2022年安徽省16市智能制造试点示范行动申报条件流程和材料附件

国家四个部门联合开展2022年度智能制造试点示范行动，那么安徽省内的单位应该如何申报呢？小编整理了安徽省智能制造试点示范行动申报条件流程和材料附件，合肥市、阜阳市、淮南市、宣城市、马鞍山市、铜陵市、亳州市、宿州市、安庆市、池州市、淮北市、滁州市、芜湖市、蚌埠市、黄山市、六安市想要申报的，可以咨询小编辅导申报。

安徽省智能制造试点示范免费咨询：19855108130（手机/微信）

一、安徽省智能制造试点示范内容

遴选一批智能制造优秀场景，以揭榜挂帅方式建设一批智能制造示范工厂，树立一批各行业、各领域的排头兵，推进智能制造高质量发展。《智能制造试点示范行动实施方案》详见附件1。

 

二、安徽省智能制造试点示范申报条件

（一）申报主体为在中华人民共和国境内注册，具有独立法人资格（石油石化、有色金属等有行业特殊情况的，允许法人的分支机构申报），近三年经济效益较好且信用记录良好的企业。已经承担智能制造示范工厂揭榜任务的主体不再重复申报。

 

（二）申报主体的智能制造水平应处于国内领先地位，具有较强的示范引领作用，使用的关键技术装备、工业软件须安全可控，解决方案须无知识产权纠纷。

 

（三）示范工厂申报主体应当通过智能制造数据资源公共服务平台开展智能制造能力成熟度自评估，需达到国家标准GB/T 39116-2020《智能制造能力成熟度模型》二级及以上或满足相关行业智能制造指导性文件要求。

 

（四）申报主体愿意主动配合开展现场评估和宣传总结，积极推广典型经验。

 

（五）申报材料中，示范工厂需详细描写建设场景，重点突出、言简意赅、逻辑严密，能从实施方法、实施要素等方面提供借鉴、引导创新，具有较强的可读性，不含涉及国家秘密、商业秘密等内容。每个场景描述控制在3000字以内，可配图说明。

 

（六）申报主体近三年未发生重大、特大安全生产事故，重大、特大环境事故，无违法违规行为。

 

三、安徽省智能制造试点示范申报流程

（一）申报主体应通过智能制造数据资源公共服务平台进行线上申报，纸质版材料应与网上填报内容一致。申报材料参考《智能制造典型场景参考指引》（附件2）和《智能制造示范工厂揭榜任务》（附件3）编写。申报主体须于2022年10月28日前完成线上申报，并对申报内容真实性负责。

 

（二）各地工业和信息化、发展改革主管部门建立会商机制，联合财政、市场监管主管部门组织对本地区申报项目进行推荐。推荐单位应于2022年11月11日前完成线上审核，按推荐项目优先顺序填写推荐汇总表，将纸质版申报书（附件4）、推荐汇总表（附件5）各1份，分别报送工业和信息化部（装备工业一司）、国家发展改革委（产业发展司）。

 

（三）各省（区、市）推荐的优秀场景和示范工厂申报主体分别不超过30个和10个。计划单列市、新疆生产建设兵团推荐的优秀场景和示范工厂申报主体分别不超过15个和5个。中央企业通过所在地推荐。推荐工作应遵循政府引导、企业自愿原则，优先推荐基础条件好、成长性好、示范性强的项目，并充分考虑行业覆盖面。

 

（四）工业和信息化部、国家发展改革委联合财政部、市场监督管理总局组织遴选并公布智能制造优秀场景名单和智能制造示范工厂揭榜单位名单，待示范工厂揭榜单位完成揭榜任务后（揭榜名单公布之日起不超过2年），组织开展成效评估，择优发布智能制造示范工厂名单。

 

（五）推荐单位应当加强对最终入选项目的指导和服务，并给予优先支持，鼓励有条件的地方在示范工厂培育基础上创建智能制造先行区。

 

关于安徽省智能制造试点示范申报，有什么不明白的地方，可以直接咨询小编了解。

安徽省智能制造试点示范免费咨询：19855108130（手机/微信）

 

