1、专家洞察 消费品企业如何实现“智造”升级基于工业大数据的建设路径 IBM 商业价值研究院图 1我国制造型企业开展网络化协同、 服务型制造和个性化定制的比例1网络化协同35.3%服务型制造25.3%个性化定制8.1%谈话要点 智能制造要从业务价值角度出发智能制造可以通过业务驱动、技术支撑和组织保障三轮驱动，实现转型。智慧工厂需要实现全链路价值优化企业需要形成以生产为核心的横向价值链协同，以及纵向各层级的智能化。转型路径应目标导向、循序渐进企业智能制造转型，要以绩效为导向、由最高管理层自上而下、长期有序推进，切忌为了智能化而智能化。柔性生产，迫在眉睫 生产线上，工厂调度正在紧锣密鼓地安排订单。突然

2、，他发现，即将安排生产的某个订单中，有一部分供应商没有到料。他急得满头大汗，火急火燎地临时更换另一个产品进行生产，但由于两个产品的工艺路线不同，一个不小心，结果出错了，造成了极大的成本浪费。车间里，机器正在轰隆轰隆地运转，一个批次的产品生产完毕，陆续被传送带送到质检员处检验。可是，由于生产设备老化，生产过程不稳定，导致产品质量出现大幅波动。这个批次都生产完了，到了最后的质检环节才发现问题，导致大量产品报废。以上场景， 在我国的制造企业时有出现， 反映出企业在计划、采购、生产等多环节上的问题。当前，我国制造型企业开展网络化协同、服务型制造和个性化定制的比例不高（见图 1），未来还有很大的发展空间

3、。那么，制造企业应当如何有效实现长效发展？本文将结合消费品行业，阐述基于工业大数据的智能制造升级之路。1 消费品行业已经初步从满足基本消费需求转变为功能需求更细腻、体验诉求更突出的消费侧驱动模式。消费者的需求更加细腻多样，监管更加严格和全方位。小而美、迭代快的新品类、新品牌的加速涌现，对精细化管理的需求日益凸显。市场需求往价值链后端推导，设计 - 研发 - 计划 - 采购 -生产 - 仓储 - 物流等环节的难点和痛点也显现出来： 竞争对手刚推出的新款饮料大受欢迎，生产商能否快速研发出新配方和口味，满足消费者的需求？ 产品越来越多，如何安排生产计划是最为经济的？整体计划安排是否足够灵活？ 产品多

4、，辅料也越来越多，采购、生产、仓储、物流等调度如何有效衔接？ 生产换线、 排程、 工艺和设备控制， 如何做到有条不紊？一言以蔽之， 产品的多样化需求提升了制造体系的复杂性，更要求企业思考，如何在保证效率和成本的前提下，加强多品种、小批量的柔性生产能力？制造转型，纵横协同新的消费需求逆向牵引着生产和供应链进行数字化和智能化转型。企业需要形成以生产为核心的横向价值链协同，以及纵向各层级的智能化（见图 2）。纵向上，关注多层次融合和集成的智能制造核心体系，实现精益生产、柔性生产、数字化生产。同时，横向逐步拓展到全价值链的优化，寻求端到端的综合性平衡和整体价值最大化。采购：合理的原辅料安全库存设置和真

5、实消耗情况跟踪，及不断优化并精确的配方；准确的采购和供应计划，确保原辅料供应的经济性和高效性。生产管理：优化的基于终端客户需求的销售计划；基于算法的生产计划优化；支持灵活的多品种小批量生产的工艺；全面的生产统计核算。生产执行：高效的生产资源调度；生产顺序的及时调整；灵活的产品配方和工艺组态；实时监控生产状态；基于工业大数据的工艺优化和改进。图 2 智能制造模式的内涵2 仓储 / 物流：基于数据的库存和物流成本核算，及最优决策；整体供应链交付周期测算和优化。企业管理：基于统一、全局视角的经营回顾；通过智能化手段为战略方向制定、未来经营预判提供参考。产品研发：快速迭代的产品研发；数据驱动的多样化产

