T/CSNAME 171-2026 船舶总装建造数字化转型成熟度评估模型

ICS 47.020.01 CCS U 11

团体 标准

T/CSNAME 171—2026

船舶总装建造数字化转型成熟度评估模型

Maturity evaluation model for digital transformation of ship final assembly and

construction

2026-06-05 发布 2026-09-05 实施

中国造船工程学会发 布

目次

前言 II

1 范围 1

2 规范性引用文件 1

3 术语和定义 1

4 缩略语 2

5 模型构成 2

6 评估等级 4

7 评估要素 5

7.1 要素组成 5

7.2 人员 6

7.3 技术 6

7.4 资源 7

7.5 制造 7

7.6 成效 8

8 评估要求 8

8.1 人员 8

8.2 技术 10

8.3 资源 12

8.4 制造 15

8.5 成效 32

参考文献 44

I

前言

本文件按照GB/T 1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起草。

请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。

本文件由中国造船工程学会船舶标准化专业委员会提出。

本文件由中国造船工程学会归口。

本文件起草单位：中国船舶集团有限公司第七一六研究所、中船数字信息技术有限公司、中国船级社、中国造船工程学会、中国矿业大学、中国信息通信研究院、中国船舶集团有限公司综合技术经济研究院、上海交通大学、外高桥造船有限公司、中远海运重工有限公司、江南造船 (集团)有限责任公司、沪东中华造船 (集团)有限公司、芜湖造船厂有限公司。

本文件主要起草人：徐鹏、刘烨、王松云、姚建伟、刘荣华、杨小龙、强兆新、郝金凤、曹林、张轲欣、刘伟、秦威、李松、吉永军、张灿、于洋、马彦军。

II

1 范围

本文件规定了船舶总装建造数字化转型(以下简称数字化转型)成熟度评估模型的构成、评估等级、评估要素和评估要求。

本文件适用于船舶总装建造企业自我评估、第三方评估和政府部门监管等应用场景， 覆盖设计、生产、供应链、服务等全流程。

2 规范性引用文件

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件;不注日期的引用文件，其最新版本(包括所有的修改单)适用于本文件。

GB/T 2589 综合能耗计算通则

GB/T 15190—2014 声环境功能区划分技术规范

GB 12348—2008 工业企业厂界环境噪声排放标准

GB 16297—1996 大气污染物综合排放标准

GB/T 22239—2019 信息安全技术网络安全等级保护基本要求

GB/T 36073—2018 数据管理能力成熟度评估模型

HJ/T 399—2007 水质化学需氧量的测定快速消解分光光度法

HJ 828—2017 水质化学需氧量的测定重铬酸盐法

T/CSNAME 170—2026 船舶总装建造数字化转型评估方法

3 术语和定义

T/CSNAME 170—2026界定的以及下列术语和定义适用于本文件。

3.1

数字化转型 digital transformation

应用数字技术对管理对象、管理过程、管理规则“数字化”，针对船舶总装建造企业的业务活动、流程、数据进行系统性重塑的过程。

3.2

成熟度评估模型 maturity evaluation model

一种结构化框架，用于系统性评估组织在特定领域(如数字化转型)的能力发展阶段。

3.3

数据赋能 data empowerment

通过数据的有效利用，增强其业务决策、流程执行和创新能力的过程或状态。

3.4

数据资产 data asset

数字化转型中产生的具有经济价值的结构化或非结构化数据资源，包括设计数据、生产数据、运维数据等。

3.5

安装调试 installation and commissioning

使设备、管路、电气等系统完成安装，并通过功能测试达到运行标准的一系列活动。

3.6

物流 logistics

为满足客户需求，对物料、零部件、设备等实物从供应点到接收点的流动和储存进行的计划、执行与控制。

1

3.7

集配管理 distribution management

为满足生产现场需求，对物料从存储点到使用点的配套、拣选与配送活动进行的计划与执行。

4 缩略语

下列缩略语适用于本文件。

AI：人工智能(Artificial Intelligence)