附件1：智能制造试点示范行动实施方案

 

为深化智能制造推广应用，保证智能制造试点示范行动有序开展，制定本方案。

一、背景

“十三五”期间，工业和信息化部、国家发展改革委、财政部、市场监管总局等部门持续推进智能制造发展，先后遴选智能制造试点示范项目305个，推动建设了一批智能化示范工厂，催生了网络协同制造、大规模个性化定制、远程运维服务等新模式新业态，在重点区域形成独具特色的智能制造发展路径，极大调动地方、行业和企业实施智能制造的积极性，智能制造取得长足进步。

“十四五”时期，新一轮科技革命和产业变革深入发展，新一代信息技术与制造业深度融合，数字产业化和产业数字化进程加快，智能制造由理念普及、试点示范进入深入应用、全面推广的新阶段，已经成为推动制造业高质量发展的强劲动力。面对不断升级的智能制造发展需求，有必要以典型场景为基本要素，通过揭榜挂帅等方式推动示范工厂建设，探索智能制造最佳实践的标准化、模块化、精准化的推广路径，提升产业链供应链韧性和区域制造业水平，推动制造业产业模式和企业形态根本性转变，全面推进制造业数字化转型、网络化协同、智能化变革，促进工业低碳转型发展，加快推动制造强国建设。

二、总体目标

坚持立足国情、系统推进、分类遴选、动态调整的原则，以揭榜挂帅方式建设细分行业智能制造示范工厂，凝练总结一批具备较高技术水平和推广应用价值的智能制造优秀场景，带动突破一批关键技术、装备、软件、标准和解决方案，探索形成具有行业特色的智能转型升级路径。

三、试点示范内容

（一）智能制造优秀场景。依托工厂或车间，面向单个或多个制造环节提炼关键需求，遴选一批可复制、可推广的智能制造优秀场景，围绕技术、装备、工艺、软件等要素打造智能制造单元级解决方案。

（二）智能制造示范工厂。聚焦原材料、装备制造、消费品、电子信息等领域的细分行业，围绕设计、生产、管理、服务等制造全流程，以揭榜挂帅方式建设一批达到国际先进水平的示范工厂，大幅提升应用成效。

四、重点工作

（一）遴选梳理智能制造典型场景。总结“十三五”时期实践经验，探索“十四五”时期实施路径，通过案例征集、智能制造创新大赛等，梳理一批智能制造新模式新业态、凝练一批智能制造典型场景，为示范工厂建设提供参考指引。

（二）确定智能制造示范工厂揭榜任务。结合我国智能制造发展现状和未来趋势，围绕原材料、装备制造、消费品、电子信息等领域的细分行业，结合行业特点，明确智能制造示范工厂揭榜挂帅任务，制定年度计划。

（三）开展智能制造试点示范行动。鼓励地方工业和信息化、发展改革、财政、市场监管等主管部门联合推进省级智能制造示范工厂建设工作，并推荐成效显著、示范作用突出、成长性好的项目揭榜国家级智能制造示范工厂建设任务。工业和信息化部、国家发展改革委联合财政部、市场监管总局组织遴选并公布智能制造优秀场景名单和智能制造示范工厂揭榜单位名单，待示范工厂揭榜单位完成揭榜任务后（揭榜名单公布之日起不超过2年），组织开展成效评估，择优发布智能制造示范工厂名单。

（四）推广智能制造试点示范优秀成果。各单位需总结提炼智能制造示范工厂典型场景、实施经验和建设成效。鼓励各地方召开面向行业、区域的智能制造现场会，组织智能制造示范工厂深度行、系统解决方案供应商进园区和企业家对话等活动，编制优秀案例集。鼓励有条件的地方在示范工厂培育基础上创建智能制造先行区。

（五）实施动态管理。智能制造示范工厂有效期为3年（自示范工厂名单发布起），按照“动态调整”原则，定期开展复评。复评不通过的取消示范工厂称号。相关单位应定期提交项目实施进展情况。

