能力的提升。
2.5.4终端客户质量管理
根据工厂信息系统(CRM、SCM )结合物联网CPS技术搜集客 户质量反馈和产品使用状况反馈数据，
并用实时的、满足大数据体量
的数据汇集到大数据平台，运用分析引擎智能分析质量问题模式及产 生原因，排查影响质量的因素，智能化地提供改善建议。
2.5.5管理可视化
通过信息技术手段搜集智能工厂生产经营中产生的数据、状态、 进度、指标、异常等数据，采用数字仿真模型、大数据分析等手段提 供关键指标(如绩效)、管理预警、优化建议等决策依据和解决方案 仿真。并通过图形化和三维技术展示，形成真实工厂的数字映像。可 使用电子看板、移动设备等显示载体。
2.6智能物流
(1) 基于条形码、RFID等识别技术实现自动出入库管理；实现 仓储配送与生产计划、制造执行以及企业资源管理等业务的集成；
(2) 能够基于生产线实际生产情况拉动物料配送，基于客户和产 品需求调整目标库存水平，实现和 AGV等自动化物流系统的无缝集 成；
(3) 应用知识模型实现订单精益化管理、路径优化和实时定位跟 踪，实现无人机运输、物联网跟踪等。
2.7集成优化
智能工厂的集成优化主要是实现车间与工厂、 同层次、不同类型的设备与系统间的网络连接，
工厂与集团之间不 并且实现数据在不同
层次、不同设备、不同系统间的传输，最终达到各类管理信息、产品 信息、生产信息、优化信息等的互联互通，从而实现智能工厂信息集 成的闭环。
集成优化关键要素如下：
(1) 网络互联：实现连续的、相互连接的计算机网络、数控设备 网络、生产物联/物流网络以及工厂网络；
(2) 信息互通：在网络互联的基础上，实现从车间层到工厂层、 集团层双边的数据交换与信息通信；
(3) 集成优化与闭环操作：能够将集团层、工厂层形成的各类决 策优化信息向下传递并实现操作。集成优化应形成信息的闭环，并实 现最终产品从研发设计、生产制造、经营管理、运维服务等环节的数 字化、网络化、智能化，最终实现智能工厂各个环节的高度柔性与高 度集成。
2.8信息安全
建有工业信息安全管理制度和技术防护体系，具备网络防护、应 急响应等信息安全保障能力。建有功能安全保护系统，采用全生命周 期方法有效避免系统失效。
3优化标准 3.1拓展应用
3.1.1智能设计(离散型)
车间/工厂的总体设计、工艺流程及布局均已建立数字化模型， 并进行模拟仿真，实现规划、生产、运营全流程数字化管理。
应用数字化三维设计与工艺设计软件进行产品、工艺设计与仿 真，并通过物理检测与试验进行验证与优化； 建立产品数据管理系统
(PDM )，实现产品设计、工艺数据的集成管理。对产品生产过程 建立虚拟模型，仿真并优化生产流程。对各环节制造数据、绩效数据 集成分析，优化生产工艺，提高产品质量，降低生产成本。
智能设计的关键要素如下：
(1) 数字化设计：应从设计源头采用数字化设计，保证产品生命 周期的数字化信息交互，定义各项活动信息类型和属性，实现信息的 高效利用，满足各阶段对信息的不同需求；
(2) 仿真优化：在产品设计、工艺设计、试验设计等设计各阶段， 以及在产品生命周期各阶段反馈的信息，针对不同目标开展仿真优
化，保证和提升产品对设计需求的符合性， 产品的可靠性、可制造性、 经济性；
(3) 面向生命周期的设计：在设计阶段，应充分考虑产品制造、 使用、服务、维修、退役等后续各阶段需求，实现产品设计的最优化；
(4) 大数据/知识工程：采集产品生命周期各阶段的数据，建立产 品大数据，形成和丰富知识工程，在大数据和工程知识支撑下，实现 对需求的快速智能设计和仿真优化，在功能、性能、质量、可靠性与 成本方面能提供最优产品。
