本文从智能制造场景设计的核心作用出发，根据流程工业的特点，总结了指导企业进行场景设计的基本原则，然后对场景设计的具体内容和方法进行分析，提出了一个智能化场景全生命周期设计框架模型，帮助企业进行场景确定、技术的选择和智能化设计，实现场景的落地建设。并且，本文还对当前主流的智能制造的关键技术进行综述，阐明了技术的应用范围，建立了技术和场景的链接关系，在企业进行技术选型时给予参考。希望通过本文的论述可以帮助通过智能化场景的设计及应用，实现价值创造，最终完成智能制造的转型升级。

1 场景设计的核心作用

智能制造场景设计是采用智能技术对某一业务或业务环节进行的智能化应用。它可以是业务整体，如安全智能化管理，也可以是业务管理中的某一环节，如机泵故障诊断等。对于流程行业，尽管其具有复杂的业务特征，但场景设计依然是智能制造的核心。本文首先对场景设计的核心作用进行分析，提出了四个方面的作用：

(1)实现智能制造目标的基本点是业务场景的落地。不论是“世界一流、行业领先”目标，还是“实现效率、效益双提升”目标，这些目标的实现都不能是仅仅堆砌几个信息管理系统，而是要通过具体的业务指标对标、产生的实实在在效益来体现。智能化业务场景设计的落地，可以体现出一流的行业领先指标，是实现智能工厂总体目标的基本前提。

(2)智能制造的价值不仅要通过投资回报率考量，还要能够助力企业竞争力的持续提升。无论是短期效益还是长期影响力，都是基于业务场景的运营模式改变来体现的。如对某个场景智能化采集数据，并通过数据分析，找出改进方向和措施，持续迭代，使得业务运行指标不断进步，这就是智能制造价值，它是由数据驱动引发业务管理方式变革、业务场景能力提升而产生的价值。

(3)智能制造基本载体是业务的智能化应用。智能制造是基于业务应用来解决当前业务过程中的问题或痛点，并提升业务运营能力。原来人工操作的，现提升为机器自动化操作；原来质量控制不稳定的，现采用预测控制实现质量无波动等，这些都是基于业务载体的智能化最佳表现。

(4)智能化场景是业务需求与智能技术的最佳融合体。智能技术对业务场景进行赋能，使其场景变成智能场景。有针对性地正确地选择相应的智能技术是业务场景成为智能化场景的重要环节，既要讲先进性，也要讲可行性，两者相辅相成才是最好的场景设计。

智能化场景设计是实现智能制造目标、价值的第一着力点，也是智能制造能否持续发挥作用、助力企业竞争力提升的重中之重，离开业务场景设计，智能制造就缺少价值兑现路径。对场景设计的核心作用的分析，可以帮助企业明确场景设计的目标，坚定场景设计的信心，迈出智能制造建设的第一步。

2 场景设计基本原则

流程行业的特点是原材料在生产设备中连续不断地经过混合、分离、加热、粉碎等物理或化学变化，实现原材料的转化和增值。大规模以及连续化的生产模式，使其工艺需要具有一定的自动化基础。流程行业智能制造一般是在现有基础上的智能化应用，很少会对工艺和设备进行大幅度调整。依据这些特点，本文提出了智能制造场景设计的四大原则。

(1)价值驱动原则。场景设计需要结合本企业实际，列出需要解决问题列表，并按价值大小对其分析、排序，优先选择价值提升幅度大的应用场景进入项目清单。价值不仅包括经济效益，也涵盖效率提升以及安全、环保、质量等的保证。

(2)创新驱动原则。流程行业智能制造场景设计，应重点考虑技术成熟度和应用业绩，但也不是唯一，价值最大者往往来源于原始创新。针对企业痛点或潜在较大价值点，尽管没有应用业绩，只要技术上存在可行性，企业也应该采取联合研发方式，进行创新实践。

(3)问题-方案-价值三部曲原则。首先应该明晰具体问题，并分析问题具体原因以及造成的影响。其次是解决方案设计，从技术先进性、可行性和易用性上综合考虑相应的架构设计、功能设计以及应用设计。最后，针对项目实施后带来的价值应给予重点分析，涵盖量化数据，不能简单含糊。价值分析过程也会触发方案的进一步评估、确认，在本文第4部分有详细阐述。

