智能制造能力成熟度标准符合性评估（以下简称“CMMM评估”）是基于GB/T 39116-2020《智能制造能力成熟度模型》、GB/T 39117-2020《智能制造能力成熟度评估方法》两项国家标准，对产品制造过程的智能化程度开展系统性评估。截至2022年底，全国已有400多家制造企业获得相应等级的标准符合性证书，其中“四级(优化级)”是国内制造企业目前达到的最高级别，通过评估的企业也是国内高端制造业的典型代表。

那么企业如何识别能否达到四级？建成四级企业需要具备哪些能力？四级评估相比与其他等级评估，在评估准备时需关注哪些要点？针对大家关心的问题，笔者从十余家四级企业评估活动进行总结，分享下体会。希望在企业智能化能力识别、能力建设、评估准备等方面，对申请四级评估的制造企业有所帮助。

四级企业综述

四级(优化级)：企业应对人员、资源、制造等进行数据挖掘，形成知识、模型等，实现对核心业务活动的精准预测和优化。

--GB/T 39116-2020《智能制造能力成熟度模型》

四级能力是企业在达到三级（集成级）的基础上，即数字化的生产、检验、物流设备联网集成，各应用信息系统间信息集成，实现企业各生产环节互联互通、数据共享、业务协同的基础上，广泛应用各生产环节、业务职能采集的数据，基于实时数据的深层次分析应用，辅助企业人员做出更为科学的决策，或自动对生产过程进行优化调整。

截止2022年底，国内已有29家企业获得CMMM四级证书，占所有已获证企业的7.25%；其中制造大省的江苏、广东、山东通过四级评估的制造企业分别为9家、8家、4家，北京、安徽、福建、陕西、湖南、广西、辽宁等省市也有当地龙头企业通过四级评估。

从行业分布来看，部分行业龙头企业已达到国际领先水平。例如，以小天鹅、海尔为代表的家用电器制造行业，以深南电路为代表的印刷电路板制造行业，以徐工为代表的工程机械行业，以华星光电、京东方为代表的液晶面板制造行业，以中车为代表的轨道运输设备制造行业，以及其他石油炼化、水泥、医药制造行业。同时，有近50%的四级企业，当地并无政策奖励支持，为企业自发申请评估。由此可见，越来越多的行业龙头企业，希望自身的智能化建设成果得到权威认可，或在评估中寻求继续提升的方向。

从目前四级企业评估结果来看，企业都存在一定的能力弱项,大部分企业还处在四级的初级阶段，虽然在部分业务单点上构建了分析模型，但模型应用效果还需进一步验证，四级的能力建设还需要很长的路要走。

申请四级评估常见误区

在众多申请四级评估的企业中发现，一些企业对申请四级评估并未充分了解，对四级评估考核的维度、难点、要求，未进行对标判断。企业盲目申请四级，导致最终评估结论降级。针对四级能力识别，经常出现如下误区。

误区一  大企业/行业品牌知名度高就能通过四级

此误区较为普遍，因为已获证企业确实行业的知名企业居多。行业知名企业确实在产销量、营业额、市场占有率、品牌形象上处于领先地位，且企业资金雄厚，智能化投入也较多。但CMMM评估考核的是实际的产品制造过程智能化应用情况。有些企业的品牌市场宣传大于其实际制造水平、智能化水平；还有些品牌依靠外部代加工，没有制造工厂，无法进行评估。

曾经遇到一家业内知名的非标装备制造企业，申请四级评估，生产工艺类型只有装配，产品组装环节采用全人工方式，且装配过程打螺丝还是采用普通电动螺丝刀，不能实现扭矩参数的数据采集，其他智能化应用较少，最终预评估对标下来，评估组认为企业达到三级还有些困难，整体处于二级水平。企业无法接受作为行业龙头而评估结论是二级，最后终止评估。

误区二  已获得智能制造荣誉或权威认可就能通过四级

 有些企业已获得省部级、国家级，甚至国际性的智能制造荣誉，这是很好的智能化建设基础。但由于各种政策、荣誉评选的评价指标不同，不能说获得某个荣誉，就可以等同通过CMMM四级。

特别是有些企业反而容易借此荣誉，产生盲目自信心理，而忽视CMMM评估调查取证的全面性、客观性、严谨性。比如，企业承担了国家重点智能化攻关建设项目，已经由权威专家把关验收，则认为通过四级没有问题；但四级评估中，该项目可能只作为四级考核中一个子域的几个条款的有效举证，无法以偏概全代表企业整体智能化水平。

