先读懂这份指引的定位
工信部发布的《智能制造典型场景参考指引（2025 年版）》是一套参考框架，用于帮助企业识别工厂建设、研发设计、生产作业、质量、设备、供应链和经营管理中的典型场景。它不是软件采购目录，也不是要求每家工厂一次完成的清单。
中小工厂更适合把它当作检查表：哪些场景与自己的交付、质量和成本高度相关，哪些数据已经存在，哪些问题即使没有 AI 也应该先解决。选择的目标不是“覆盖最多名词”，而是形成一个可以运行、可以复盘的闭环。
一个场景必须有输入、动作和反馈
只有传感器、看板或一段算法，还不能构成完整业务场景。应写清对象是谁、什么事件触发、需要哪些数据、系统给出什么动作、谁做最终判断，以及结果怎样回到下一次执行。
例如“智能报价”不能停在读取图纸和显示一个价格。它至少要连接材料与数量、特征与工艺判断、历史工时、风险说明、工程师复核，以及实际生产结果对下一次估算的反馈。
用损失和频率排优先级
先列出候选场景，再问它是否每天或每周发生，是否直接影响交期、质量或现金流，是否有明确责任人，数据是否已经存在，以及三个月内能否看出变化。高频、高损失、数据可得且责任清楚的场景，通常更适合先做。
不要只选展示效果最强的场景。一个能减少错版加工的版本闭环，可能比一套复杂的工厂动画更有价值。
- 频率：问题多久发生一次，涉及多少订单。
- 损失：等待、返工、报废、延期或占款有多大。
- 可行性：数据是否存在，现场是否愿意使用。
- 可验收性：改善能否用同一口径持续测量。
加工厂常见的三个起点
第一个是图纸版本—工艺路线—检验计划闭环，解决错版与重复录入；第二个是订单交期—设备负荷—动态排产闭环，解决计划与现场脱节；第三个是设备状态—异常处理—维修记录—后续排产闭环，解决报警无人负责或维修经验无法复用。
三者不一定都适合每家工厂。选择时要看当前最主要的损失，并确认一线人员不需要为了系统重复填同样的数据。
AI 适合放在建议位置，而不是越过责任人
AI 可以提取图纸和订单信息、检索相似历史零件、归类异常原因、生成排产或工艺建议。它擅长减少搜索和整理时间，但结果会受到输入版本、历史数据质量和适用范围影响。
涉及安全、质量放行、设备控制和关键工艺时，建议采用“系统给建议—责任人确认—执行—留下记录”的路径。被修改或拒绝的建议也要保留原因，才能发现模型在哪些材料、结构或工况下不可靠。
智能场景怎样验收
准时交付率、排产调整响应时间、一次合格率、异常关闭时间、版本错误次数都可以成为指标，但必须写清分母、统计周期和数据来源。只展示几张成功订单截图，无法证明场景稳定。
验收还要看使用成本：一线新增多少录入，异常时能否回退，接口中断会不会阻塞生产，结果是否能被追溯。一个场景只有在日常运行中持续产生价值，才有资格扩展。
先完成闭环，再扩展到系统
场景之间真正可复用的是订单、设备、工序、物料、零件版本和质量事件的统一标识。先让一个场景的输入和输出稳定，再通过接口连接现有 ERP、MES、CAD/CAM 或质量系统，避免形成新的数据孤岛。
可视化能帮助管理，但不是制造能力本身。先把版本、工序、设备、质量和交付数据收对，再决定哪些信息需要展示。对大多数工厂，减少漏单、返工和等待比增加一块屏幕更重要。
- 把候选场景分成现在相关、暂不相关和未来考虑。
- 选一个场景做小范围试点，记录人工干预、异常和回退。
- 用固定指标和完整样本复盘，不只展示成功案例。
- 闭环稳定以后，再考虑大屏、AI 和跨工厂复制。