<p>1 工业 互联网成熟度 评估 &nbsp;白皮书 &nbsp;(1.0 版 ) 工业 互联网产业联盟 （ AII） &nbsp;2017 年 7 月 &nbsp; 2 - 版权声明 &nbsp;- 本 白皮书 版权 属于 工业互联网产业联盟 ， 并 受 法律保护。 转载 、摘编或利用其它方式使用本白皮书文字或者观点的，应注明 “来源 ： 工业互联网产业联盟 ”。 违反 上述 声明者 ，本联盟 将追究其相关法律责任。 &nbsp; 3 前 &nbsp;言 &nbsp;“ 工业 互联网 ”概念 自 提出 以来， 在 全球范围内迅速得到认可，并成为工业企业特别是制造企业进行新一代 科技 变革和业务创新的重要 利器 。 过去 两三年 里 ，我国企业 不断加快工业 互联网 的 探索 和 实践，使之 逐渐 发展为重要的基础设施、 关键 的生产要素和 持续 的 价值 源泉 。 &nbsp;作为 政府主管部门推进我国工业互联网建设的重要窗口， 工业 互联网 产业 联盟（ AII） 积极开展 工业 互联网需求和产业研究， 于 2016 年 年 中 启动了工业互联网成熟度评估模型制定工作 ， 经过 半年多的努力， 形成了 工业 互联网成熟度评估白皮书 （ 1.0） 成果。 本 白皮书 遵循工业互联网体系架构（版本 1.0）的主体思路 ， 提出了互联互通、综合集成、数据分析利用三大核心要素， 并分别面向离散型 和流程型制造企业 提炼 总结了 11 个 和 10 个 关键能力 ， 制定了一套 相对完整的评估 模型 和 评估指标 。 目前 该 模型 已经 展开 了 在线 评估验证 ，已有 几十家企业 参与其中 ， 本白皮书也 对当前获 得的评估 数据 进行了详细 分析和论述 。 &nbsp;本 白皮书 旨 在 为 企业 提供 一套评价自身 实践 的方法论，为企业 找到 工业互联网 实施 中 的 主要 问题 、 改进 方向和建设路径 ；为 联盟各项工作及我国工业互联网的 技术 创新、应用实践提供参考和借鉴 ； 为科研机构和政府主管部门提供有效 4 的数据 支撑和决策 依据。 与此 同时，业界各方力量的应用和反馈也将不断促进 联盟 修正该 方法论 中存在的问题， 为工业互联网发展提供更科学更准确的指导。 &nbsp;在 本白皮书 成果 形成 过程中， 联盟 面向 内部 成员 和全社会 进行 了 大量 实际 调研和 在线 评估 问卷调查 ， 中国 电信、 中兴通讯、 中国 移动、 中国 联通 、北京 机械工业自动化研究所、北京简易科技、 上海 禅月建筑科技 、 上海 超算科技 、 江苏 通鼎互联、 天津 沃克斯 科技 、 安徽 普奥云 等信息 通信企业， 博世 、 中联 重科、 威派格、 上海 仪电、 重庆 盟讯电子、 艾默生 、深圳 万全智能技术、山东京博 石油化工 、 中煤 陕西榆林能源化工、 中 石油新疆油田、 广东 南国药业、红塔烟草、河钢股份、 宝钢 工业炉工程、 上海 宝钢节能环保 等工业 企业， 北京航空航天大学、 上海交通 大学 等教育 研究机构 对 评估模型 和指标体系的制定 积极建言献策 ，并 主动 参与 了 在线评估 问卷调查和 模型 验证 ，为 本白皮书的 撰写提供了 重要 参考 和 宝贵意见， 在此 一并感谢！ &nbsp; 5 目 &nbsp;录 &nbsp;一、 工业互联网成熟度评估提出的原因 . 7 （一）工业互联网应用浪潮来袭 . 7 （二）联盟需构建先导性的标准 化模型 . 7 （三）为企业提供一个便利的自我评价工具 . 8 （四）为政产 研用 搭建一个 持续 透明的信息 窗口 . 8 二、 工业互联网成熟度评估模型 . 9 （一）评估模型的架构 . 9 1、三大核心要素 . 9 2、两大目标对象 . 10 3、十三个关键能力和能力等级 . 11 （二）评估模型的指标体系 . 19 1、具体指标 . 19 2、权重设置 . 21 三、 工业互联网成熟度评估模型的应用和试评估 . 23 （一）应用方法 . 23 1、指标量化采集 . 23 2、实时结果计算 . 23 3、对应星级评定 . 24 （二）试评估结果分析 . 25 1、工业互联网成熟度总体能力水平 . 25 2、工业互联网成熟度单项能力水平 . 27 3、离散型与流程型行业成熟度比较 . 28 四、 下一步落地与实践 . 30 （一）动态优化评估指标和评估问卷 . 30 （二）推进在线评估服务平台建设 . 31 （三）提供评估诊断和咨询 服务 . 32 （四）公开发布成熟度评估报告 . 32 附件 1：术语和缩略语 . 33 附件 2：国内外相关成熟度评估理论研究 . 35 参考文献 . 39 &nbsp;6 图 &nbsp;表 &nbsp;目 &nbsp;录 &nbsp;图表 &nbsp;1 &nbsp;工业互联网成熟度评估三大核心要素 &nbsp;. 10 图表 &nbsp;2 &nbsp;工业互联网成熟度评估的关键能力 &nbsp;. 11 图表 &nbsp;3 &nbsp;智能设备联网能力等级 &nbsp;. 12 图表 &nbsp;4 &nbsp;信息网络设施能力等级 &nbsp;. 12 图表 &nbsp;5 &nbsp;生产资源连接 能力等级 &nbsp;. 13 图表 &nbsp;6 &nbsp;横向集成能力等级 &nbsp;. 13 图表 &nbsp;7 &nbsp;纵向集成能力等级 &nbsp;. 14 图表 &nbsp;8 &nbsp;端到端集成能力等级（离散） &nbsp;. 