明明上了数字孪生，为何智能工厂预审仍无法通过？
随着8月15日智能工厂线上申报结束，各省市陆续进入材料预审、现场核验阶段。
不少制造企业反馈，即便已经部署数字孪生、AI 看板等智能化系统，依旧在卓越级智能工厂预审、现场核验环节受阻，这类情况在行业内并不少见。看似是高端应用配置不足的问题，深究下来，卡点大多不在于上层智能化工具，而是企业忽视了生产端真实、连续、可追溯的数据归集能力建设。
对照《智能工厂梯度培育要素条件》、工信部《智能制造典型场景参考指引（2025 年版）》（工信厅通装函〔2025〕155 号）可以看到：智能工厂梯度评估的底层前提，是生产数据的统一、完整、可追溯，各类智能应用都需要可靠的数据底座作为支撑。
01 智能工厂申报常见误区
军工制造业，特别是离散制造普遍具备多型号、小批量、产研交织的特征，工艺变更频繁、自制外协并存。过去碎片化信息化建设，很容易造成数据分散、产研不通、追溯难度大等现状。
不少企业对标智能工厂梯度培育要求，优先上马数字孪生、工业大模型等前沿应用，却没有同步解决车间原始数据归集问题。上层应用缺少可信数据源，功能悬浮，既难以赋能业务，也达不到认定对数据真实性、连续性的核验标准。
政策文件中，生产作业是智能工厂建设的核心环节。计划调度、生产执行、质量追溯等场景，均以数据实时采集、过程留存为前置条件；卓越级、领航级对应的智能制造能力，同样建立在完备的数据基础之上。脱离数据根基，智能化应用便成无源之水。
02 以MES构建车间可信数据底座
在众多落地路径当中，MES（制造执行系统）是车间建设数据底座的主流选择。它不只是完成工单下发、工序打卡，更能够贯穿产品制造全周期，沉淀车间现场数据，打通从研发到交付的数字主线。
依托 MES 联动 PLM 工艺、车间人料机资源，形成工序级任务管控，完整留存设备、操作、质检、异常等信息，生成实作 BOM—— 即车间真实生产的事实数据源。
实作 BOM 数据溯源结构图
标准化MES系统，也可帮助企业实现多级装配、多产线协同：统一数据编码，把质量、追溯等管理要求固化到系统，打破产线数据壁垒，降低多型号并行生产的管理成本。
03 让智能应用发挥价值
把数据根基搭建到位之后，数字孪生、工业大模型等能力才能真正落地：
质量溯源提速：依托全链路数据为后续的快速问题溯源打好基础，满足质量闭环核查要求； 报表自动输出：产能、质量、成本报表自动生成，减少人工统计工作量； 工艺经验沉淀：把现场处置经验沉淀为知识库，降低重复试错； 释放AI价值：基于存量数据做故障预判、排产优化，破解生产瓶颈。 MES系统产品数据管理 04 面向梯度培育的三项内部自查
智能工厂建设遵循先筑基、后进阶。企业开展内部能力评估、储备下一轮认定条件时，相比打磨申报材料，优先核查数据基础更为关键：
数据留存是否完整：关键工序设备参数、操作、质检记录，能否留存并随时调取； 追溯链路是否贯通：成品可反向追溯工序、物料、责任人，满足闭环核查； 成熟度等级是否匹配：评估当前智能制造能力水平，核对卓越级、领航级的准入门槛。
任意一项存在短板，优先补齐数据基础，而非急于包装申报材料。
智能工厂梯度培育，核心考核的是真实生产能力，而非智能化工具的堆砌。企业可以结合自身现状选择适配方案，借助 MES 等系统完成生产数据归集，夯实底座之后，再推进上层智能应用建设，稳步推进智能工厂能力建设与梯度认定储备。