五、保障措施

（一）加强组织领导。工业和信息化部、国家发展改革委会同财政部、市场监管总局做好试点示范项目的统筹协调、组织实施和评估管理等工作。充分发挥国家制造强国建设战略咨询委员会智能制造专家委员会作用，加强智能制造前瞻性、战略性问题研究。省级工业和信息化、发展改革、财政、市场监管主管部门做好试点示范项目的落地实施管理，加强对智能制造示范工厂的指导、支持和服务。

（二）强化政策协同。推动将符合条件的智能制造试点示范项目纳入重点研发计划、相关产业发展专项支持范围。推动国家相关产业基金、金融机构、社会资本和智能制造试点示范项目有效衔接。加强央地政策协同，鼓励地方出台配套政策，加大支持力度，引导各类社会资源聚集，形成系统推进工作格局。

（三）提升服务能力。发挥好智能制造数据资源公共服务平台作用，鼓励地方和行业积极接入公共服务平台，共同构建优势互补、协同发展的服务网络。加快重点标准的制修订与宣贯推广，加快构建一批以国家标准为核心的“标准群”，推动形成试点示范与标准应用试点互促共进的工作格局。加快系统解决方案供应商培育，推动规范发展，引导提供专业化、高水平、一站式的集成服务。

（四）加强总结宣传。各地方、相关行业组织、有关企业要强化试点示范项目经验总结，分行业、分区域开展系列宣传活动，构建多维度立体式宣传体系。利用世界智能制造大会、世界智能大会等平台，及时宣传智能制造优秀场景、新技术、新装备和新成效，树立行业、区域转型升级标杆。

 

附件2：智能制造典型场景参考指引

 

智能制造场景是智能工厂的核心组成部分，是指面向制造过程各个环节，通过新一代信息技术、先进制造技术的深度融合，部署高档数控机床与工业机器人、增材制造装备、智能传感与控制装备、智能检测与装配装备、智能物流与仓储装备、行业成套装备等智能制造装备，集成相应的工艺、软件等，实现具备协同和自治特征、具有特定功能和实际价值的应用。根据“十三五”以来智能制造发展情况和企业实践，结合技术创新和融合应用发展趋势，凝练总结了16个环节45个智能制造典型场景，为智能工厂建设提供参考。

一、工厂建设

通过三维建模、系统仿真、设计优化，实现基于模型的工厂设计、交付和建设，提高建设效率和质量，降低成本。

1.工厂数字化设计。应用工厂三维设计与仿真软件，集成工厂信息模型、制造系统仿真、专家系统和AR/VR等技术，高效开展工厂规划、设计和仿真优化，实现数字化交付。

2.数字孪生工厂建设。应用建模仿真、多模型融合等技术，构建装备、产线、车间、工厂等不同层级的数字孪生系统，通过物理世界和虚拟空间的实时映射，实现基于模型的数字化运行和维护。

二、产品研发

通过设计建模、仿真优化和测试验证，实现数据驱动的产品研发，提高设计效率，缩短研发周期。

3.产品数字化研发与设计。应用设计软件和知识模型库，基于复杂建模、物性表征与分析、AR/VR、数字孪生等技术，搭建数字化协同设计环境，开展产品、配方等研发与设计。

4.虚拟试验与调试。面向产品功能、性能、可靠性、寿命等方面，通过虚拟仿真开展试验、调试，缩短研发周期，降低研发成本，提高产品质量。

5.数据驱动产品设计优化。打通产品设计、生产作业、售后服务等环节数据，结合人工智能、大数据等技术，探索创成式设计，持续迭代产品模型，驱动产品优化创新。

三、工艺设计

通过制造机理分析、工艺过程建模和虚拟制造验证，实现工艺设计数字化和工艺技术创新，提高工艺开发效率，保障可行性。

6.工艺数字化设计。应用工艺仿真软件和工艺知识库，基于机理、物性表征和数据分析技术，建立加工、检测、装配、物流等工艺模型，进行工艺全过程仿真，预测加工缺陷并改进工艺方案和参数。