(4)业务主导原则。场景属于业务场景，一定由业务主导，而不是业务参与。不仅是因为业务对场景理解深刻、业务是智能制造场景的应用方，更重要的是因此明确了业务是场景设计的责任方，这样才能使业务工作更加主动、方案更加严格，效果才更加显著。同时应该积极开展调研活动，分析已有案例的亮点和问题，对场景设计具有不可替代的借鉴作用。调研中的对标分析是调研活动中的重要内容，掌握具体场景的业务先进水平，对智能化场景的建设目标乃至业务能力持续性提升具有驱动性意义。

3 场景设计具体内容

场景设计基于场景设计原则开展，其内容类似于信息化项目前期可研内容，但它又有较大差异。场景设计重点在于场景的选择与智能化设计，更强调方法的运用。即我们选择哪个场景，为什么选择这个场景、这个场景如何智能化以及这个场景智能化后能给企业创造什么价值。

场景设计主要内容见表1，每一项内容都应该基于一定的方法进行分析与设计。采用特定方法进行场景设计，不仅能使分析数据可靠，分析过程更具有逻辑性，同时，又能扩展分析者思维能力，使整个智能化场景设计更扎实、更具操作性。

表1 智能化场景设计主要内容

4 场景设计框架体系

智能制造场景设计的核心是将企业的发展战略与实际的业务痛点相结合，把企业发展目标转化为一个个可执行、可衡量、可增值的具体业务应用场景。这一过程不是简单的技术堆砌，而是在场景设计的理论框架、实施流程以及评价方法指引下，贯穿战略、业务、技术与数据的系统性工程。

4.1 场景设计框架模型

基于场景设计的基本原则和具体内容的论述，本文提出了一个智能化场景设计框架，如图1所示，主要包含理论框架、系统性流程和评价方法三个部分。通过从企业战略目标、业务需求出发直至数据基础的“纵向设计”，以及涵盖操作流程和评价方法的“横向设计”，确保业务场景化的落地应用可以精准服务于企业价值的创造。

图1 智能化场景全生命周期设计框架模型

4.2 理论框架

理论框架共包含四层，分别是战略目标层、业务场景层、技术支持层和数据基础层，层层递进，相互关联，逐级将战略解码，实现落地。

战略目标层：企业的战略目标决定了企业发展的方向，正确解读发展战略才能确保后续技术投入与业务目标相契合。不同企业的战略目标也不尽相同，例如追求极致的成本控制，追求卓越的产品质量，确保安全生产，追求绿色低碳发展等，深刻剖析企业的核心战略诉求，确定智能制造的升级方向。

业务场景层：这是目标转化为具体行动方案的核心环节。依据企业战略目标确定场景设计所属业务，并将该业务的现存问题、优化方向、行业标杆等以量化数据方式形成需求分析报告，明确场景智能化要达到的目标或能力，以及智能化后该场景业务管理方法的变革说明。

技术支撑层：依据确定的智能化场景，进行相关智能技术研究及选择。在大致清晰采用某一技术或某些技术组合后，进行必要技术交流和实际调研。交流与调研必须明确平台的适应性、软件成熟性、数据孤岛的解决方式、基础条件要求以及实施团队的技术能力。

数据基础层：数据是场景设计的基本前提，是智能化场景发挥作用的关键要素。数据基础层级更强调构建一个“采集-治理-分析-决策”即插即用数据流。即从设备和系统中全面采集数据，通过治理使其变得标准、可信，再利用分析工具挖掘其背后的业务洞察，最终将这些洞察反馈给业务系统，驱动自动化或辅助人工做出更优决策。

以上四个层级共同构成了一个设计框架，虽然表现为层层递进，但也存在必要的反馈、迭代与优化。例如某些情况下，技术支撑层可能会进一步指导优化业务场景层。

4.3 系统性流程

在具体场景设计时，企业依据上述理论框架，逐步将框架转化为实际成果，这个过程应遵循系统性流程。该流程包含四个首尾相接、持续迭代的阶段。

第一阶段是需求分析与场景识别。此阶段的核心任务是“做正确的事”，即精准定位哪些是最具价值的起点。企业应首先开展全面的现状评估，运用成熟的准备度模型，客观量化自身在业务、组织、技术等方面的基础条件。随后，通过理论框架“自上而下”的战略解读与“自下而上”的流程挖掘相结合，可视化地呈现现有业务流程，精准定位关键问题、聚焦差距或可提升空间、详细分析高耗或高风险环节。最后，运用价值与成本矩阵法将这些痛点优先级排序，优先选择那些“业务价值高、技术成熟”的速赢机会。