3.1.2智能工艺优化(流程型)
应用数字化工艺设计技术进行设计与仿真，并通过检测与实验进 行验证与优化。建立产品数据管理系统(PDM )，实现工艺数据的 集成管理。对产品生产过程建立虚拟模型，仿真并优化生产流程。对
各环节制造数据、绩效数据集成分析，优化生产工艺，提高产品质量, 降低生产成本。
3.1.3售后服务
能提供基于资源的服务和基于能力的服务。
能通过创新服务模式
提供资源、能力的增值服务。
(1) 售后物流服务
售后物流服务主要实现从产品发货到交付过程中的物流管理，
应
综合产品、路线、运输工具、交付计划、操作人员、客户要求等信息 提供物流服务。可建立售后物流管理信息系统，系统应根据客户物流 需求、交付时间等信息，结合工厂生产进度计划，提供物流决策，相 关结果应以可视化的文档、多媒体等方式向客户展现。在整个物流服 务过程中，物流服务信息应有具完整且统一的数据存储、数据交换、 数据输出规范，数据管理、数据交换。
(2) 用户培训
用户培训服务应能够实现线上与线上加线下相结合的培训模式， 提供产品使用、产品升级、技术培训等服务。用户培训服务可采用在 培训完成后对培训效果进行评估并将培训结果自动反馈给客户。
(3) 产品回收
应通过信息技术手段，对产品出厂后的使用状况数据进行记录， 产品的使用状况可包括产品使用年限、
产品使用环境、产品状态等信
息，根据上述信息进行产品残值评估，确定产品回收方式，制定产品 回收计划。可提供产品回收及再制造、再利用等绿色环保服务。
3.2新型技术应用
3.2.1工业互联网
采用工业以太网、工业总线等技术，实现生产装备、传感器、控 制系统与管理系统等的互联，实现数据的采集、流转和处理；利用工 业物联网等技术，实现与工厂内、外网的互联互通，支持内、外网业 务协同。采用各类标识技术自动识别零部件、在制品、工序、产品等 对象，在仓储、生产过程中
实现自动信息采集与处理，通过与国家工 业互联网标识解析系统对接，实现对产品全生命周期管理。实现工厂 管理软件之间的横向互联，实现数据流动、转换和互认。在工厂内部 建设工业互联网平台，或利用公众网络上的工业互联网平台， 实现数 据的集成、分析和挖掘，支撑智能化生产、个性化定制、网络化协同、 服务化延伸等应用。
322工业云平台
通过协同云平台，实现制造资源和需求的有效对接； 实现面向需 求的创新资源、设计能力的共享、互补和对接；实现面向订单的生产 资源合理调配，以及制造过程各环节和供应链的并行组织生产。建有 围绕全生产链协同共享的产品溯源体系，实现企业间涵盖产品生产制 造与运维服务等环节的信息溯源服务。
3.2.3工业大数据
工业大数据围绕典型智能制造模式，用于提高产品全生命周期各 个环节所产生的各类数据的处理技术和应用。工业大数据技术是使工 业大数据中所蕴含的价值得以挖掘和展现的一系列技术与方法，
包括
数据规划、采集、预处理、存储、分析挖掘、可视化和智能控制等。 工业大数据技术的应用，能够从复杂的数据集中发现新的模式与知 识，挖掘得到有价值的新信息，从而促进制造型企业的产品创新、提 升经营水平和生产运作效率以及拓展新型商业模式。
324人工智能应用
关键制造装备采用人工智能技术，通过嵌入计算机视听觉、生物 特征识别、复杂环境识别、智能语音处理、自然语言理解、智能决策 控制以及新型人机交互等技术，实现制造装备的自感知、自学习、自 适应、自控制。应用机器学习、专家系统、深度学习等人工智能新技 术对企业生产数据、财务数
苏州智能工厂建设指南