6、品组合；基于工业大数据的产品优化策略。市场投放 / 售后：市场竞争和消费者需求的及时洞察；形成消费者需求与产品研发、产品生产之间的强联动关系。最终，实现降本、增效、提质、节能四大层面的价值优化，实现长效发展、绿色发展。此外， 需要注意的是， 企业智能制造转型， 要以绩效为导向、由最高管理层自上而下、长期有序推进，切忌为了智能化而智能化， 避免 “战略规划轰轰烈烈， 实际执行拖拖拉拉” ，或“简单追求单点优化、短期速赢，而忽略了整体优化、长期发展”。订单获取设计研发采购生产仓储/物流市场投放/售后企业管理工厂层车间层产线层设备层智能制造核心体系智能制造外延图 3 三轮驱动，帮助企业实现智能制造的

7、目标 3 智能制造，三轮驱动从系统的角度，我们认为，智能制造可以分为四个阶段：孤岛型组织（未连接）、车间层面已连接、制造企业单元之间互联，以及企业价值链互联（见图 3）。国内大量的企业仍处于前三个阶段，面临着一系列的挑战： 在孤岛型组织中，大量的系统都是烟囱式的，设备仪器之间不连通， 数据分散， 分析工作只能依赖纯手工开展。 在车间层面已连接的组织中，企业可以在车间层面进行一定程度的数据分析，然而车间与其它流程是断开的，缺乏人机料法环的完整数字化， 也缺乏数据治理和分析。 在制造企业单元之间互联的组织中，企业可以在内部进行数据集成并开展分析，然而企业与外部的协作有限，供应链的透明度不足，缺乏对

8、外部市场和客户的及时洞察。而企业价值链互联的组织， 能够面向最终用户、 材料工程、工艺技术实现价值链优化重构。面向生态系统的企业价值链互联是智能制造的目标。那么，企业如何才能实现智能制造的目标呢？通过三轮驱动的顶层设计、以灯塔工厂为支点的落地实施，能够帮助企业实现智能制造的目标。三轮驱动，指的是业务驱动、技术支撑和组织保障：业务驱动：关注以生产为核心的端到端进度、质量、成本业务优化，和可持续发展；挖掘价值链不同环节、不同层级痛点，设计针对性业务场景和应用。技术支撑：形成以工业互联网为骨架、工业大数据为血液的架构支撑；实现 IT、OT 技术的融合，推动各类技术的高效、安全部署和组合。组织保障：构

9、建数字化团队，形成新的组织机构、管理方法和工作技能；通过良好的组织管理，为智能制造提供组织支撑和人才保障。下面，我们将展开阐述企业在业务驱动、技术支撑和组织保障这三个方面具体应当如何做。业务驱动技术支撑组织保障目标场景应用平台组织管理方法人员流程网络集团战略IT 架构数据安全自动化设备驱动支持业务战略123三轮驱动部门级应用大量存在， 烟囱系统， 数据分散设备仪器不连通人工收集数据， 大量使用 Excel端到端流程不连贯建立了企业级应用程序，但缺乏集成缺乏人机料法环的完整数字化缺乏数据治理和分析数据安全性不足缺乏流程自动化没有数据湖有限的外部协作需要市场和客户洞察生产创新不足供应链透明度不足面

10、向最终用户的价值链优化重构面向材料工程的价值链优化重构面向工艺技术的价值链优化重构数字化制造能力和成熟度生产流程价值典型挑战传统行业先进行业孤岛系统半自动化全自动化无人化生态系统价值Level 1 :孤岛型组织Level 2 :车间层面已连接Level 3 :制造企业单元之间互联Level 4 :企业价值链互联4 图 4 智能生产信息化与数字化能力图业务驱动首先，在业务层面，建议形成一个以生产为核心的生产信息化与数字化能力图（见图 4），也方便摸排企业存在的不足和痛点，设计符合企业实际需求的业务应用场景。我们将企业常见的痛点以及智能制造能够帮助改善的环节总结为三大场景，下面分别进行介绍。场景

11、1：供应链智慧决策消费品行业的需求变化快，因此，企业需要快速响应市场变化， 进行决策优化， 尤其是尽可能缩短OTD的交付时间。在供应链的各个环节，基于数据的决策每天都在发生。以液态奶生产线为例，计划经理的总体目标有两个：1. 保交期承诺；2. 优化库存。计划经理面对订单需求、物料配料和原料配套情况，决策日订单计划量。在收奶、前处理、灌包装、成品仓储等生产车间也都设置了计划员，他们负责制定各个车间的计划。收奶计划员结合原料状态、设备产能、总体目标，决策收奶计划，保障生产平顺，产量达成；配料计划员结合配料供应能力、进料方产能和进料时间等，决策计划采购量；物料计划员结合物料供应能力、配料和原料配套等