第二阶段是方案设计。此阶段的目标是将选定的场景深化为可执行的具体方案。组建跨职能团队，对业务痛点进行根因分析，并设定清晰、量化的改进目标。例如，目标不是“优化工艺”，而是“将特定产品的收率提升2个百分点”。基于明确的目标，提出智能化场景的功能需求，并进行初步的技术选型。一个关键但常被忽视的环节是“前置运营管理改善”，即提出与智能化场景运营时相配套的管理流程和工作方法，否则再先进的技术也只会是固化原有低效流程的“枷锁”。

第三阶段是详细设计。智能化场景设计不仅是智能化场景选择，也必须包括场景的落地设计，这是一个系统工程。详细设计阶段是将方案设计拆解为具体的、可执行的、可测量的技术任务，其通常包括业务逻辑和流程设计、数据与算法设计、硬件与交互及接口设计、非功能性设计等内容。其中业务逻辑与流程设计较为关键，涵盖场景触发条件与前置条件、端到端业务流程、执行动作定义和结束与退出条件等，避免后续“逆向工程”。

第四阶段场景运营。这是将场景设计转化为现实价值的关键环节，也是企业进行场景设计过程中最容易忽视的环节。系统上线后，工作重心应从“场景设计”转向“场景运营”，通过构建数据驱动闭环，持续监测核心指标，深入分析运营数据，对照需求分析环节提出的目标，提出场景设计改进清单，落实改进计划，不断发现新的优化机会。

4.4 评价方法

为确保智能化场景设计能够产生预期的回报，一套价值导向的评价方法不可或缺。该方法贯穿场景的全生命周期，本架构提出在需求分析与场景识别和场景运营两个环节需要借助评价工具进行评价。

首先，在场景启动前，准备度评估用于回答“我们是否准备好了”的问题，对企业当前的技术基础、数据成熟度、组织能力和业务流程进行量化打分。这不仅能够帮助企业识别短板、提前规避风险，也为后续的实施策略提供了重要输入，避免了在薄弱地基上建造高楼的风险。

其次，在场景落地实施完成后，实施效益评估则用于衡量“我们做得怎么样”。其核心是回溯阶段二设定的量化目标，跟踪装置收率、设备综合效率、单位产品能耗、产品合格率等核心绩效指标的实际变化。最终，评价的落脚点应回归到“数据价值闭环”的成效上，即数据是否真正转化为了业务洞察，而洞察又是否驱动了更优的决策，最终带来了实实在在的业务价值。

5 场景设计关键技术

智能制造是一种以信息技术、自动化技术、人工智能技术为基础，通过智能化、网络化、数字化手段，实现生产过程的自动化、智能化、柔性化、绿色化的先进制造模式。结合流程行业具体特点，本文整理了流程行业重点关注和应用的智能化场景设计技术，帮助企业在场景设计过程中进行技术的选型。

5.1 操作规程自动化技术

操作规程自动化技术不同于控制自动化技术。操作规程自动化是为了解决连续生产过程中过渡依赖熟练操作工而出现的，它是将装置操作规程(SOP)分解成操作步骤，并将操作步骤写成控制程序，从而由机器按程序自动完成装置的开车、停车以及正常的生产过程操作。连续操作和间歇操作相比缺少整体的逻辑性，它是由一个个小的操作单元集合成一个整体，然后以整体为单位进行操作，其目标是由机器自动完成整个流程操作。

操作规程自动化是基于国际标准ISA-TR106而实施的，该标准定义了操作规程自动化的全生命周期参考模型，见图2。其核心价值是在给定的工艺条件下，由机器将每个阀门、电机操作到所需位置。自动化的规程可以发出工作指令，自动执行定义的任务，并验证操作是否执行成功。操作规程自动化由有人操作升级为无人操作，使得工艺操作平稳性大大增强，减少对操作员经验依赖，从而提高生产过程的可靠性和安全性，提高操作效率，保障产品质量。

图2 操作规程自动化的全生命周期参考模型

操作规程自动化技术在智能制造场景设计中作用突出，且应用越来越广泛，主要适用于装置操作量大、操作不稳定、工况变更的场景，如装置开停工、负荷调整、顺序控制、三剂配置等。近年来，操作规程自动化技术不仅在局部场景普遍应用，而且已经在越来越多的大型装置上全流程应用。