APS：高级计划与排程(Advanced Planning and Scheduling)

AR：增强现实(Augmented Reality)

BI：商业智能 / 商务智能(Business Intelligence)

CAPP：计算机辅助工艺规划(Computer-Aided Process Planning)

ERP：企业资源计划(Enterprise Resource Planning)

IIOT：工业物联网(Industrial Internet of Things)

IOT：物联网(Internet of Things)

IT：信息技术(Information Technology)

MBD：基于模型的定义 / 模型定义(Model-Based Definition)

MES：制造执行系统(Manufacturing Execution System)

MR：混合现实(Mixed Reality)

OCR：光学字符识别(Optical Character Recognition)

PDA：个人数字助理(Personal Digital Assistant)

PDM：产品数据管理(Product Data Management)

PLM：产品全生命周期管理(Product Lifecycle Management)

RFID：射频识别(Radio Frequency Identification)

RPA：机器人流程自动化(Robotic Process Automation)

SCM：供应链管理(Supply Chain Management)

SDN：软件定义网络(Software-Defined Networking)

STMS：试航管理系统 / 试验管理系统(Sea Trial Management System)

TMS：运输管理系统(Transportation Management System)

TSN：时间敏感网络(Time-Sensitive Networking)

VR：虚拟现实(Virtual Reality)

WMS：仓库管理系统(Warehouse Management System)

XR：扩展现实(eXtended Reality)

5 模型构成

本模型由评估等级、评估要素和评估要求构成， 如图1所示。评估等级包含五个等级， 见表1。评估要素由人员、技术、资源、制造和成效等评估域构成， 评估指标是基于评估域构建评估数字化转型的三个层级指标，见表2。评估要求规定了每一个第三层级指标在不同评估等级下应满足的具体条件，见表3到表7。

2

一级指标 二级指标 三级指标

技术

资源

基础设施

信息安全

设备场地

战略

人员

数据赋能

资金

评估要素

评估等级

集成

集成能力

人员技能

数据 赋能

网络

设备

场地

存储计算

组织建设

转型战略

流程管理

变革管理

业务数据化

数据管理

数据业务化

数据资产

制造

数字化服务

数字化运营

数字化供应链

数字化设计

生产 管理

产品服务

生产保障

仓储集配

精度管理

安全环保

质量管理

生产 设计

采购

物流

生产 作业

客户服务

数字化生产

营销

财务

船体设计

舾装设计

涂装设计

工艺工法设计

生产计划管理

物量工时管理

生产准备管理

生产运行调度

劳务管理

钢材堆场

钢材预处理

下料加工

组立制作

舾装制作

预舾装

涂装

总组搭载

安装调试

试航

安全管理

环保管理

质量规划

质量检验

精度规划

精度检测

能源管理

设备管理

仓储管理

集配管理

图1 评估模型

3

节能减排

安全生产

全员劳动生产率

订单交付准时率

供应商交货准时率

库值系数

库存周转率

分段 原坡口保 留率

关键设备综合利用率

人均年造船修正总吨

单位船坞、 船台面积产出率

造船生产效率

每修 正总 吨工时消 耗

钢材综合利用率

生产设计废返率

造船综合能耗

中间产品设计完整性率

分段上船台无余量搭载率

托盘完整化配送率

单元模块化率

三维设计建模率

数字化设计工具功能模块使用率

关键工序 数控 化率

关键设备数控化率

一级指标 二级指标 三级指标

成效

评估要求

生产运营效率

可持续发展

价值效益

能力提升

转型成效

图1 评估模型(续)

6 评估等级

评估等级规定了船舶总装建造在数字化转型不同阶段应达到的水平。评估等级应满足评估要求， 分为五个等级, 自低向高分别为一级(规划级)、二级(规范级)、三级(集成级)、四级(优化级)和五级(引领级)，如表1所示。评估等级要求逐级提高，较高的成熟度等级要求涵盖了低成熟度等级的要求。

