修、备件、故障原因这些信息规范起来，价值已经很高。设备管理是很多工厂的“隐藏主线”，因为它会同时影响产能稳定、质量波动和能耗表现。
这里提醒一句，智能制造能力成熟度提升不是为了拿一张“更高级”的而是为了让企业知道下一步钱该花在哪、先改哪条链最划算。
不少读者会把评估目的混在一起。不同用途，准备重点差别很大。
如果是政策申报，重点通常在标准符合性、建设成效、示范性、可复制性，材料逻辑要完整，证据要规整。如果是客户审厂，重点更偏向质量控制、追溯能力、交付稳定性、变更管理。如果是内部立项，管理层最关心投资回报、项目优先级、风险边界和落地周期。
同一套底层能力，可以服务不同目标，但表达方式必须调整。很多企业不是能力不够，而是不会把能力翻译成对方能理解的语言。
我自己的建议很直接：别把成熟度评估当作一次性检查，它更像年度经营体检。每次评估后，至少要输出三样东西：
- 当前短板在哪，不模糊
- 哪些能力可以在一年内补齐，有路径
- 哪些能力暂时不该投，避免浪费
到这个层面，智能制造能力成熟度才真正发挥作用。它不是一个名词，也不是一套表格，而是一把尺子。尺子最有用的时候，不是拿给别人看，而是用来量清自己。