5.2 工艺实时优化技术

在线实时优化(RTO)技术，是基于装置效益最大化为目标的在线优化技术。它实时跟踪原料性质、现场参数等变化，在满足工艺、设备约束的前提下，以原料、产品、公用工程价格为基准，利用数学模型、机理模型和快速、高效的优化与控制技术，对生产装置运行参数进行实时调整，并与APC先进过程控制技术相结合实现在线闭环控制，实现装置生产达到最佳经济效益的目标。RTO是解决流程工业过程优化的有效手段，是企业挖掘装置或联合装置经济潜力的最有效方法。图3是RTO运行过程图。

图3 RTO运行过程图

RTO技术有稳态实时优化技术、动态实时优化技术和基于神经网络的实时优化技术3种。其中稳态实时优化技术是目前主流的实时优化技术，主要是因为其模型是基于工艺全过程的严格机理模型，它既包括工艺过程每个设备的机理模型，也包括物质沿工艺过程在不同设备间的传递机理模型，更容易让企业和工艺人员理解和接受。实时优化技术能最大化的提高装置经济效益，同时又能在线发现装置瓶颈和设备问题，因而得到许多企业的青睐。同时实时优化技术也逐渐的从装置实时优化走向区域实时优化，以使企业整体效益的最大化。

实时优化技术的应用会给企业带来显著的效益，主要适用于如乙烯装置、重整装置、蒸馏装置，催化装置等需要进行控制优化的场景。通过建立机理模型，配合一定的原料分析手段，年效益基本都在千万元左右，且能在软件运行过程中实时发现装置工艺中的瓶颈，如压缩机能力等，对装置的潜在效益发挥有明显指导作用。

5.3 预知维修技术

关于预知维修，美国维护和可靠性专业协会发布的维修模式发展报告指出，常规维修模式下，其资源花费占比为故障维修55%、预防维修31%、预知维修14%。而采用预知维修模式下，其资源花费占比为故障维修8%、预防维修32%、预知维修60%。采用预知维修是能很好改变传统故障维修的工作模式，是降低装置因设备故障导致非计划停工，延长设备使用寿命的最佳方法。

预知维修是以设备运行状态为依据的维修。它是对设备主要部位进行定期(或连续)的状态监测和故障诊断，判定设备所处的状态，预测设备状态未来的发展趋势，并依据设备的状态发展趋势和可能的故障模式，预先制定预测性维护计划，确定设备应该修理的时间、内容、方式、需要的技术和物资支持的维修模式。流程行业中的设备从潜在故障到功能故障具有一个周期，图4是设备全生命周期P-F曲线，通过这种故障预测方法，可以在曲线的P与F之间选择合适时机将设备故障排除，实现装置稳定运行，大幅度降低生产安全风险。

图4 设备全生命周期P-F曲线

预知维修技术是智能制造场景设计近些年最受关注的技术。以前，生产现场的装置主要依靠高水平的预防维修来降低设备的随机故障，而一旦出现设备故障，只能尽快组织抢修。现在预知维修技术日渐成熟，它能够提前预测设备何时故障，并提前预警，从而消除非计划停车风险。如装置调节阀故障预测能够在调节阀有故障迹象时就开始发出信息，而且还能给出具体故障部位，如定位器、膜头、填料、阀芯等，给维修提供了巨大的便利，也充分保障了装置的稳定运行。

5.4 一体化平台技术

信息化时代，各企业都建设了许多信息系统，服务于企业各业务管理。但这些系统共性问题就是数据孤岛。数据孤岛既有某一业务内部各环节之间的隔离，也有业务与业务之间的数据壁垒，还有企业内部与企业外部协作方之间的数据不通。这种现象使得企业管理效率低下，影响数据的价值性运用，问题的关键在于缺少一体化平台。

工业互联网平台，类似手机的安卓、IOS等，其依托海量的数据接入、强大的数据存储、高效的数据处理引擎、开放的开发环境工具以及组件化的工业知识微服务等技术，实现工厂几乎所有业务的智能化、自动化、微服务管理。平台所具有的数据管理能力，能够按照统一的数据标准进行数据的采集、存储、计算以及服务。所具有的低代码开发以及应用集成能力，能够快速形成高效的微服务应用，彻底实现纵向集成、横向集成以及端到端集成。