表1 评估等级的基本定义及特征

基本定义

评定特征

一级

企业开始对实施智能制造的基础和条件进行规划。能够对核心业务活动(设计、生产、供应链、销售、服务等)进行流程化管理。

企业开始为船舶总装建造数字化转型建立基础的操作和管理规范。能够围绕核心业务活动(运营、设计、供应链、生产、服务)进行人工操作、纸质记录、经验管理。

二级

企业应采用自动化技术、信息技术等手段对核心装备和核心业务活动等进行改造和规

范，实现单一业务活动的数据共享。

企业应采用自动化技术、信息技术等手段对核心设备进行数字化改造;对核心业务活动进行规范化管理，实现单一业务活动的信息交互和数据共享。

三级

企业应对装备、系统等开展集成，实现跨业务活动间的数据共享。

企业应建立三维数字模型，对核心业务活动建立信息化系统，并集成数字化设备，实现业务活动流程化管理，形成知识库，以及跨业务活动间数据共享、业务协同并行。

四级

企业应对人员、资源、制造等进行数据挖

掘，形成知识、模型等，实现对核心业务的精准预测和优化。

企业应基于三维数字模型和知识库，集成上下游业务信息化系统，实现上下游业务数据链路打通，数据驱动核心业务的精准预测预警、智能辅助优化。

4

表1 评估等级的基本定义及特征(续)

评估

等级

五级

企业应基于模型持续驱动业务活动的优化和创新，实现产业链协同并衍生新的制造模式和商业模式。

引领行业(如 AI 驱动的预测模型)，动态预测、自学习、自感知、自优化。通过云平台，整合跨界资源实现生态系统，创造新的制造模式和商业模式。

7 评估要素

7.1 要素组成

评估要素给出了船舶总装建造在数字化转型的关键因素,包括人员、技术、资源、制造和成效，如表2所示，其中：

a) 人员包括战略、人员 2 个一级指标;

b) 技术包括数据赋能、集成和信息安全 3 个一级指标;

c) 资源包括资金、设备场地、基础设施 3 个一级指标;

d) 制造包括数字化设计、数字化供应链、数字化生产、数字化运营和数字化服务 5 个一级指标;

e) 成效包括转型成效 1 个一级指标。

表2 评估指标

评价要素

(5 个)

一级指标(14 个)

二级指标(26 个)

三级指标(75 个)

生产设计

生产管理

生产作业

5

表2 评估指标(续)

质量策划

精度策划

关键工序数控化率

分段(总段)上船台(进坞)无余量搭载率

每修正总吨工时消耗

单位船坞、船台面积产出率

分段原坡口保留率

7.2 人员

7.2.1 战略

战略包括战略1个二级指标，其中：战略包括组织建设、转型战略、流程管理和变革管理4个三级指标。

7.2.2 人员

人员包括人员技能1个二级指标，其中：人员技能包括人员技能1个三级指标。

7.3 技术

6

7.3.1 数据赋能

数据赋能包括数据赋能1个二级指标，其中：数据赋能包括业务数据化、数据管理、数据资产和数据业务化4个三级指标。

7.3.2 集成

集成包括集成能力1个二级指标。其中，集成能力包括集成能力1个三级指标。

7.3.3 信息安全

信息安全包括信息安全1个二级指标。其中，信息安全包括信息安全1个三级指标。

7.4 资源

7.4.1 资金

资金包括资金1个二级指标，其中资金包括资金1个三级指标。

7.4.2 设备场地

设备场地包括设备场地1个二级指标，其中：设备场地包含设备、场地2个三级指标.