12、，决策计划产量；入库计划员，结合客户需求变更，决策订单优先顺序 / 计划库存量。每个计划员的决策制定，都需要数据的支撑，基于历史数据和当前数据，来决策未来应当如何应对。信息的透明协同对于决策的准确性和及时性至关重要。此外，人工决策带来的感知延迟、分析延迟、决策延迟和行动延迟，都会对订单交付周期带来直接影响。根据精益制造的理念，制造时间和物流时间（如收奶 - 包装-运输-出入库等） 属于精益制造增值时间；而沟通时间、决策时间和缓冲时间 （如开会、 信息传递、 排产、 备库策略、制造与物流的不确定性等）都属于精益制造不增值时间。而数字化转型的目标是，将精益制造不增值的时间缩短到接近于无；以较小的库

13、存，保证产品的快运转及低资金积压；优化仓库分布，缩短物流时间，减小物流成本。通过引入人工智能、机器学习，以及物联网、信息物理系统、边缘计算等新兴技术，以数据为驱动，可以开展实时沟通，最短时间感知问题，减少不确定性，实现机器决策，从而有效地缩短订单交付周期， 减少库存成本及物流费用，提升整体决策与执行效率。质量管理质量目标与方针质量机构与职责质量分析质量审核质量预防质量改进工艺技术质量追溯源头质量控制过程及成品质量控制储运质量控制终端质量控制化验室管理管控与分析运营分析与决策管理管理费用控制与分析生产成本控制与分析物流费用控制与分析运营效率控制与分析单品全成本原始点分析与控制存货监控改善点追踪与

14、反馈资产管理（设备）设备全生命周期管理备品备件全生命周期管理设备能力监管OEE 分析与管理维修维护计划管理设备知识库管理备品备件管理设备台账维修维护设备运行计划响应供需匹配优化排产三级排产管理生产过程管理新品试产管理原辅料保障生产执行生产完工过程操作物流（调度）物流计划资源管理客户服务管理成品存储管理运输管理发运计划产成品收发成品呆滞管理成品盘点安全环保健康安全方针与策略环保节能方针与策略安全生产管理职业健康管理环境保护管理节能节水管理设备设施实时监控隐患排查管理危险作业管理人员体检与作业场所数据监测排放监测系统能源监控分析与技改管理作为重点场景展开物料管理原辅料仓储管理物料采购管理原辅料收发

15、管理原辅料呆滞/报废处理原辅料盘点原辅料追踪追溯原辅料投料决策层管理层执行层智能生产信息化与数字化能力图消费品行业需求变化快，企业需要快速响应市场变化，进行决策优化， 尤其是缩短OTD交付时间。5 场景 2：精细化成本核算与优化消费品企业面临着更加激烈的市场竞争，因此，需要进一步优化供应端，尤其是生产的成本，进行成本的事前事中事后管理。随着渠道利润的日益压缩，消费品企业也需要逐步转变理念。事后才做成本核算是远远不够的，需要在事中，甚至事前就开始管控，进行生产端的精细化成本核算和优化。基于数字化互联互通的工业大数据，覆盖事前、事中、事后的成本管理策略，可为精细化成本管理提供有力保障。事前：成本核

16、算到产品构成和工艺路线一方面，需要从不同维度精确、及时掌握不同批次产品的相关成本的精准信息，也即，将成本核算到产品构成；另一方面，越来越多的小批量、多工艺变换的特点，对成本信息的要求更全面，需要将成本核算到工艺路线。可以采用三级考核策略来进行成本核算。在班组层面，选取实时工艺计算指标，进行每班考核，月累计分数。在车间层面，基于工艺路线，对加工生产过程中的每一步骤消耗和质量指标进行作业每日考核。在产品层面，按批次考核，工时和消耗实时计算，费用根据上期平摊。以往， 生产线上的水电煤等费用， 都是均摊到每个产品上。后续进行精细化核算后，每个产品到底用了多少水电煤都是可以判断的，工艺路线上的每个生产操

17、作环节（如消毒杀菌环节）的水电煤和生产成本也可以核算。事中：实时反映、过程监控我们可以在人机料法环测六个环节做好监控：人：按班记录工时；设备运行时间精确到工序时间；将工序工时自动关联到半成品及成品的批次。机：设备运行与产品配方和工艺要求相关联，实时获取运行数据；设备折旧及维修费用可精确到半成品和产品的批次。案例：某食品加工企业通过智能制造，实现订单响应时间减少1424 小时 某食品加工企业通过智能制造升级，实现了订单交付时间从 T+2 缩短为 T+1，大幅提升了效率。该企业原来的作业模式在订单交付过程中含有大量等待时间，而且信息传递以人工沟通居多，制约了生产效率与管理水平，具体表现在：系统无覆

