工业互联网成熟度评估三大核心要素

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。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。

一、 工业互联网成熟度评估提出的原因

（一）工业互联网应用浪潮来袭

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 I IC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。

（二）联盟需构建先导性的标准化模型

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。

（三）为企业提供一个便利的自我评价工具

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。

（四）为政产研用搭建一个持续透明的 信息窗口

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。

二、 工业互联网成熟度评估模型

（一）评估模型的架构

1、三大核心要素

遵循《工业互联网体系架构（版本 1.0）》的主体思路。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。

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

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。

图1 工业互联网成熟度评估三大核心要素

2、两大目标对象

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。

3、十三个关键能力和能力等级

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）。

图2 工业互联网成熟度评估的关键能力

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。

（1）互联互通要素：智能设备联网

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：

图3 智能设备联网能力等级

（2）互联互通要素：信息网络设施

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：

图4 信息网络设施能力等级

（3）互联互通要素：生产资源连接（离散）

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：

图5 生产资源连接能力等级

（4）综合集成：横向集成

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：

图6 横向集成能力等级

（5）综合集成：纵向集成

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：

图7 纵向集成能力等级

（6）综合集成：端到端集成

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。

离散行业能力等级如下：

图8 端到端集成能力等级（离散）

流程行业能力等级如下：

图9 端到端集成能力等级（流程）

（7）数据分析利用：运营智能决策

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：

图10 运营智能决策能力等级

（8）数据分析利用：产品生命周期优化（离散）

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：

图11 产品生命周期优化能力等级

（9）数据分析利用：生产智能管理（流程）

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：

图12 生产智能管理能力等级

（10）数据分析利用：供应链优化

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：

图13 供应链优化能力等级

（11）数据分析利用：网络化协同（离散）

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：

图14 网络化协同能力等级

（12）数据分析利用：能耗与安全管理优化（流程）

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：

图15 能耗与安全管理优化能力等级

（13）数据分析利用：服务化延伸

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来经营。能力等级如下：

图16 服务化延伸能力等级

（二）评估模型的指标体系

1、具体指标

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。

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）：

图17 离散行业工业互联网成熟度评估指标体系

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）：

图18 流程行业工业互联网成熟度评估指标体系

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。 在综合集成要素中，主要评估企业从现场层、车间层到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。

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。

2、权重设置

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。

图 19 权重设置的思路和修正方法

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。

经过三轮修正，确定一级指标和二级指标的权重值如下：

图20 二级指标和三级指标的权重设置

三、工业互联网成熟度评估模型的应用和试评估

（一）应用方法

1、指标量化采集

依照评估指标体系，本模型设置了对应的评估问卷，问卷题目包括定量和定性两种，定量指标可以直接采集数值对应不同分值，定性指标通过对不同发展程度给出阶段性描述，然后根据企业具体实践情况对应不同分值。

定量题均设置 5 个层级，定性题设置 3-5 个层级，设置方法主要依据上文中关键能力的能力等级。每个层级对应一定的分值，以下各举一例（如图表 21 所示）。

图21定量指标和定性指标的量化采集及打分原则

2、实时结果计算

各选项均对应 100 分内的不同分值，而且是分值越高越好，因此不需要对指标进行无量纲化处理，可直接应用如下公式中的加权平均模型来计算具体的评价得分情况。

3、对应星级评定

评估问卷中每道题的选项设置均依照梯次递进的思路，一定程度上反映了企业工业互联网建设的过程。该模型可以对一级指标和二级指标中的单项能力进行评估，也可以对总体能力进行评估，最终评估结果采取星级制。

一级指标和二级指标的单项能力评估分值和星级对应原则如下：

图22 单项能力评估分值和星级对应原则

总体能力评估分值和星级对应时不仅要求总体分值达标，也对单项能力分值设置了门槛，避免了单项能力过于薄弱而总分达标的企业获取较高星级的情况，如果总体分值达标，但某一单项能力分值未达标，则做降级处理，如 A 企业总体分值达到了 3 星，但其中一个单项能力低于 35 分，则只能评定 2 星。对应原则如下：

图23 总体能力评估分值和星级对应原则

（二）试评估结果分析

为了保证该评估模型的适用性和科学性，联盟上线了在线评估调查问卷简版，并邀请联盟成员结合自身实际情况进行问卷填写，并反馈对问卷的意见和建议。历时2 周，联盟共收到了有效问卷 22 份，其中包括离散型制造企业 12 个，流程型制造企业 10 个，虽然样本数量有限，但也一定程度上代表了当前工业互联网的建设水平和发展特点，能够为企业、研究机构、政府部门等提供一定的参考。

1、 工业互联网成熟度总体能力水平

基于本成熟度评估模型，22 份有效样本中，1 星企业 1家，2 星企业 5 家，3 星企业 9 家，4 星企业 6 家，5 星企业1 家，其中有 4 家企业因单项能力弱被降级（如图表 24 所示）。

图24 工业互联网成熟度总体能力试评估结果

以上评估结果显示现阶段我国工业互联网成熟度水平呈现如下特点：

图25工业互联网成熟度总体能力星级分布

4.5%的企业工业互联网建设尚未启动，设备和系统孤岛问题明显，数据采集工作尚未起步，数据价值意识薄弱。

22.7%的企业工业互联网建设刚刚开始，互联互通基础设施具备一定基础，系统集成工作覆盖部分环节，数据采集和分析尚处于探索阶段。

40.9%的企业工业互联网建设逐步推进，互联互通能力不断提升，纵向集成基本完成，端到端集成和横向集成具备一定基础，数据采集工作已经启动。

27.3%的企业工业互联网建设比较完善，基础设施互联互通和系统集成度较高，数据流已经基本贯通，对新型工业网络、 云计算、大数据等新技术的应用比较广泛，数据价值挖掘意识较强。

4.5%的企业工业互联网建设水平领先，基础设施互联互通和系统集成度高，企业内部数据流和供应链上下游价值流已经全线打通，新技术应用比较成熟，数据价值挖掘比较充分。