政策核心与目标 - 广东省发布《人工智能赋能制造业高质量发展行动方案（2025-2027年）》，提出16条政策措施，旨在打造具有全球影响力的“人工智能+制造业”融合发展示范区 [1] - 方案将实施“人工智能+制造业”标杆建设行动，并明确聚焦消费电子、高端装备、汽车、石油化工、金属制造、先进材料、泛家居、服装箱包、生物医药、食品、玩具等一批细分行业 [1] - 计划发挥市场广阔、场景丰富的优势，推动人工智能赋能制造业企业全流程智能化升级 [1] 具体应用部署与支持 - 将推动制造业企业围绕研发设计、生产制造、经营管理、产品服务、供应链管理等高价值场景创新应用人工智能技术，部署工业领域大模型和场景专用小模型，建设示范工厂 [2] - 将分批遴选和认定省级人工智能融合应用标杆，对符合条件的标杆项目择优予以资金支持 [2] - 持续深化制造业数字化“链式改造”路径，推动链主企业建设数智化供应链，基于工业大模型开展协同采购、制造、配送等应用，带动供应链企业智能化改造 [2] - 推动工业互联网平台企业开展技术创新、产品开发和标准制定，为产业链上下游提供人工智能解决方案，支持地市对效果突出的平台择优予以资助 [2] 中小企业赋能措施 - 将依托中小企业数字化转型城市试点政策，聚焦智能终端、新能源汽车、纺织服装等30多个试点行业，推动模型算法在中小企业重点场景落地应用 [3] - 对符合条件的中小企业智能化改造项目予以资金支持，并支持建设核心软件服务平台，推动中小企业应用融合人工智能的工业软件 [3] 财政与成本支持方案 - 将鼓励地市设立“模型券”，支持企业购买工业模型服务，并通过“算力券”、“训力券”等政策工具对符合条件的企业予以资金支持，降低算力使用成本 [4] - 2025年广东省财政预算安排1.32亿元支持人工智能领域前沿技术攻关项目实施，合计安排3家人工智能领域实验室21.96亿元支持基础研究攻关和科研平台建设 [4] - 通过省创新创业基金、省产业发展投资基金等政府投资基金联合地市引导社会资本投早、投小、投长期、投硬科技 [4] 产业投资与资本布局 - 广东省属国资国企推进制造业投资五年倍增计划，力争到2027年人工智能相关投资超200亿元，带动相关产业规模超1000亿元 [5] - 已形成包括广东省先进制造业产业投资基金、战略性产业促进发展基金在内的先进制造业基金群，累计认缴规模约700亿元，投资项目52个 [5] - 粤科金融集团成立人工智能方向科研机构联盟，签约总规模近30亿元的5支成果转化基金，汇集近120个人工智能项目 [5] - 恒健控股公司加快组建首期规模20亿元、总规模100亿元的人工智能和机器人产业投资基金，围绕产业链展开投资布局 [5]

新津区"智改数转"政策支持 - 成都市新津区"智改数转"助企提质增效案例入选《2024年度四川省优化营商环境典型案例集》[1] - 新津区组建"智改数转"工作专班 推出系列措施破解企业转型堵点难点[1] - 出台《成都市新津区大力支持民营经济发展壮大的若干政策（修订）》为企业提供政策支持[1] 财政补贴与奖励措施 - 对总投资100万元以上的智能化改造项目按10%给予补助[2] - 获得国家、省、市认定的工业互联网试点示范平台分别奖励200万元、100万元、50万元[2] - 2022年以来累计兑现相关资金超3000万元[2] 企业转型成效 - 每年新增上云企业200余家[2] - 每年实施项目100余个[2] - 获评市级及以上数字化车间和智能工厂15个[2] - 引育省级服务型制造示范企业3家[2] 区域发展成果 - 四川成都新津经开区入选工信部工业互联网新模式园区试点[2] - 新津区入选四川省第三批新型智慧城市试点[2] 企业服务与支持 - 开展政策解读、研讨交流等活动48次[1] - 组织企业家参加展会博览活动5次[1] - 为60余家企业提供定制转型规划[2]