18、盖，信息不同步，协同效率低；使用非专业系统，功能不完善，难以解决特定业务；系统之间的接口也不完善， 主数据未打通， 无法流畅对接。通过智能制造升级，实现了作业模式精益化，以及智慧工厂 OTD（订单配送）过程信息系统全面覆盖与深度协同。采用 SOA（面向服务架构）式部署，实现了系统的专业化灵活式应用。通过 PSB（工厂服务总线）实现了各系统间全面连接，取代了点对点的通信方式，消除了信息孤岛。通过升级，该企业的订单响应时间减少 1424 小时，增加了门店满意度。净菜沾水、冻货解冻时间点至发送门店时间点减少 14 小时，提高了菜品的质量。无需全部生产完成即可配送，减少了工厂的缓存量。此外，均衡生产，

19、使得初加工设备使用时间增长，增大了产能利用率。消费品企业面临更加激烈的市场竞争，需要进一步优化供应端，尤其是生产的成本，进行成本的事前事中事后管理。料：细化工艺路线，到各工序的物料投入产出；增加自动称量、流量计、扫描等计量实施，实时获取和监控原辅料消耗。法：半成品和成品可灵活配置工序及工艺指标要求；通过自动化技术实现工艺指标， 预警偏差， 规避风险， 减少浪费。环：通过自动计量或物联网采集高耗能和耗水工序的实时数据；将重点能耗和排污指标考核到具体班组；基于大数据优化能耗。测：工序过程或半成品检验集成到工艺实时数据库，进行过程监控；将不合格品、废品的成本及时归集到各批次产品中。事后：核算及优化事

20、后需要及时准确地进行生产成本核算， 比如：主要材料、直接人工、维修费用、间接材料、机器折旧、生产能耗、其他制费等。在此基础上，制定必要的变革举措，比如：制定核算规则、 建立精细化成本管理体系；设计业务流程，职责到具体岗位；设置综合统计分析岗， 集约化核算组织；摆脱手工处理方式、实现自动数据采集等。此外，还可以开展持续的优化改进，比如：工序工时定额优化调整、产品工艺方案更为精准、产品物料消耗最经济批次、不断完善产品定价策略等。除了事前事中事后的成本管理之外，数据驱动的设备浪费分析优化，也是精益化成本管理的重要举措。因此，需要整合设备运行数据，聚焦物耗、能耗、设备效率以及整体经济等四大抓手，利用量

21、化损失、落实一线根因挖掘和高阶分析等方法，识别浪费源头并制定提升方案。6 案例：某日化企业通过 PDCA 闭环管理，提高成本管理水平 作为大型集团型日化企业，该集团在生产管理方面存在三大痛点：首先，集团对于下属子公司的生产管理把控不足，难以开展生产运行管理和监控子公司的生产动态；其次，子公司的发展不平衡，如何开展子公司之间的调度、 生产计划和统计；第三， 有些子公司绩效好、 利润高，而有些则较差，集团层面希望分析子公司绩效差异背后的原因。为了解决上述生产管理痛点，该集团开展了生产运行的效率管控和成本管控，利用数字化系统进行数据采集，实现生产业务对计划、调度、工艺、执行、统计、分析全过程的闭环管

22、理，实现系统功能对生产、能耗、计量、质量、安环、设备等领域的基本覆盖，基本实现日化生产统计业务“班跟踪、日平衡”。该项目充分发挥了系统在日化生产运行管理中的核心作用 ； 增强了总部对生产现场的动态监控与生产指挥能力，提高了生产运行效率和成本管理水平，为集团实现日化业务发展战略提供支撑。图 5 数据驱动的全方位质量把控基于用户体验的质量追溯报告数据驱动的质量分析和优化数据支撑的质量追溯建立以质量管控目标为导向的质量过程数据全追踪，通过分析质量推移趋势，不断改进标准作业流程，提出改进举措改进举措质量数据追溯条件数据采集信息汇集追溯模型追溯验证标准作业案例：某乳制品企业建立全流程质量管理体系，实现效