15 图表 &nbsp;9 &nbsp;端到端集成能力等级（流程） &nbsp;. 15 图表 &nbsp;10 &nbsp;运营智能决策能力等级 &nbsp;. 16 图表 &nbsp;11 &nbsp;产品生命周期优化能力等级 &nbsp;. 16 图表 &nbsp;12 &nbsp;生产智能管理能力等级 &nbsp;. 17 图表 &nbsp;13 &nbsp;供应链优化能力等级 &nbsp;. 17 图表 &nbsp;14 &nbsp;网络化协同能力等级 &nbsp;. 18 图表 &nbsp;15 &nbsp;能耗与安全管理优化能力等级 &nbsp;. 18 图表 &nbsp;16 &nbsp;服务化延伸能力等级 &nbsp;. 19 图表 &nbsp;17 &nbsp;离散行业工业互联网成熟度评估指标体系 &nbsp;. 20 图表 &nbsp;18 &nbsp;流程行业工业互联网成熟度评估指标体系 &nbsp;. 20 图表 &nbsp;19 &nbsp;权重设置的思路和修正方法 &nbsp;. 22 图表 &nbsp;20 &nbsp;二级指标和三级指标的权重设置 &nbsp;. 22 图表 &nbsp;21 &nbsp;定量指标和定性指标的量化采集及打分原则 &nbsp;. 23 图表 &nbsp;22 &nbsp;单项能力评估分值和星级对应原则 &nbsp;. 24 图表 &nbsp;23 &nbsp;总体能力评估分值和星级对应原则 &nbsp;. 25 图表 &nbsp;24 &nbsp;工业互联网成熟度总体能力试评估结果 &nbsp;. 26 图表 &nbsp;25 &nbsp;工业互联网成熟度总体能力星级分布 &nbsp;. 26 图表 &nbsp;26 &nbsp;工业互联网成熟度单项能力试评估结果 &nbsp;. 28 图表 &nbsp;27 &nbsp;离散型和流程型成熟度总体能力星级分布 &nbsp;. 29 图表 &nbsp;28 &nbsp;离散型和流程型成熟度单项能力星级分布 &nbsp;. 30 图表 &nbsp;29 &nbsp;权重配置动态变化示意 &nbsp;. 31 图表 &nbsp;30 &nbsp;软件能力成熟度模型（ CMM）的五个梯度 &nbsp;. 35 图表 &nbsp;31 &nbsp;德国 VDMA 工业 4.0 成熟度评测模型 &nbsp;. 36 图表 &nbsp;32 &nbsp;美国 NIST 企业 MBE 能力评估模型 &nbsp;. 37 图表 &nbsp;33 &nbsp;我国 CESI 智能制造能力等级矩阵 &nbsp;. 38 &nbsp;7 一、 &nbsp;工业 互联网 成熟度 评估提出的 原因 &nbsp;（ 一 ） 工业 互联网 应用 浪潮来袭 &nbsp;随着 工业互联网 概念兴起， 美德 先导 应用 不断涌现，目前 德国 工业 4.0平台已有 140多个 应用案例 ， 美国 IIC有 接近 50 个 应用案例， 主要 聚焦在生产管理优化、物流仓储优化、质量管理优化、产线柔性部署、产品服务价值 化 等领域 。与此同时， 我国产业界 也加快 了 面向各类场景的工业互联网应用探索 。 2016 年， 工信部 相关部门 组织实施了 10 个工业互联网试点示范项目， AII 联盟 也评选 出 了 首批 12 个 工业互联网 优秀 案例 。 然而，目前我国工业互联网 应用与发达国家相比还存在 总体发展 水平较低 、行业间企业间基础 差异 较大 、大规模推广 难度巨大 、 缺乏工业互联网评估体系和实施指南等 问题 。 &nbsp;（ 二 ） 联盟需构建先导性的标准化模型 &nbsp;从国内外已有 的主要成熟度模型来看， 德国构建了工业4.0 成熟度评级模型，但因两国发展基础不同，建设水平不同，并不能直接用于我国 工业互联网 成熟度评估 。 AII 联盟作为推进 我国 工业互联网政产学研用协同 发展 的公共平台 ，需 要率先开展 研究 ， 针对 我国 自身特点， 制定 一套评估 模型和 方法 ，推进工业 互联网理论 与 实践。 &nbsp; 8 （ 三 ） 为企业提供一个便利的自我评价工具 &nbsp;当 前 产业界 对工业互联网的理解不统一， 企业 对自身工业互联网发展的定位、现状和发展路径不明确 ，缺乏一致的方法论 来 评判 具体实践 。 联盟 希望通过 工业互联网 成熟度评估体系的制定 助力 企业 了解 自身 建设 水平 ， 发现存在的问题 ，并获取相关的诊断建议 。 该评估模型并不是为了创造一套复杂的理论 ， 而是希望以提供互联网服务的方式为企业提供一个便利的自我评价工具 。 &nbsp;（ 四 ） 为 政产研 用 搭建一个 持续 透明的信息 窗口 &nbsp;工业互联网成熟度评估模型的制定并不是一蹴而就的，当前的 1.0 版本主要是结合现阶段工业互联网发展的 特点和先进实践而 得出 的，将来还 有 持续发展、反复迭代的过程 ，需要 借助 产业界 各类主体的 意见和建议深化模型 ， 并 结合 企业 对 模型的应用结果和反馈 ， 不断更替 或补充更符合不同阶段实际情况的评估因素， 不断修正完善评估 指标 、权重和评估问卷设置 等 。 这个过程不仅能 助力 政府部门了解 我国工业互联网 的 最佳实践 ， 也能帮助应用企业和解决方案服务商建立透明的信息窗口 ，促进产学研结合。 &nbsp; 9 二、 &nbsp;工业 互联网成熟度评估模型 &nbsp;（ 一 ）评估 模型 的 架构 &nbsp;1、 三大核心要素 &nbsp;遵循 工业 互联网体系架构 （版本 1.0） 的 主体思路 。 &nbsp;工业互联网的核心是基于全面互联而形成数据驱动的智能，基于 工业互联网的网络、 数据与 安全， 将 构建 面向 工业智能化发展的 三大优化闭环 ，即面向 机器设备运行优化 的 闭环 、面向生产运营优化 的 闭环 、 面向企业协同、用户交互与产品服务优化 的 闭环 。 三大闭环并不是简单 割裂的关系， 而 是环环相扣 、互相贯穿 ， 机器 设备 的 互联互通、生产 运营 系统 的综合集成 ， 为企业协同、用户交互 所需 的数据流动和协作 奠定 了良好的基础 。 &nbsp;基于 上述 体系 架构的 思想 ， 本 模型 将工业互联网成熟度评估的 3 大 核心 要素归纳为互联互通、综合集成、数据分析利用 （ 如图 表 1 所示）。 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 10 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。 &nbsp;图表 &nbsp;1 &nbsp;工业互联网成熟度评估三大核心要素 &nbsp;2、两大目标 对象 &nbsp;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 11 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。 &nbsp;3、 十三个关键能力 和 能力等级 &nbsp;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）。 &nbsp;图表 &nbsp;2 &nbsp;工业互联网成熟度评估的关键能力 &nbsp;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。 &nbsp; 12 （ 1） 互联互通 要素 ：智能 设备 联网 &nbsp;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： &nbsp;L1 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 &nbsp;数字化 设备 处于联网改造 的初级阶段， &nbsp;21%-40%的设备 实现 了 数据信息采集与 上传 &nbsp;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 &nbsp;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 &nbsp;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 &nbsp;图表 &nbsp;3 &nbsp;智能设备联网能力等级 &nbsp;（ 2） 互联互通 要素：信息网络 设施 &nbsp;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 。 能力 等级如下： &nbsp;L1 L2 L3 L4 L5 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 &nbsp;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 &nbsp;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 &nbsp;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健全 &nbsp;信息 网络设施全面 建成， 信息 系统 云端 统一 部署 完成 ，已 通过 信息 安全认证 &nbsp;图表 &nbsp;4 &nbsp;信息网络设施能力等级 &nbsp; 13 （ 3） 互联互通 要素：生产资源 连接 （离散） &nbsp;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。 能力 等级如下： &nbsp;L1 L2 L3 L4 L5 人机 之间 、 机器 之间没有 信息 交换和 通讯 &nbsp;人机 之间利用电脑连接、 机器 之间 有 总线连接 &nbsp;人对机器 实现了分布式监控 ，机器 之间有工业以太网接口 &nbsp;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 &nbsp;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 &nbsp; 图表 &nbsp;5 &nbsp;生产资源连接能力等级 &nbsp;（ 4） 综合集成：横向集成 &nbsp;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 。 能力 等级如下： &nbsp;L1 L2 L3 L4 L5 企业与产业链上下游没有数据共享与交互协作 &nbsp;企业与产业链上下游数据共享与交互 协作次数非常 有限 &nbsp;基于人工拷贝、邮件等方式进行 日常 数据共享与交互协作 &nbsp;基于 http 调用、 java 远程调用或 web services 等方式进行数据共享与交互 协作 &nbsp;基于统一的数据处理平台进行 实时 共享与交互 协作 &nbsp;图表 &nbsp;6 &nbsp;横向集成能力等级 &nbsp; 14 （ 5） 综合集成：纵向集成 &nbsp;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） 。