这部分内容提出：

面向经营过程的人、机、料、法、环一体化管理等业务 活动，针对资源利用率不高、生产管理效率低等问题，应用 六西格玛、6S 等精益方法，将精益管理理念与大数据、云计算、数字孪生等数智技术深度融合，实现绩效精准核算、资源高效流动、环境全面监控等，提高整体生产经营效率。

数智精益管理，这里又用一个章节专门提出来精益管理，其实我们在这四篇的对指引的个人解读中，一直强调精益管理，而且在以前写的内容中，我也不断的提到生产中精益管理的运用，甚至我在技术方案、设计方案中提出使用精益管理来提高方案可执行性、可实施性的能力，所以其实我个人任务数字化转型，或数字化实施的过程就是在逐步去贯彻精益管理、实现精益管理的一种手段。这里也明确提出了集中精益方法，如六西格玛、6S，按照指引中的这两个方法详细学习，的确对于精益管理会有更为准确和深刻的认识。这里提到的"绩效精准核算、资源高效流动、环境全面监控"算是对于精益管理的一种预期。

这部分内容提出：

面向产品多品种小批量生产、个性化定制等需求，通过 网络平台、大数据分析等方式收集客户多样化需求，打通研 发设计与生产环节，在个性化、模块化设计基础上，应用柔性制造系统、可重构产线等手段实现低成本、高效率生产， 在实现规模经济效益的基础上满足用户个性化需求。

小批量、个性化定制一直是制造业的“噩梦”，同时也是我们数字化建设、非标自动化设备设计等多个相关从业人员的“噩梦”。很多公司对于自己公司不适合做数字化、信息化，往往的拒绝方式就是说：“我们公司主要小批量、定制化的产品”。数字化实施公司为了体现自己的实施水平，往往也会第一句话就说：“xx公司产品以小批量、个性化定制产品为主........."。指引中特意提出这种生产模式，应该也是基于这种原因。在指引中提到的”通过 网络平台、大数据分析等方式收集客户多样化需求“，依据我个人理解，是期望于通过这种手段将小批量数量提高，使之能呈现一定程度的规模性，从而达到规模的经济效应。依据这种出发，这种应该说的大部分是toC的一种销售模式。例如今年年初的时候流行哪吒，这时候对于部分厂商会出现个性化的相关周边定制化需求出现。但是如果厂商能够对于这种需求提前通过网络平台、大数据分析，就可能对于这一个需求的未来规模做出一个提前量估计，这样就可以在节省出货时间的同时，极大的节省成本。这种方式不但能降低成本，而且由于信息的先发优势，就可以迅速的占领市场。当然，这所有的都是理想情况的估计。实际上就我这么多次定制化的经验来看，目前由于市场整体需求的萎缩和下降，生产在企业对于这种个性化定制极为慎重，基本不可能去走一点提前量，一定是需要收到客户全额定金之后，才能启动开始生产。当然这种一方面可以归结为是相关企业没有对客户多样化需求的提前认知和分析，但是更多的可以说是目前经济模式下的一种自保和生存策略。只有源源不断、持续扩大的需求才可能会让生产企业对于市场需求做积极布局，当需求萎缩的时候，可靠、高确定性才是生产企业最重要的生产标准。

指引中对于小批量、个性化定制同时提出了另外一种技术方案，“应用柔性制造系统、可重构产线等手段实现低成本、高效率生产”。柔性制造系统、柔性设计工艺，柔性生产是近几年被常提及的相关内容。近几年我公司也承接了柔性负荷控制、柔性空调改造等多个项目。柔性制造就意味着对于工艺设计、生产工艺、生产过程都有着极强的适应性，可以全部、或是部分的变更来适应需求的变化，这种方式在设计、生产中都对企业相关人员有着较高的要求，在数字化系统建设中，也对于建设、实施人员有着极强的业务属性要求。在调研、沟通的过程中，我曾在部分厂里见到过实施成功的柔性制造系统，但更多的是失败的案例，就我个人的所见来看，建议各位建设柔性制造系统需慎重。

可重构产线同样是应对小批量、个性化定制的重要手段。可重构产线目前我见过较为成功的产线设计方案就是快换产线和模块化产线。使用标准化的模块设计和快换接头，可以实现产线产品的迅速调整和更换。但是始终还是那句话，所有的柔性都是要建立在牺牲效率、速度的基础上，而且对于企业的生产能力、工艺设计能力、工序设计等能力有着只高不低的要求，这些能力的高要求，反过来就对于企业的生产管理、经营要求等多方面提出更高的期望，如果一个企业是期望于一套柔性制造系统、一套快换产线就能解决小批量、个性化定制的难题，我更希望他们把钱用来多买点产线设备和多招工人，这样才是更为可靠的解决方案。

面向市场营销、销售管理等业务活动，针对客户需求信息获取不及时、营销策略不合理等问题，建立销售管理系统， 应用基于深度学习的用户精准画像、市场需求预测、智能快速报价等技术，实现基于客户需求洞察的营销策略优化和供需精准匹配，提升营销精准性。