23、益提升 该乳制品企业希望通过质量管理，全面提升企业的管理水平和效益、减少质量损失。该企业与 IBM 结成战略合作伙伴，打造全产业链的品质监控和追溯体系。IBM 帮助其智能工厂在收奶、前处理、罐包装和成品仓储等环节开展全流程质量数据采集及分析。在数据采集方面，实现了数据自动采集，减少操作工人工记录报表时间且保证数据源的真实有效性；而且生产过程所有参数实现全程连续记录，保证数据记录的准确性。在数据分析方面，通过数据的自动分析，为质量预防提供依据， 减少质量损失；通过设定预警值， 系统进行实时预警，提高对异常问题提前发现的敏感性；通过固化质量数据分析流程及方法，提高对质量问题分析的效率；通过系统权限

24、的控制，提高数据的保密性。该项目在实施过程中不断创新，开展 8 个系统级创新，获得 1 个国家专利项目。最终实现了 1300 种检验方法电子化，93% 的检测数据能自动采集并上传，检验时间节省13，效率提升了 20%。 7 场景 3：全方位质量把控质量是消费品企业绕不开的话题，日趋严格的监管需求，和消费者对质量的关注，要求企业进行全方位的质量把控，开展端到端的质量分析和质量追溯。质量是管理出来的，而不是检测出来的。我们不应当出现了质量事故才开始被动响应，而应当建立事前、事中、事后的质量控制，只有通过事前管理和数据驱动的业务分析，才能帮助生产企业严格把控质量。在人机料法环测六大层面，都可以通过数

25、据进行过程管理，来判断生产现场是否出现了质量问题，以及未来是否会出现质量问题。数据收集上来之后有什么用呢？一般来说，有两个层面的应用场景（见图 5）：数据驱动的质量分析和优化。通过质量数据，判断生产过程中是否存在问题，进行早期控制预警，进而开展参数调整，再去查看生产过程中的质量是否回归正常。通过标准作业、质量数据和改进举措的闭环机制，建立以质量管控目标为导向的质量过程数据全追踪，通过分析质量推移趋势，不断改进标准作业流程，提出改进举措。数据支撑的全链条质量追溯。从农田到餐桌，消费者对于产品是如何生产出来的、经过了哪些环节、这些环节的生产是否可视、什么时间点上的生产线、什么时间点下的生产线、仓储

26、物流的过程、以及渠道流通的环节等都很感兴趣。通过数据能够帮助企业进行全链条的质量追溯。质量是消费品绕不开的话题，因此需要端到端的质量分析和质量追溯。图 6工业互联网与智能制造平台架构智能运营分析平台微服务体系架构平台应用服务治理监控运维镜像管理服务注册服务发现日志管理DevOps业务系统生产制造MES系统WMS 系统TMS系统运营管理ERP 系统CRM 系统订单系统SRM 系统质量管理任务调度数据计算平台底座（大数据 & MPP）数据采集平台管理API 服务网关应用基础数据平台数据服务财务域采购域数据治理数据采集设备物联网平台MQTT设备管理设备更新边缘计算应用下发节点管理设备注册节点监控设备

27、查询数据处理规则引擎数据可视化UI组件库接入服务协议解析数据分发监造数据汇总数据集成中心HDIC视频集成中心HVIC数据预处理安全认证视频采集设备CameraCVRNVR流媒体服务WebRTCNetworkingComputeStorage物理机NutanixVMWAREKubernetes防火墙物理网关(第三方提供）SCADA设备设备设备软网关设备可视化监造平台订单进度质检记录生产进度出厂试验工序进度实时视频计划比对实时工况运营数据分析销售分析生产分析供应商接入进度数据质量数据产线数据视频数据采购分析质量追溯账务中心/财管中心管理驾驶仓交付及时率客户退货率设备稼动率产品报废率数字创新层数据管

28、理服务层数据源层设备层基础设层技术支撑业务需求离不开技术底座的支撑。智能制造需要形成以工业互联网为骨架、工业大数据为血液的架构支撑。为了支撑全域业务应用场景，需要搭建一个工业互联网与智能制造平台（见图 6）。这个平台需要具备四大能力：数据集成：能够对底层工厂层面各种自动化设备产生的数据进行集成；数据计算：通过数据清洗、处理、计算、挖掘等，让集成的数据产生更高的价值；数据治理： 提高数据的标准化和质量， 更有效地应用数据；数据服务：提供数据服务，实现全域业务应用场景。8 在业务层面，平台需要实现端到端的数据应用、管理和集成。这就要求熟悉企业全价值链的业务，洞察端到端的运营难点和痛点，并设计优化方