一体化平台技术是智能制造场景设计的必选技术，新建工厂起步基本都是智能制造，实现这个能力的关键就是数据的价值运用，通过一体化平台技术将不同数据源的数据统一、标准化利用，解决数据孤岛问题，实现业务应用高效集成，打破业务之间壁垒。例如，工艺数据与设备数据以及质量数据的实时衔接，一步溯源分析、预测分析等。对于工厂来说，是先有业务系统，后有一体化平台，所以在数字化转型场景设计时，首先要选对一体化平台，其次要确定标准，然后再集成。

5.5 工业机器人技术

工业机器人的应用领域非常广泛，主要为汽车制造、电子制造、食品饮料、医药制造和物流仓储五大领域。近些年，流程工业机器人应用案例也开始大幅增加。如智慧实验室、立体仓库、现场巡检机器人、视觉分析机器人、管道检测机器人等，这些场景机器人的应用，极大地增强了现场操作的自动化水平，提高工作效率。

工业机器人是一种多功能、多自由度的机电一体化自动机械设备和系统，通过重复编程和自动控制，可以完成制造过程中的一些操作任务。结合制造主机或生产线，可形成单机或多机自动化系统，实现搬运、焊接、装配、喷涂等生产操作。流程工业机器人有一定的特殊性，其功能与范围相对要广泛一些。凡是能由机器替代人操作的行为都可计入流程工业机器人，包括上述功能的实体机器人，也包括类似代替人进行报销、报表、分析等操作的虚拟机器人RPA(机器人流程自动化)。目前流程工业广泛使用的巡检机器人需要根据具体场景设计，有时还要考虑防爆问题。

工业机器人技术是正在普及应用的智能技术，也是应用场合不断创新的智能技术。凡是现场操作繁重、高危的场合，都可以采用机器人加以替代。目前应用较为成熟的场景有巡检机器人，如配电室巡检、罐区巡检、电解槽泄漏和断流检测、橡胶产品质量检测等；智慧实验室，如无人送样车、机器人分样与化验等；仓储、包装的全流程机器人作业，如机器人抓包、机器人叉车自动立体库等，都是机器人在工厂应用的典型场景。

5.6 工业AI技术

工业AI是人工智能技术结合工业生产过程，实现人类感知、分析、决策等能力的模仿或超越的技术。并通过人工智能技术与工业场景、机理、知识的结合，达到设计模式创新、生产智能决策、资源优化配置等的具体应用。流程工业AI大模型则是人工智能在流程行业的特定应用产品，主要通过构建规模庞大的模型来处理复杂任务，包括瓶颈分析、评估诊断、预测预警、模拟计算以及操作寻优等。

工业AI在流程工业应用场景有很多，如质量视觉智能检测、工艺数字孪生、安全风险自动识别、供应链预测分析、维修策略优化等。在类似的场景中，由于人的工作量巨大，普通的方法难以实现或是难以精确实现。而通过机器学习、深度学习、强化学习、计算机视觉、自然语言处理等工业AI技术，却能够很好的解决这些问题。

工业AI技术是近些年才进入工业装置开始实质应用的，但势头迅猛。除了文中提到的能力和应用场景外，重点是全装置可以构建、应用一个大模型，进行几乎所有专业的预测性应用，如收率预测，设备异常预测等，而不需要建设若干个独立的专业应用系统。工业AI现在还在起步阶段，但是已有大批技术型企业发布了相关产品，例如中控技术提出的首个流程工业AI大模型TPT，将装置变成智能体，替代人类的思考过程，对装置运行过程进行自主识别、评估、决策和执行，目前已在无人调度、电解槽运行优化、锅炉燃烧控制等场景落地应用。虽然目前工业AI的局部场景案例较多，随着技术的发展，一个模型实现全场景应用的时代很快机会到来。

6 场景设计案例

氯碱工业工艺复杂、连续性强，高能耗、高危险、高腐蚀，长期面临着安全风险高、能耗大、质量不稳定等问题，在数字化转型过程中，氯碱行业企业纷纷有针对性提出智能化场景需求，本文以某氯碱企业智能化场景设计的实践案例，阐述本文提出的场景设计的全生命周期设计框架模型的应用方法。