制造业数据挑战核心观点 - 数据爆炸时代下，制造业面临数据杂乱、工具冗余、可视化混乱等问题，导致决策困难[1] - 数据分析师70%时间耗费在数据清理而非建模分析[2] - 有效数据应支持决策、解释因果关系并驱动现场改善[9][10][25] - 大野耐一名言强调数据必须结合现场观察才能产生价值[1][31] 数据清理耗时原因 - 数据来源杂乱：ERP/MES/Excel等多系统格式不统一，字段含义冲突[3] - 数据质量问题：缺项、重复、单位不一致及逻辑错误频发（如设备开机时间晚于停机时间）[4] - 数据孤岛现象：质量系统与生产系统数据无法匹配，需人工对照上百条记录[5][6] - 缺乏业务上下文：如设备运行时间包含待机等未明确定义的状态[7] 数据采集价值判断标准 - 决策导向原则：不参与决策的数据即为无效（如采集操作员身高）[9] - 因果分析优先：记录停机原因比统计停机次数更具价值[10] - 精益采集策略：聚焦关键变量（如工序用时、能耗曲线）而非无目的堆积[11][12] - 目标驱动模式：先明确业务需求（提升节拍/追溯质量）再反推数据需求[12] 可视化有效性缺陷 - 图表堆砌问题：单图展示十余指标导致重点模糊（如OEE图混杂多种停机状态）[14][15] - 缺乏解释维度：仅呈现产量下降10%而未定位具体工序缺陷[15] - 用户认知断层：分析师术语与一线人员理解能力不匹配[15] - 有效图表特征：单主题聚焦、趋势可视化、行动指引（如A工位效率下降3%）[16][17][18] 制造业与数据团队协作鸿沟 - 案例分析：品质波动误判因未发现量具松动，良率数据未捕捉客户关注缺陷[20] - 现场常识需求：需理解变量影响（原料批次/换型时间）、数据采集方式及异常分类逻辑[22][23][24] - 核心矛盾：算法模型脱离工艺知识将导致表面化结论[21][24] 数据驱动现场改善路径 - 问题定位机制：追溯异常数据至具体班组/时间点而非依赖平均值[26][27] - 行动闭环设计：将数据纳入早会/日报流程，明确责任人（如设备组跟进效率下滑）[28] - 语言适配原则：用非技术术语呈现结论（如"B工序原料杂质超标"）[29][30] - 价值实现关键：数据需引导改善行动而非仅作为KPI装饰[25][30]

制造业数字化博览会暨WOD世界制造业数字化大会 - 2025制造业数字化博览会暨WOD世界制造业数字化大会于6月17日启幕，制造业数字化全球发展中心同期揭幕并颁发"熵钥奖" [1] - 展会主题为"数智破局·生态共生：重构全球制造新引擎"，吸引来自10个国家和地区的200余家领军企业及约2万名专业观众参与 [1] - 作为全球首个聚焦制造业数字化全场景的专业展会，该平台成为制造业数字化转型和智能化改造的供需精准链接枢纽 [1] 制造业数字化全球发展中心 - 制造业数字化全球发展中心由上海市工业经济联合会下设上海市制造业创意促进中心联合12家单位发起成立 [1] - 中心成员涵盖制造企业、研发单位、产业园区，包括国有企业、中外合资企业和民营企业，具有多业和多元特点 [1] - 德国国家科学技术研究院院士皮特·萨赫逊教授和数智范式会展CEO周建良分别受聘为中心名誉主任和执行主任 [2] 中心功能与愿景 - 中心将在新技术运用、产业链合作、人才培养、标准制定、知识产权保护和示范作用等六方面赋能企业数字化转型 [2] - 皮特·萨赫逊强调生产制造业需要更深入协作，建立人、技术、设备和环境之间的关系，推动技术转移和成果转化 [2] - 周建良表示中心将链接全球智慧，推动产业变革，通过生态共生实现数字技术从产品试点到全域赋能的跨越 [3] 展会成果与影响 - 展会汇集领军企业数字化工厂解决方案和AI新锐力量，促成2000余份采购需求对接和海外团组跨境合作 [3] - 该活动被视为中国制造向世界发出的邀约，以开放姿态推动全球制造业高质量发展 [1][3]