29、案。此外，还要建立数据治理的核心领域和保障机制，夯实数据基础。在技术层面，平台需要具备敏捷性、扩展性和兼容性。平台需要支持微服务、 短平快部署和配置；支持各类应用，包括 BI、AI、挖掘模型等；还需要拉通标准 / 非标接口，实现所有底层设备的接入，并且能够部署在不同的云架构上。组织保障 在组织层面，企业需要建立一体化的管理和组织机制，培养数字化人才梯队保障、实现敏捷型组织转变。未来，企业可能需要从总体组织架构和上海品茶层面，对运营模式进行调整， 创建全新的、 开放的、 灵活的业务架构，支持生态系统的企业价值链互联。而墨守成规的线性流程将转变为高度动态化、智能化的业务流程，这也将打破部门壁垒，彻

30、底转变工作方式以及实现价值的模式。各团队能够以迭代方式同时开展工作，享有更高的自主权，有助于显著提高生产力、创新力和产品面市的速度。9 这也意味着，对人才的要求提高了。智能制造与传统生产模式差异较大，业务、DT（数据采集与分析）、IT（系统管理与控制）、OT（现场运营与工艺）技术融会贯通的复合型人才将是转型升级过程中的骨干（见图 7）。与此同时，制造企业需要发展敏捷组织管理模式，建立合适的组织形式、机制、绩效体系，采用敏捷原则和设计思维，使得团队与智能化业务流程保持一致，为业务转型和技术创新提供保障和支撑。图 7制造业转型升级的人才基础制定转型愿景，全程支持变革协同跨团队资源，带领并推广转型项

31、目专业职能人才，支持项目模块推进 业务管理人员 OT 岗：现场运营与工艺工程师 IT 岗：系统管理与控制工程师 DT 岗：数据采集与分析工程师落实转型举措，基层改善践行者数字化高层转型骨干业务岗IT 岗OT 岗基层工作单元DT 岗操作工人质检员机修工搬运工需要思考的重要问题 您在生产制造上遇到哪些挑战？ 您打算如何实现智能制造升级？ 您准备从哪里起步？ 对标灯塔，稳健前行 行业内的灯塔企业在运营中融入数字化、网络化、智能化技术，实现了端到端价值链互联，成功提升了生产力，为可持续的盈利增长奠定了基础。其他企业可通过向灯塔企业的学习借鉴，稳步开展企业内部的智能制造转型，明确试点、优化、推广的升级路

32、径，最终实现价值和竞争力的突破，实现可持续发展。在具体实施策略上，我们建议制造企业可以集中精力开展以下三个优先任务：1. 充分挖掘数据的价值。为实现智能制造的可视性和智慧运营，数据是关键所在。建立敏捷、可扩展和兼容的工业互联网与智能制造平台架构，促进高度安全的数据整合。通过实时获取和分析数据，优化整体供应链计划，实现高效的生产资源调度、快速迭代的产品研发、最优的仓储物流决策和强力的消费者联动。2. 在制造流程中融入技术。在制造流程中融入新兴技术，打造具有“思考”能力的制造流程。实现 IT、OT 的技术融合，推动各类技术的高效、安全部署和组合。IBM 2021 年全球 CEO 调研显示，大部分企

33、业领导认为 IoT（物联网）、云计算、人工智能等技术将会是未来的核心技术，而业绩出众企业对这些技术的乐观程度远超其他企业。2 利用 IoT 设备实时监控生产状态，预测潜在的故障和偏差，可以规避风险，减少浪费。一旦出现偏差，AI 模型还可以提供关键控制设置，使制造流程重回正轨，恢复最优的运营参数。这样可以有效避免质量问题和生产中断。3. 培养数字能力，打造全新企业体验。许多企业仍然缺乏智能制造所需的专业知识和技能，尤其是数据分析、云计算、AI、物联网等相关领域。一方面，企业需要重塑现有员工的技能，开展个性化的学习，培养企业的数字能力；另一方面，可以通过招聘和生态系统合作伙伴来弥补技能差距。为实现面向生态系统的企业价值链互联，还需要打造全新的企业体验。“体验”的概念正从客户层面扩展到为客户服务的员工、企业本身乃至整个生态系统层面。采用以人为本的设计理念，打造富有吸引力的客户体验、员工体验以及合作伙伴体验，有助于发挥差异化的优势，实现更高的价值。