7.4.3 基础设施

基础设施包括基础设施1个二级指标。其中，基础设施包括网络和存储计算2个三级指标。

7.5 制造

7.5.1 数字化设计

数字化设计包括生产设计1个二级指标，其中：生产设计包括船体设计、舾装设计、涂装设计和工艺工法设计4个三级指标。

7.5.2 数字化供应链

供应链包括采购和物流2个二级指标，其中：

a) 采购包括采购 1 个三级指标;

b) 物流包括物流 1 个三级指标;

7.5.3 数字化生产

数字化生产包括生产管理、生产作业、安全环保、质量管理、精度管理、生产保障和仓储集配7个二级指标，其中：

a) 生产管理包括生产计划管理、物量工时管理、生产准备管理、生产运行调度和劳务管理 5 个三级指标;

b) 生产作业包括钢材堆场、钢材预处理、下料加工、组立制作、舾装制作、预舾装、涂装、总组搭载、安装调试和试航 10 个三级指标。

c) 安全环保包括安全管理和环保管理 2 个三级指标;

d) 质量管理包括质量策划和质量检验 2 个三级指标;

e) 精度管理包括精度策划和精度检测 2 个三级指标;

f) 生产保障包括能源管理和设备管理 2 个三级指标;

g) 仓储集配包括仓储管理和集配管理 2 个三级指标。

7.5.4 数字化运营

数字化运营包括营销和财务2个二级指标，其中：

a) 营销包括营销 1 个三级指标;

b) 财务包括财务 1 个三级指标。

7.5.5 数字化服务

7

数字化服务包括客户服务和产品服务2个二级指标。其中， 客户服务包括客户服务1个三级指标;产品服务包括产品服务1个三级指标。

7.6 成效

成效包括转型成效1个二级指标;转型成效包括能力提升、价值效益、生产运行效率和可持续发展4个三级级指标，其中：

a) 能力提升包括关键设备数控化率、关键工序数控化率、数字化设计工具功能模块使用率、三维设计建模率、单元模块化率、托盘完整化配送率、分段上船坞无余量搭载率和中间产品设计完整性率 8 个三级指标;

b) 价值效益包括造船综合能耗、生产设计废返率、钢材综合利用率和每修正总吨工时消耗 4 个三级指标;

c) 生产运行效率包括造船生产效率、单位船坞船台面积产出率、人均年造船修正总吨、关键设备综合利用率、分段原坡口保留率、库存周转率、 库值系数、供应商交货准时率、订单交付准时率和全员劳动生产率 10 个三级指标;

d) 可持续发展包括安全生产和节能减排 2 个三级指标。

8 评估要求

8.1 人员

人员评估要素按评估等级可划分为不同要求，见表3。

8

表3 人员的评估要求

一级指标

二级指标

三级指标

a)应在重点部门或领域，明确主要人员的数字化转型职责;

b)应针对数字化转型需求，配备必要的人员;

c)应积极培育主要人员的数字化意识;

d)应识别数字化转型所需要的人才;

e)应积极培育数字化人员的绿色管理意

识。

a)应在组织架构层面，考虑数字化转型相关团队或岗位设置;

b)应通过职责、考核、培训等措施，确保数字化转型活动有效展开;

c)应积极打造数字化转型相关的文化氛围;

d)应配备满足数字化转型需求的人员，包括但不限于信息技术人员、信息安全人员等;

e)应设置绿色数字化的人员岗位

a)应在各管理与业务领域，配置具备数字化转型职责的岗

位，并将相关职责纳入岗位绩效考核;

b)应建立满足持续推进数字化转型的人员队伍、考核机制和培训体系等，在重大转型领

域，将数字化转型执行力纳入管理指标项;

c)应培育人员使用数据发现问题、分析问题、解决问题的能力，并确保人员能够正确认识数字化转型带来的各类生产活动变化;

d)应识别数字化转型外部专家需求，逐步建立数字化转型专家库。

a)应通过量化管理方式，管理相关岗位的任职资格及人才储备等;

b)应通过对数据进行分析判断数字化转型的问题，并做出调整优化;