6.1 从战略引领到业务痛点的场景识别

某氯碱企业在数字化转型时，提出了“本质安全、质量优先、降本增效”的数字化转型发展目标。依据这一目标，企业在需求分析阶段，通过现状评估与业务流程解构，发现整个生产过程人工操作太繁琐，而且其开车、停车和异常处置，高度依赖于操作员对纸质操作规程(SOP)的理解与执行。不同班次操作员的操作差异常导致产品质量波动，存在安全风险。在紧急工况下，人工响应速度的延迟又会放大生产风险。这一痛点直接制约了企业战略中的安全与质量目标的实现，也极大地影响了企业成本的有效控制。通过调研，企业拟通过全流程自动化操作来改进工艺操作水平，将资深工程师的最佳实践固化为可重复、可追溯的标准化数字程序，由机器自动操作取代人工操作，最大程度地减少人工操作，从而实现战略意图在基层的精准落地。这一场景识别具有将企业发展战略充分落地的典型特征。

6.2 从目标到可执行方案深化的场景方案设计

在明确场景方向后，需要进行场景方案的设计：

(1)目标分解。通过对全流程操作规程的详细研究，以及对经验丰富操作员操作记录的跟踪，发现全流程自动化操作是可行的，因此确定了“无人操作”作为操作自动化目标。

(2)功能设计。将整个流程按工艺管理分成7个单元，即一次盐水、二次盐水、电解、阴阳极液循环、氯氢处理、氯氢压缩、盐酸合成。本次先行设计一次盐水、二次盐水、电解槽三个部分(其余计划二期进行)，每一部分分别实行操作自动化，然后单元之间按响应条件构成顺序关系和链接关系，各自按需求自动操作，从而形成全流程操作自动化。功能设计如图5所示。

图5 某氯碱装置全流程自动操作功能设计框图

(3)智能技术。操作自动化场景设计需要考虑采用什么技术或者什么样的组合技术来实现。本氯碱装置操作自动化采用的关键技术是操作规程自动化技术，主要有操作导航(PILOT)软件，先进控制(APC)软件、报警管理软件(AAS)以及PID回路优化软件等。

6.3 构建价值闭环的场景持续运营

参考详细方案设计，在实施前，对企业的准备度进行评估，发现部分关键调节阀CV值偏小、部分电磁阀线圈过热，因此，将这些阀门进行了更换，并把现场所有仪表都做了校验，确保了自动化程序所依赖的“感官”是灵敏而可靠的。

在实施后，对建设效果进行了评估，核心绩效评估显示，该氯碱装置报警频次减少90%，生产装置操作频次下降90%以上，生产平稳率达到99%以上。碱产品合格率达到百分之百，电解槽出口碱液浓度波动绝对值小于0.2，能耗降低2%~5%，目标产品收率提升1%~5%。整个氯碱工厂运行人力下降67%，基本达到“无人操作”的程度。

最后，本案例企业构建了持续运营的闭环，上线的操作规程并非一成不变，而是通过持续收集操作数据与异常事件，以及运行的持续平稳，工艺工程师不断复盘和优化控制逻辑。例如，原程序中的部分人为确认环节逐渐改为自动运行，原逻辑中需要人为手动调整的设定值(如频率控制)逐渐由系统自我调整。

本案例借助氯碱企业生产装置操作自动化场景的设计，从战略目标出发，逐步落实到具体场景，并匹配相应的技术和数据基础，最终依靠流程化设计和闭环评价，实现场景设计的落地应用，使装置操作进入“监测-分析-优化”的良性循环。

7 结语

本文通过对场景设计的作用、基本原则、主要内容进行分析，提出了一个智能化场景全生命周期设计框架模型，指导企业从战略出发，挖掘业务场景，并与技术、数据等资源相配合，实现场景设计的落地应用和闭环评价。本文还对关键技术进行综述，提出关键技术的适用条件，指导企业进行技术选型。最后以某氯碱企业装置操作的场景设计的案例，阐明了本文提出的框架的实践应用方法，表明了框架的可行性。

智能制造场景设计是落实我国《智能制造典型场景参考指引(2025年版)》的主要路径，坚持智能制造场景设计原则，正确运用场景设计关键技术是智能制造实现预期目标的核心要素。通过智能制造场景设计，可以针对企业生产运营过程中的具体问题及需求，结合当前新兴的智能制造技术进行针对性的开发设计，最终达到解决实际问题的目的，实现技术的场景化落地。希望本文的论述可以帮助从智能制造场景设计入手，以点带面，逐步推动企业智能制造建设，助力中国制造业的转型升级，为我国由制造大国迈向制造强国贡献一份力量。

作者：刘彦波 郑东波 邵嘉铭 吴刚 赵路军