7.可制造性设计。打通工艺设计、产品研发、生产作业等环节数据，开展产品制造全过程仿真，优化工艺方案和物料清单，改善工艺流程，降低制造与维护的复杂性及成本。

四、计划调度

通过市场订单预测、产能平衡分析、生产计划制定和智能排产，开展订单驱动的计划排程，优化资源配置，提高生产效率。

8.生产计划优化。构建企业资源管理系统，应用约束理论、寻优算法和专家系统等技术，实现基于采购提前期、安全库存和市场需求的生产计划优化。

9.车间智能排产。应用计划排程系统，集成调度机理建模、寻优算法等技术，实现基于多约束和动态扰动条件下的车间排产优化。

10.资源动态配置。依托制造执行系统，集成大数据、运筹优化、专家系统等技术，开展基于资源匹配、绩效优化的精准派工，实现人力、设备、物料等制造资源的动态配置。

五、生产作业

部署智能制造装备，通过精益生产管理、工艺过程控制优化、产线灵活配置、设备协同作业，实现智能化生产作业和精细化生产管控，提高生产效率，降低成本。

11.精益生产管理。应用六西格玛、5S管理和定置管理等精益工具和方法，开展相关信息化系统建设，实现基于数据驱动的人、机、料等精确管控，提高效率，消除浪费。

12.先进过程控制。部署智能制造装备，依托先进过程控制系统，融合工艺机理分析、多尺度物性表征和建模、实时优化和预测控制等技术，实现精准、实时和闭环的过程控制。

13.工艺动态优化。部署智能制造装备，搭建生产过程全流程一体化管控平台，应用工艺机理分析、多尺度物性表征和流程建模、机器学习等技术，动态优化调整工艺流程/参数。

14.产线柔性配置。部署智能制造装备，应用模块化、成组和产线重构等技术，搭建柔性可重构产线，根据订单、工况等变化实现产线的快速调整和按需配置，实现多种产品自动化混线生产。

15.智能协同作业。部署智能制造装备，基于5G、TSN等新型网络技术建设生产现场设备控制系统，实现生产设备、物流装备、生产线等实时控制和高效协同作业。

六、质量管控

部署智能检测装备等，通过智能在线检测、质量数据统计分析和全流程质量追溯，实现精细化质量管控，降低不合格品率，持续提升产品质量。

16.智能在线检测。部署智能检测装备，融合5G、机器视觉、缺陷机理分析、物性和成分分析等技术，开展产品质量等在线检测、分析、评级、预测。

17.质量精准追溯。建设质量管理系统，集成5G、区块链、标识解析等技术，采集产品原料、设计、生产、使用等质量信息，实现产品全生命周期质量精准追溯。

18.产品质量优化。依托质量管理系统和知识库，集成质量设计优化、质量机理分析等技术，进行产品质量影响因素识别、缺陷分析预测和质量优化提升。

七、设备管理

部署智能传感与控制装备等，建设设备管理系统，通过运行监测、故障诊断和运行优化，实现设备全生命周期管理和预测性维护，提升设备运行效率、可靠性和精度保持性。

19.在线运行监测。集成智能传感、5G、机器视觉、故障检测等技术，通过自动巡检、在线运行监测等方式，判定设备运行状态，开展性能分析和异常报警，提高控制效率。

20.设备故障诊断与预测。综合运用物联网、机器学习、故障机理分析等技术，建立设备故障诊断和预测模型，精准判断设备失效模式，开展预测性维护，减少意外停机，降低运维成本。

21.设备运行优化。建设设备健康管理系统，基于模型对设备运行状态、工作环境等进行综合分析，调整优化设备运行参数，提高产量，降低能耗，延长设备使用寿命。。

八、仓储物流

部署智能物流与仓储装备等，通过精准配送计划、自动出入库（进出厂）、自动物流配送和跟踪管理，实现精细仓储管理和高效物流配送，提高物流效率和降低库存量。

22.智能仓储。建设智能仓储系统，应用条码、射频识别、智能传感等技术，依据实际生产作业计划，实现物料自动入库（进厂）、盘库和出库（出厂）。

23.精准配送。集成智能仓储系统和智能物流装备，应用实时定位、机器学习等技术，实现原材料、在制品、产成品流转全程跟踪，以及物流动态调度、自动配送和路径优化。

九、安全管控

部署智能传感与控制装备等，通过安全风险实时监测与应急处置、危险作业自动化运行，实现面向工厂全环节的安全综合管控，确保安全风险与隐患的可预知、可控制。

24.安全风险实时监测与应急处置。依托感知装置和安全生产管理系统，基于智能传感、机器视觉、特征分析、专家系统等技术，动态感知、精准识别危化品、危险环节等各类风险，实现安全事件的快速响应和智能处置。