c)应确保人员树立科学开发数字资源的观念与方法，并以数字化、软件化的方法，共享知识、技能和经验;

d)应识别信息技术机器服务创新人才、数字化转型治理与管理人才等需求，并有意识地吸纳和培养相关人才。

a)应结合数字化转型战略，建立岗位数字化评价优化机制，持续优化岗位数字化评价模型;

b)应持续推进数字化转型生态文化建设;

c)应建立专门的专家团队、研究团

队、执行团队，支撑生态体系建设与发展。

a)应明确数字化转型的重点和方向;

b)组织管理者应具备数字化转型意识。

a)应制定与组织发展相契合的数字化转型战略框

架;

b)数字化转型主要负责人应具备数据洞察、数据分析等能力。

a)应落实完善数字化战略，包括目标、远景、策略、路径、组织架构、关键指标等等文

件;

b)应统筹数字化转型团队，开展评估、指导、监督组织的数字化转型活动。

a)应基于数字化转型战略形成具体的实施路径及计划，并采用数字化技术对计划执行监

控;

b)应分别对数字化转型各方面成效评估评价，如业务、管理创新、技术、产品和服务等。

a)应具备顶层战略规划设计，形成对外输出的规划策略;

b)应具备利用数字化技术进行转型决策的能力;

c)应基于转型活动的历史数据，预测、模拟数字化转型的成果或效果，明确数字化转型需求。

应具有局部业务流程的管理规范或规章制度。

a)应使用信息技术管理流程制修订过程、宣贯活

动、配套成果等;

b)应基于转型需求优化相关业务流程。

a)应使用信息技术管理流程并获取流程关键数据;

b)应开展关键流程效能和成效的评估分析。

a)应建立流程数据库，使用信息系统开展流程测试、发布和固化，并实现流程模板的版本管理和迭代优化;

b)应评估部门间的流程协同效果，开展流程改进，以消除流程间的冲突和矛盾。

a)应建立常见的流程设计评测模型，对流程设计成果进行模拟和评价;

b)应基于流程管理与各业务管理系统的集成，实现流程发布、执行、反

馈、监控的闭环管理;

c)应建立主要流程改进影响因素模

型，结合流程全局图谱和历史数据

等，预测流程改进面临的问题，基于知识库给出解决方案。

9

表 3 人员的评估要求(续)

应建立面向数字化转型的变革管理领导机制

应准确识别数字化变革需求，制定数字化变革规划及行动计划，以此为依据开展数字化变革活动

a)应建立验证机制，分析局部变革的有效性;

b)应识别变革带来的风险，特别是局部变革对组织整体业务的影响风险，指定应对措施或变通方案，并通过数字化技术监测风险及风险处理过程。

a)应建立体系化的变革驱动模式，形成涵盖管理层和执行层的变革机制;

b)应构建变革监测指标、方法与体系，实现按动态监测与告警;

c)应建立组织级阶段性创新发展关键指标，并基于关键指标的变化和趋势状态等，驱动变革的进一步优化。

a)应建立基于数据的额变革驱动模

式，主动识别数据要素，建立组织的可持续竞争力模型，在体系化变革机制中，基于模型数据自动识别变革需求，并基于知识库形成建议方案或路径;

b)应基于变革前后的数据监测和数据模型，预测变革风险，并使用数字化技术实现各类预案的启动、发布和实施;

c)应基于数据分析模型，实现变革各项关键指标关联，精确识别变革优化的关键项和下一场变革的关键驱动因素指标。

a)应充分意识到数字化转型的重要性;

b)应培养或引进数字化转型发展需要的人员。

a)应具有数字化转型统筹规划能力的个人或团队;

b)应具有掌握 IT 基础、

数据分析、信息安全、系统运维、设备维护、编程调试等技术的人员;

c)应制定适宜的数字化转型人才培养体系、绩效考核机制等，及时有效地使员工获取新的技能和资

格，以适应企业数字化转型发展需要。

a)应具有创新管理机制，持续开展数字化转型相关技术创新和管理创新;