能力 等级如下： &nbsp;L1 L2 L3 L4 L5 设备层、 车间层 和 企业 管理层之间 无 数据传输和共享 &nbsp;企业内部 各层级之间数据传输和共享 程度非常有限 &nbsp;基于人工拷贝、邮件等方式进行 日常 数据传输和共享 &nbsp;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据传输和共享 &nbsp;采用统一数据模型框架构建企业级共享服务平台 &nbsp;图表 &nbsp;7 &nbsp;纵向集成能力等级 &nbsp;（ 6） 综合集成：端到端集成 &nbsp;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 。 &nbsp; 15 离散 行业 能力 等级如下： &nbsp; L1 L2 L3 L4 L5 尚未开展基于MBD 技术的产品定义工作 &nbsp;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 &nbsp;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 &nbsp;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） &nbsp;MBD 模型以及相关数据在企业内外能够顺畅流通、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 &nbsp;图表 &nbsp;8 &nbsp;端到端集成能力等级（离散） &nbsp;流程 行业 能力 等级如下： &nbsp; L1 L2 L3 L4 L5 尚未规划 &nbsp;开始规划 ，尚未建立模型库 &nbsp;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 &nbsp;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 &nbsp;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 &nbsp;图表 &nbsp;9 &nbsp;端到端集成能力等级（流程） &nbsp;（ 7） 数据分析 利用 ： 运营智能决策 &nbsp;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 。能力 等级如下： &nbsp; 16 L1 L2 L3 L4 L5 尚未规划 &nbsp;开始规划，尚未 建立决策支持模型库和知识库 &nbsp;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 &nbsp;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 &nbsp;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 &nbsp;图表 &nbsp;10 &nbsp;运营智能决策能力等级 &nbsp;（ 8） 数据分析 利用 ： 产品生命周期优化（离散） &nbsp;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。能力 等级如下： &nbsp;L1 L2 L3 L4 L5 尚未规划 &nbsp;开始规划， 尝试建立产品全生命周期 数据库 &nbsp;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 &nbsp;对 数据进行处理和分析，实现 可追溯的产品谱系 ，实现后端数据向前端数据的及时反馈 &nbsp;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 &nbsp;图表 &nbsp;11 &nbsp;产品生命周期优化能力等级 &nbsp;（ 9） 数据 分析利用：生产智能管理（ 流程 ） &nbsp;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 17 溯生产过程、实现 异常工况 提前 诊断与自愈控制 。能力 等级如下： &nbsp;L1 L2 L3 L4 L5 尚未规划 &nbsp;开始规划，尝试建立 生产过程数据库 &nbsp;已经采集整合了 装置运行数据、工艺数据和环境数据 &nbsp;对 数据进行处理和分析， 提前验证生产过程的可行性、实现 生产过程实时监控与追溯 &nbsp;基于数据反馈结果在设计阶段进行 工艺优化、生产过程优化和 生产设备远程诊断维护 服务 &nbsp;图表 &nbsp;12 &nbsp;生产智能管理能力等级 &nbsp;（ 10） 数据分析 利用 ：供应链优化 &nbsp;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 。