25.危险作业自动化。部署智能制造装备，集成智能传感、机器视觉、机器人、5G等技术，打造自动化产线，实现危险作业环节的少人化、无人化。

十、能源管理

部署智能传感与控制装备等，通过能耗全面监测、能效分析优化和碳资产管理，实现面向制造全过程的精细化能源管理，提高能源利用率，降低能耗成本。

26.能耗数据监测。基于能源管理系统，应用智能传感、大数据、5G等技术，开展全环节、全要素能耗数据采集、计量和可视化监测。

27.能效平衡与优化。应用能效优化机理分析、大数据和深度学习等技术，优化设备运行参数或工艺参数，实现关键设备、关键环节等能源综合平衡与优化调度。

28.碳资产管理。开发碳资产管理平台和行业成套装备，集成智能传感、大数据和区块链等技术，实现全流程的碳排放追踪、分析、核算和交易。

十一、环保管控

部署智能传感与控制装备等，通过污染管理与环境监测、废弃物处置与再利用，实现环保精细管控，降低污染物排放，消除环境污染风险。

29.污染监测与管控。搭建环保管理平台，应用机器视觉、智能传感和大数据等技术，开展排放实时监测和污染源管理，实现全过程环保数据的采集、监控与分析优化。

30.废弃物处置与再利用。搭建废弃物管理平台和行业成套装备，融合条码、物联网和5G等技术，实现废弃物处置与循环再利用全过程的监控、追溯。

十二、营销管理

通过市场趋势预测、用户需求挖掘和数据分析，优化销售计划，实现需求驱动的精准营销，提高营销效率，降低营销成本。

31.市场快速分析预测。应用大数据、深度学习等技术，实现对市场未来供求趋势、影响因素及其变化规律的精准分析、判断和预测。

32.销售驱动业务优化。应用大数据、机器学习、知识图谱等技术，构建用户画像和需求预测模型，制定精准销售计划，动态调整设计、采购、生产、物流等方案。

十三、售后服务

通过服务需求挖掘、主动式服务推送和远程产品运维服务等，实现个性化服务需求的精准响应，不断提升产品体验，增强客户粘性。

33.主动客户服务。建设客户关系管理系统，集成大数据、知识图谱和自然语言处理等技术，实现客户需求分析、精细化管理，提供主动式客户服务。

34.产品远程运维。建立产品远程运维管理平台，集成智能传感、大数据和5G等技术，实现基于运行数据的产品远程运维、预测性维护和产品设计的持续改进。

十四、供应链管理

通过采购策略优化、供应链可视化、物流监测优化、风险预警与弹性管控等，实现供应链智慧管理，提升供应链效能、柔性和韧性。

35.采购策略优化。建设供应链管理系统，集成大数据、寻优算法和知识图谱等技术，实现供应商综合评价、采购需求精准决策和采购方案动态优化。

36.供应链可视化。建设供应链管理系统，融合大数据和区块链等技术，打通上下游企业数据，实现供应链可视化监控和综合绩效分析。

37.物流实时监测与优化。依托运输管理系统，应用智能传感、物联网、实时定位和深度学习等技术，实现运输配送全程跟踪和异常预警、装载能力和配送路径优化。

38.供应链风险预警与弹性管控。建立供应链管理系统，集成大数据、知识图谱和远程管理等技术，开展供应链风险隐患识别、定位、预警和高效处置。

十五、数字基建

通过建设数字基础设施，推动工业数据治理与可信流通、工业知识软件化，持续提升各环节数据的采集、处理、共享、分析、应用能力，支撑工厂业务运行与优化创新。

39.数字基础设施集成。部署工业互联网、物联网、5G、千兆光网等新型网络基础设施，建设工业数据中心、智能计算中心、工业互联网平台以及网络、数据、功能等各类安全系统，完善支撑数字业务运行的信息基础设施。