b)应建立知识管理体系，通过信息技术手段管理人员贡献的知识和经验，并结合数字化转型需求，开展分析和应用。

a)应建立知识管理平台，实现人员知识、技能、经验的沉淀与传播;

b)应将人员知识、技能和经验进行数字化与软件化。

8.2 技术

技术评估要素按评估等级可划分为不同要求，见表4。

10

表4 技术的评估要求

应以手工或信息技术手段等方式实现局部业务数据的记录

a)应识别局部业务的转型需求，形成关键数据的需求清单;

b)应根据需求实现关键数据的自动或半自动采集

a)应实现业务数据的分类、封装;

b)应支持业务数据的分析;

c)应具备基于数据支撑的业务管理能力

a)应识别业务模式的数据要素，建立业务数据模型;

b)应支持业务数据的融合、互通;

c)应具备基于数据支撑的业务融合能力。

a)应基于业务数据支撑组织的业务创新和转型;

b)应具备基于数据自分析的业务自优化能力。

a)应响应数字化需

求，获取相关业务数据并提供数据接口; b)应在现有数据安全规范要求下使用数

据。

a)应根据局部业务的数字化需求，定义数据管理制度和过程;

b)应对局部业务所涉及的数据管理过程定义标准、规范和指南

a)应建立组织内完备的数据管理体系，其要求应符合

GB/T 36073—2018中7.1.4

c)、7.2.4 c)和7.3.4 c)的规定;

b)应建立数据管理平台，利用平台开展数据管理;

c)应定义各管理域的考核指标，并开展管理域的评估。

a)应建立数据管理过程的考核评估模型;

b)应基于模型对管理过程开展量化绩效评估，对管理过程进行迭代优化;

c)应对各管理域的绩效指标进行统计分析。

a)应引导生态伙伴参与构建数据管理过程体系，覆盖生态业务，并于其他相关流程有效配合;

b)应构建智能化的数据管理工具平

台，支撑生态合作伙伴的融合数据管理。

应响应数字化需求，识别相关数据资源并形成数据资产目录

a)应明确局部业务的数据资产管理目标，建立数据资产管理制度和过程;

b)应制定局部业务的数据资产管理实施方案，开展数据资产盘点，更新数据资产目录，形成数据资产成果;

c)应建立数据的授权使用机制，确保数据使用合法合规。

a)应建立数据资产管理组织和框架，发布数据资产管理策略，任命数据资产管理负责人;

b)应建立数据资产管理机制;

c)应全面建立数据资产台

账，定期开展数据资产盘

点，应用效果评估和流通风险分析等工作。

a)应建立数据资产管理平台，实现数据资产互通，及时响应服务、统计、分析等需求;

b)应建立数据资产联动的业务运营规则，实现数据资产持续增值;

c)应基于算法和模型实现数据资产的自动提供和价值度量，具备实时响应新需求的能力。

a)应将数据资产作为生产要素纳入资产负债表，开展数据资产的业务价值评估;

b)应建立数据资产服务运营相关的收益分配机制，将自身数据资产融入生态，支撑生态可持续发展。

应具备数据业务化意识。

应初步识别数据业务化需求。

应制定数据业务化的战略、目标、范围和路径。

应基于对数据资产的运营管理，形成新型数据业务。

应基于数据持续优化提升数据资产价值，实现业务创新。

11

表 4 技术的评估要求(续)