本章节提出的销售管理系统，其目的主要是对于客户的精准营销和供需精准匹配。我们一定要注意，自身企业的定位决定了是否需要这种数字化建设方案。就我们目前进行调研的绝大部分企业来说，他们都是作为固定客户的供应商来为大客户提供产品服务。当然你可以说是因为我们接触的这些企业不够高端，这种企业在行业内的地位较低所致。实际上就目前国内的制造生产环境来说，大部分制造企业锁提供的产品基本是相似的，或是差异性极小，除非面对与toC客户可能需要客户画像，否则大部分toB客户并没有更多的谈判空间，或是谈判筹码。对于是客户需求洞察的营销策略优化空间极小，当然并非都不需要这种建设方案，对于有自身研发能力，能持续研发新品，给相关客户进行推广、宣传、营销的时候，这种产品精准营销方案就显得极为重要，因为这是能找到精准客户，提供精准服务的很关键一环。

面向产品运维等业务活动，针对运维服务难度大等问 题，搭建远程运维服务系统，应用远程指导、故障预测等技术，实现产品的远程监控、远程诊断和预测性维护，提高产品运维效率，降低服务成本。

远程运维服务系统算是这几年数字化的较为热门的一个方面。其主要是使用产品的远程监控、远程诊断来提供远程的运维服务支撑。我公司就曾做过对某公司的产品进行远程监控、远程诊断的数字化项目，我们称之为运维一体化平台，可以实现对产品状态的实时监测、实时告警；同时利用设备制造厂商的设计模型和维修经验，对设备的关键参数进行建模，从而可以实现对产品的预测性维护。这种一般是针对于产品集成度高、附加值较高的科技产品。对于那种机加工企业、粗加工企业，你上来说建设一个产品运维一体化平台....emmm....我只能说你比给和尚卖梳子的销售要更牛逼。

面向产品增值服务等业务活动，针对价值挖掘不充分、 客户粘性不足等问题，推动产品智能化，远程实时采集产品状态数据，叠加软件订阅、按时租赁、产品操作优化等数据驱动的增值服务，拓展产品价值新空间。

本章节的内容可以看做是上一节内容的另一方面补充。提供远程服务、故障预测性维护等服务，本质就是增强客户的粘性，同时为产品赚钱更多的附加值。上一节中我们所提到的我公司建设的运维一体化平台也就是基于这种目的建设。前几年在有多个行业专家提出制造企业应该从卖“产品”向卖“产品+服务”的模式转变。这种模式在前几年最典型的就是燃油汽车。这两年随着新能源汽车的发展，这种模式被用到了极致。买车后，其他的所有功能都需要购买软件升级，或是OTA来实现，这种方式已经被大多数用户所接受。像小牛电动车这种日常出行的交通工具，也是将“产品+服务”这种销售模式做到了极致，“软件订阅、按时租赁、产品操作优化”这每个点都印证了小牛电动车这种产品的增值服务能力。

面向客户关系维护、产品服务迭代优化等业务活动，针对响应不及时、使用体验差等问题，建立客户服务管理系统， 应用多渠道客户数据整合、知识图谱、语言大模型、智能交互等技术，实现客户参与的产品迭代和服务优化，提高客户粘性和满意度。

这里提到客户主动服务，“应用多渠道客户数据整合、知识图谱、语言大模型、智能交互”目前在服务业具有较高的普及型，在制造业，个人感觉也仅仅是高端制造业会有这种需求。例如据说部分新能源车企对于长时间停放不开的车主主动电话告知，并提供帮忙开车出去的服务。这种算是客户主动服务的案例了。

面向供应商入库、评价、筛选等业务活动，针对供应商 比选难、管控能力弱等问题，建立供应商库，应用供应商风 险评估、供应链溯源等技术，实现供应商精准画像和智能筛选，开展基于数据分析的供应商评价、分级分类、寻源和优 选推荐。

对于制造企业而言，供应商都是一直是一个关注点。有部分企业供应商甚至是其核心机密之一。很多小企业对于供应商并没有建立“供应商入库、评价、筛选等业务活动”，完全依赖于手机里的那个电话。建立基本的供应商库，不一定需要实现“供应商精准画像和智能筛选”，但是开展供应商评价、分级分类是很有必要的一件事情。我公司硬件产品也有其自己的供应商，每个硬件产品在设计、测试、集成等过程中，需要和供应商的相关人员进行多方面交流，而且一个物料一定会从多个供应商进行采买，在比较物料价格的同时，需要对物料的性能、稳定度、集成度等多方面做整体评估，然后才能确定产品的最佳物料供应，然后以此生产自己的产品。在这整个过程中，就需要对供应商的物料进行评价和分级，同时对物料进行特性分析。