40.数据治理与流通。应用云计算、大数据、隐私计算、区块链等技术，构建可信数据空间，实现企业内数据的有效治理和分析利用，推动企业间数据安全可信流通，充分释放数据价值。

41.工业知识软件化。应用大数据、知识图谱、知识自动化等技术，将工业技术、工艺经验、制造方法沉淀为数据和机理模型，与先进制造装备相结合，建设知识库和模型库，开发各类新型工业软件，支撑业务创新。

十六、模式创新

面向企业全价值链、产品全生命周期和全资产要素，通过新一代信息技术和先进制造技术融合，推动关键技术装备创新、制造模式创新和商业模式创新，创造新价值。

42.网络协同制造。建立网络协同平台，推动企业间设计、生产、管理、服务等环节紧密连接，实现基于网络的生产业务并行协同，并将富余的制造能力对外输出，优化配置制造资源。

43.大规模个性化定制。部署智能制造装备，通过生产柔性化、敏捷化和产品模块化，根据客户的个性化需求，以大批量生产的低成本、高质量和高效率提供定制化的产品和服务。

44.人机协同制造。应用人工智能、AR/VR、5G、新型传感等技术，提高高档数控机床、工业机器人、行业成套装备等智能制造装备与人员的交互、协同作业等能力，实现基于高精度空间定位与追踪、动作感知、自然语言处理、情绪识别等功能的自主协同。

45.数据驱动服务。分析产品运行工况、维修保养、故障缺陷等数据，应用大数据、专家系统等技术，开拓专业服务、设备估值、融资租赁、资产处置等新业务，创造新价值。

 

附件3：智能制造示范工厂揭榜任务

 

智能制造示范工厂揭榜任务分为原材料、装备、消费品、电子信息四大类行业，揭榜单位按照所属细分行业进行揭榜。示范工厂建设内容需至少覆盖八个环节，具体建设内容参考《智能制造典型场景参考指引》，也可根据实际情况开展其他环节应用创新，鼓励开展新技术、新模式探索。建设完成后，揭榜单位需完成揭榜任务目标，生产效率、资源综合利用率、设备综合利用率、全员劳动生产率等显著提升，产品研制周期、运营成本、不良品率、单位产值综合能耗等大幅降低，产线作业人员有效优化，网络安全保障能力明显增强，整体智能化水平达到行业领先。

（一）原材料行业

聚焦石化化工、钢铁、有色金属、建材、民爆等细分领域，建设绿色、高效、安全和可持续的原材料行业智能制造示范工厂，探索应用分子级物性表征、实时优化控制、人工智能、5G等新技术和数字孪生工厂建设、碳资产管理等典型场景，实现资源优化配置、生产运行平稳、生产过程清洁化。

（二）装备制造业

聚焦通用装备、专用装备、汽车、轨道交通装备、船舶、航空航天、电气机械、仪器仪表等细分领域，建立高效柔性、敏捷响应、人机协同和动态调度的装备制造业智能制造示范工厂，探索知识工程、AR/VR、数字孪生、可重构生产、人工智能等新技术和产品远程运维、数据驱动服务等典型场景，不断优化装备产品性能，优化后服务水平。

（三）消费品行业

聚焦食品、饮料、纺织、服装服饰、皮革及制鞋、家具、造纸、印刷、医药、化纤、家电等细分领域，建立全生命周期质量管控、需求敏捷感知和产销用协同的消费品行业智能制造示范工厂，探索应用人工智能、区块链、数字孪生等新技术和大规模个性化定制、销售驱动业务优化等典型场景，打造以用户需求为中心的制造体系。

（四）电子信息行业

聚焦计算机、通信和其他电子设备等细分领域，建设高效配送、资源协同和柔性生产的电子信息行业智能制造示范工厂，探索人机高效协作、在线精密检测、人工智能等新技术和产品质量优化、工艺动态优化等典型场景，提高产品质量、性能和稳定性。