通常的企业智能化成果申报，申报材料都是尽可能展示企业好的一面，而对弱项避而不提。而对于CMMM评估，企业应基于实际业务情况确认评估范围、评估内容，应评尽评的条款不可随意裁剪、回避，不能避重就轻，应基于统一标准开展CMMM评估。一个完整的CMMM四级评估包括预评估和正式评估两个阶段，在企业现场至少6天时间，评估组利用充分的时间，完整、细致的验证企业各业务职能的智能化应用情况与应用效果。这里的调查取证包括企业获得优势、建设亮点的一面，也包括对标后的能力不足和建设缺失一面。

误区三  新建成的智能工厂就能通过四级

这里“新建成”特指生产正式运行1年左右的工厂。很多企业投资几亿、十几亿元构建新型号产品制造工厂，且工厂在设计、建造之初就按照行业最高标准建设，吸取以往经验，各种智能化技术一步到位，打造行业最先进智能工厂。不否认这些工厂的先进性，但通常新建成工厂的产量、销量还在慢慢爬坡过程，制造产品的种类也有限，特别是智能化应用堆积了很多新技术，工厂整体运行需要一段时间磨合、消化、验证，短期较难发挥智能工厂的特色能力。

此外，四级评估要点中，大多数内容是审查基于数据分析模型的在线优化、预测，由于工厂建成时间短，很多工厂的业务数据累积量不够，一些制造规律难以发现，并通过分析模型去表达、验证。例如，【设备管理】子域四级要求的“设备预测性维护”，需要对历史发生的故障做故障知识积累与分析，而新建工厂是新设备，短期故障发生率也较少，也较难提出预测、优化的需求。四级【能源管理】能力子域要求的精细化“节能模型”，新工厂运行之初重点考虑产量、质量、效率，因此智能化建设会侧重这些方面，短期很少考虑节能降耗举措，当工厂生产稳定，为进一步降低制造成本时，才会由此需求进行智能化建设。当然也有些新建工厂，在建厂之初就综合考虑了之前的节能经验，已经采用了节能化设备和方案，接下来就需要进一步挖掘新的节能空间。

因此，CMMM四级评估的工厂需要稳定运行一段时间，生产运营模式较为成熟，智能技术较好的应用落地，当工厂运行积累了一定的数据，沉淀了知识，有优化提升的需求和举措，四级的智能化成果也会很好的应用、展现。

误区四  生产运行展示效果好的工厂就能达到四级

很多人去过这样的工厂，工厂整洁明亮、工艺布局有序、设备全自动化运行、机器人协同运作、物流配送无人化、指挥调度大厅大屏看板数据展示，看起来非常先进。有的工厂还指定“红毯”路线、观光车路线，配备专职的讲解员，每到之处讲解亮点。

首先，这种参观方式只能了解工厂的局部，讲解员固定的说辞未必是标准符合性评估需要采集的证据，而一些CMMM评估关注的要点，需要评估组去生产工位详细了解验证，例如产品换型时，设备是否自动切换加工程序。

其次，上面提到的生产高度自动化、大屏看板展示等，大部分是二级、三级要求，四级条款要求的数据分析优化、预测模型，这些底层逻辑也很难用大屏看板展现。还有些大屏看板只是为了“秀”一下，看板上展示数据的时效性、准确性、真实性经不起推敲，一些统计数据很难对生产调度、生产控制起指导支撑作用。随着移动技术的发展，很多实时信息未必要放到大屏上，通过移动终端、手机APP推送信息，特别是异常信息，比大屏更有意义。

因此，在四级评估的生产车间现场巡视时，更多查证显性的三级要求；而对于四级条款，一些实时的生产过程优化控制，要到总控的后台“大脑”或者数据分析平台去查证，还有些决策模型已集成到设备运行的底层控制逻辑中。生产现场展示效果好的工厂未必能达到四级。

误区五  高端智能化终端产品的制造工厂容易达到四级

高端、智能化产品蕴含的高新技术多，产品研发周期长，部分制造工艺环节较为复杂，企业在产品研发和工艺研发智能化应用投入较多。随着市场需求的旺盛，也驱动企业在生产环节智能化应用提升。对于结构复杂产品，产品制造的社会化分工较明显，各家工厂分别负责其中关键零部件的制造，或者几道关键工序的加工，再由终端整机厂商把所有零部件装配。

但是，由于终端厂商的品牌曝光度高，容易误解为一切技术都出自终端厂商。然而，在某些行业会发现，企业制造技术水平、智能化应用水平，部分关键零部件制造厂商要比终端产品制造厂商高，例如，液晶面板制造厂商与显示器、电视机制造厂商。