能力 等级如下： &nbsp;L1 L2 L3 L4 L5 尚未规划 &nbsp;开始规划，尝试建立 供应链上下游数据库 &nbsp;已经采集整合了 上游物料流转数据和下游客户需求数据 &nbsp;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 &nbsp;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 &nbsp; &nbsp;图表 &nbsp;13 &nbsp;供应链优化能力等级 &nbsp;（ 11） 数据分析 利用 ：网络化协同（离散） &nbsp;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 18 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。 能力 等级如下： &nbsp;L1 L2 L3 L4 L5 尚未规划 &nbsp;开始规划， 尚未实现 &nbsp;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 &nbsp;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 &nbsp;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 &nbsp;图表 &nbsp;14 &nbsp;网络化协同能力等级 &nbsp;（ 12） 数据分析 利用 ：能耗与安全管理优化（流程） &nbsp;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。能力 等级如下： &nbsp;L1 L2 L3 L4 L5 尚未规划 &nbsp;开始规划， 采集了少量能耗数据、环境数据 &nbsp;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 &nbsp;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 &nbsp;基于数据挖掘反馈结果优化能耗和安全管理 &nbsp;图表 &nbsp;15 &nbsp;能耗与安全管理优化能力等级 &nbsp;（ 13） 数据 分析利用： 服务化 延伸 &nbsp;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 19 来经营。 能力 等级如下： &nbsp;L1 L2 L3 L4 L5 尚未规划 &nbsp;开始规划，尚未实现 &nbsp;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 &nbsp;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 &nbsp;已形成商业模式，且开始产生收益 &nbsp;图表 &nbsp;16 &nbsp;服务化延伸能力等级 &nbsp;（ 二 ）评估模型的指标 体系 &nbsp;1、具体指标 &nbsp;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 。 &nbsp;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）： &nbsp; 20 图表 &nbsp;17 &nbsp;离散行业工业互联网成熟度评估指标体系 &nbsp;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）： &nbsp;图表 &nbsp;18 &nbsp;流程行业工业互联网成熟度评估指标体系 &nbsp;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 。 &nbsp;在综合集成 要素 中，主要评估企业从现场层、车 间层到 21 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。 &nbsp;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。 &nbsp;2、权重设置 &nbsp;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 。 &nbsp; 22 图表 &nbsp;19 &nbsp;权重设置的思路和修正方法 &nbsp;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。 &nbsp;经过 三轮修正 ，确定 一级 指标和二级指标 的 权重 值 如下 ： &nbsp; 图表 &nbsp;20 &nbsp;二级指标和三级指标的权重设置 &nbsp;一级指标 &nbsp;权重 &nbsp;二级 指标 &nbsp;离散型企业 &nbsp;权重 &nbsp;流程型 企业 &nbsp;权重 &nbsp;互联 互通 &nbsp;0.35 智能 设备联网 &nbsp;0.32 智能 设备联网 &nbsp;0.40 信息 网络设施 &nbsp;0.48 信息 网络设施 &nbsp;0.60 生产 资源连接 &nbsp;0.20 &nbsp; 综合 集成 &nbsp;0.33 横向 集成 &nbsp;0.28 横向 集成 &nbsp;0.32 纵向 集成 &nbsp;0.48 纵向 集成 &nbsp;0.50 端到端 集成 &nbsp;0</p>