面向采购计划制定、执行等业务活动，针对市场波动大、 交付不及时等问题，建设供应链管理系统，应用集成建模、 多目标寻优、数据跨域控制等技术，开展市场、采购、库存、生产等数据的综合分析，实现采购计划自动生成和动态优化，并实现上下游供应商之间紧密协同。

对于制造业企业而言，原料、物料的成本波动是企业面临的最为致命的风险之一。例如2021年全球芯片短缺，导致大量的芯片制造业企业无法生产，宁可进行赔偿也不进行生产；今年的贵金属、有色金属的大幅涨价也导致很多相关企业产品成本急剧上升。当然这种全球市场长时间的市场波动，绝大部分企业都无法抵抗其风险，但是对于短期的市场波动，的确可以采用“采购计划优化协同”的方案进行应对，如指引中提到的“开展市场、采购、库存、生产等数据的综合分析，实现采购计划自动生成和动态优化，并实现上下游供应商之间紧密协同”。但是就我个人多年和多位企业负责人沟通的结果来看，这里仅仅通过供应链管理来实现这种风险应对，仅限于绝对的头部企业才可以办到，例如：比亚迪。对于绝大部分企业，对于这种波动没有行之有效的解决方案。我前段时间在和某个企业进行时沟通交流的时候，他们或许可以算是某种方案。此企业为SMT行业的企业，其公司为LG的核心供应链公司，因此他们大部分原料都来源于LG的全球供应链，LG凭借其在全球的领导地位，给其所有的供应商提供了稳定的原料供应链路；也就是依托于LG，他们公司在2021年芯片极其短缺的时候，依然可以保持其产能不受影响。

面向供应链状态监测、风险识别、快速调整等业务活动， 针对供应链不透明、风险响应滞后等问题，打造供应链协同 平台，应用多源信息感知、风险评估预测等技术，实现供应 链风险在线监控、精准识别、提前预警；应用资源智能匹配、 预案模拟仿真、供应网络自动切换等手段，实现供应链的自主修复，提升韧性和安全水平。

供应链分享预警和调度这种虽然可以通过指引大概明白其想要解决的业务场景，但是可能对于绝大部分数字化建设公司来说，都很难遇到这种需求。很明显这种建设需求基本是绝对的头部高端制造企业才会有的业务场景。我公司暂时没有这种能力，也没有这种合作案例可以分析，因此这里大家可以自行阅读理解学习。我个人认为国内比亚迪、特斯拉等企业的这种供应链分析应该是这种业务场景的典型案例。

面向供应链上下游多式联运调度、配送路线规划、运输过程监控等业务活动，针对物料和成品多点仓储、运输过程 监控难、配送周期长等问题，建设供应链物流管理系统，应用仓网规划、车货智能匹配、实时定位跟踪、智能路径规划、 智能驾驶等技术，实现物流全程跟踪、智能调度、异常预警 和高效处理，降低供应链物流成本，提升准时交付率。

供应链物流智能配送是供应链的最后一个环节。目前国内物流运输极其发达，因此供应链物流在大部分企业并不会受到重视。对于部分需要特种运输，或是存在特殊运输需求的行业来说，供应链物流也是其供应链的重要一环。指引中提到的“供应链上下游多式联运调度、配送路线规划、运输过程监控”等，都是数字化建设应用的场景。在指引中也提到了相关的技术方案“仓网规划、车货智能匹配、实时定位跟踪、智能路径规划、 智能驾驶等技术，实现物流全程跟踪、智能调度、异常预警 ”；这些很多读者朋友应该都很清楚。最近城市道路上出现的越来越多的无人货运车，就可以看做是一种供应链物流智能配送的前瞻性应用。我在解读以前的内容的时候也说过，随着低空经济的发展，目前部分企业智能物流配送开始无人机配送尝试。我公司最近也是在和某厂商合作，实验无人机物流配送，通过智能调度，空域航线规划，无人机自助飞行，飞行势态全景监控、异常告警等多个功能，提高是产品物流配送效率。

本文是《智能制造典型场景参考指引（2025 年版）个人解读》系列的最后一篇内容，我这里对整个指引所有的内容进行总结：整个指引包含了智能制造整个过程的所有场景，从工厂建设、产品设计研发开始，一直到最后的供应链管理，整个过程也为我们从事数字化系统建设的厂商指明了相关的业务方向， 因此我一直强调这篇指引是数字化系统的建设方略。虽然可能大部分中小企业都不可能完整印证这个指引中的所有场景，但是其数字化内容肯定都可以在这个指引中找到其解决方案或是数字化方向。

整个《智能制造典型场景参考指引（2025 年版）个人解读》内容分为四个系列，总计接近两万五千字。这个系列中我真针对指引中的每一点的内容逐条进行解读和分析，其内容不一定对，但是基本上都是都源于多年来我个人对于多家企业的调研、沟通和合作，希望能对各位读者有所启发。

应某位读者朋友的要求，下一篇内容我将呈现一片技术性方面的内容：《“云边端”架构设计详解》，欢迎各位有兴趣的读者关注。