当然，这里不是说绝对，很多终端产品制造厂商的智能化水平也较高，整机的核心零部件也是自家生产，大型复杂产品的装配过程也需要较高水平的智能化技术支撑。

针对以上常见误区，企业需保持“归零”心态，对照标准，认真、客观的总结智能化优势能力。

四级企业识别方向

为了准确识别企业四级能力，需要对照标准条款，判断企业智能化应用的符合性。当然，企业还可以从其他几个侧面初步识别四级能力，这里提供几点方向。

产品制造的复杂性

从智能化需求测出发，驱动企业在制造过程使用智能化技术的源动力，在于制造过程的复杂性。这里复杂性包括多个方面，如产品结构的复杂性、制造工艺的复杂性、产品种类的多样性、市场需求的多样性、生产组织的复杂性，这些复杂性的解决一方面促使企业职能分工越来越细，岗位人员增加，另一方面也促使不断投入智能化建设减少人力。可以说，企业面对制造问题的复杂程度，解决复杂性问题的能力，代表了企业智能化应用的潜力，这也表现为每个行业独有的制造特点。

从这个角度来看，四级评估有些挑行业。有些企业虽然已经做到细分领域的行业龙头，但是产品不复杂，生产工艺不复杂，工厂生产的产品有限几种，市场需求较为固定，生产管理也较为简单，这样也就不需要多高的智能化建设，行业整体智能化程度也大致相当。企业也有提升的意愿，只是本身制造环境“复杂度”不够，一些智能化技术用不上，没有“需求”，通常这些行业的市场竞争也比较激烈。

行业创新引领能力

四级企业一般位于行业前列，为了保证其行业地位，在危机意识下会主动拉开与同行企业的差距，迫使自己不断提升，但是因为没有可对标的参照物，没有可借鉴的案例，必须不断激发自己的创新能力。四级评估要求的很多数据分析优化、预测模型，企业最终的应用场景都与行业制造特点密切相关，且解决的问题多是在行业内存在、但一直很难解决的，是行业内第一家攻关的。

从标准条款的引导方面，二级、三级很多条款要求比较明确，给企业智能化建设鲜明的指引，且应用场景适用于大多数行业，很多优秀案例可以跨行业互相借鉴学习。而四级条款，有很多是方向性的指引，描述的较为简要，这也给每家企业有更多的创新发挥空间。比如【仓储配送4b】“仓储模型实现库存优化”，这里库存优化可以是物料库存水平优化，或是出入库效率优化，或是库存容积承载能力优化；同时，结合生产业务过程，优化实现的部位既可在原料仓库，也可在半成品仓库、成品仓库。

数据应用环境

四级企业信息系统很多，有的是集团统一推进，有的是企业、事业部自行采购，动辄几十个信息系统。四级企业已意识到上系统不是最终目的，更重要的是整合好系统内的数据，尤其应用好关联的数据；同时，企业在三级建设中进行数据治理，规范数据编码规范、数据交换格式，也为四级数据应用打基础。

四级企业开展业务数据应用分析，需要构建数据应用环境。面对众多系统数据源，首要建立数据的汇聚平台（数据仓库、数据中台、数据湖），实现各方数据的整合，明确数据来源、数据格式、数据同步频率等等。根据生产业务需求，数据平台可能是1个或者多个，且数据来源多样，有的来自业务应用系统，有的来自数字化生产设备；用于后续数据分析的数据，还需在平台内进行必要的清洗与转换。通过数据分析应用工具，发现数据的关联与量化关系；再建立生产数据优化、预测模型部署于制造系统。

 智能化人才

 四级智能化能力还体现在企业具备的智能化人才规模和能力。四级企业应用的信息系统多，企业IT硬件、软件维护人员数量少则几十人，多则上百人。除了系统运维，上面提到数据治理、数据分析工作都需要相应岗位的人员配备。

此外，对智能化人才的要求不只是IT人员，还有来自各业务部门技术骨干，这些人员能够将平时的业务难点转化为智能化需求，具备智能化能力和意识，四级条款要求的生产优化预测模型构建，都离不开生产业务人员的探索和实践。

综上，随着更多的企业通过CMMM四级评估，对四级能力的识别会更加清晰。企业较难判断时，可以邀请参与过CMMM评估的评估师，特别是参与四级的评估师进行就绪检查，对照GB/T 39116-2020《智能制造能力成熟度模型》四级条款调研企业智能化实施成效。

有些企业经过能力识别，与四级水平还有些差距，或者当前已经达到三级，需要在哪些过程或哪些领域向四级继续提升，我们在下一篇《浅谈CMMM四级评估（二） 模型实践》继续探讨。

还有些企业通过能力识别，判断与四级水平大体相当，可以着手准备申请四级评估。针对四级评估如何准备，需要注意哪些事项，我们在《浅谈CMMM四级评估（三） 以评促建》篇进行讨论。