应具有系统集成的意识。

a)应开展系统集成规划，包括网络、硬件、软件等内容;

b)应实现关键业务活动设备、系统间的集成。

a)应形成完整的系统集成架构;

b)应具有设备、控制系统与软件系统间集成的技术规

范，包括异构协议的集成规范、工业软件的接口规范

等;

c)应通过中间件工具、数据接口、集成平台等方式，实现跨业务活动设备、系统间的集成。

a)应通过ESB和ODS等方式，实现全业务活动的集成。

a)应制定信息安全管理规范，并有效执

行;

b)应成立信息安全协调小组。

a)应定期对关键工业控制系统开展信息安全风险评估;

b)应在工业主机上安装正规的工业防病毒软件;

c)应在工业主机上进行安全配置和补丁管理。

a)工业控制网络边界应具有边界防护能力;

b)工业控制设备的远程访问应进行安全管理和加固。

a)工业网络应部署具有深度包解析功能的安全设备;

b)应自建离线测试环境，对工业现场使用的设备进行安全性测试;

c)在工业企业管理网中，应采用具备自学习、自优化功能的安全防护措施。

8.3 资源

资源评估要素按评估等级可划分为不同要求，见表5。

表5 资源的评估要求

应安排专项资金计划支持数字化转型需求的实现

a)应在局部业务中落实资金计划并设立数字化转型专项资金的管理措施

a)应建立于行业特点、数字化水平等匹配的数字化转型资金的投入预算及管控机

制;

b)应建立资金保障管理制度，并持续优化和改进资金保障管理。

a)应对数字化转型资金进行统筹协调利用、优化调整、动态协同管理和量化精准核算，实现数字化转型资金自身数字化管理;

b)应持续识别的风险，制定应急储备资金方案。

a)应建立数字化转型生态建设相关的资金预算;

b)应针对生态环境相关数字化转型工作所需资金和保障机制，建立相对独立的管控与审计体系，创新资金使用和保障模式。

12

表 5 资源的评估要求(续)

a)应在关键工序应用自动化设备;

b)应对关键工序设备形成技改方案。

a)应在关键工序应用数字化设备;

b)关键工序设备应具有标准通信接口，包括

RJ45、RS232、RS485

等，并支持主流通信协议，包括 OPC UA、

MODBUS、PROFIBUS 等。

a)关键工序设备应具有设备管理、模拟加工、图形化编程等人机交互功能;

b)应建立关键工序设备的三维模型库。

a)关键工序设备应具有预测性维护功能;

b)关键工序设备应具有远程监测和远程诊断功能，可实现预警。

a)关键工序设备三维模型应集成设备实时运行参数，实现设备与模型间的信息实时互联;

b)关键工序设备、单元、产线等应实现基于工业数据分析自适应、自优化、自控制等，并于其他系统进行数据分享。

a)生产场地(如船坞、船台、车间、分段堆场)的布局与基础设施应满足当前生产的基本需求，保障物流畅通与作业安

全;

b)应建立基础的场地使用与管理制度，依托图纸、表格等纸质或电子文档进行人工记录与调度。

a)应采用 CAD 图纸或二维数字化布局工具，对主要生产区域进行规划与管理，实现场地信息的可视化查询与共享;

b) 应对关键场地资源

(如大型船坞、核心吊装区域)的使用状态进行登记，实现基于经验的计划调度，减少冲突。

a)应建立覆盖厂区、车间、产线的三维场地模型，并与制造执行系统(MES)等集成，实现场地、设备、物料等要素的数字化映射与可视化管理;

b)应应用物联网定位技术

(如 UWB、RFID)，对在制品、物料、人员、车辆进行实时位置监控，实现场地资源状态的动态感知;

c) 应形成场地使用知识库，支持对不同建造阶段场地占用与周转情况的分析。

a)应基于三维数字孪生模型，实现场地资源与生产计划、物流计划的深度集成与联动仿

真，对场地瓶颈和冲突进行预测性预警;

b)应构建统一的场地资源池，实现跨车间、跨项目的场地资源集中管理与智能推荐，支持多项目并行下的场地精益调度与优化;

c)应基于历史数据与实时状态，为分段运输、大型吊装等关键路径规划提供智能辅助决策。

a) 场地管理系统应具备自学习与自优化能力，能基于实时数据与 AI 算法，

动态预测场地需求，自主生成并执行最优的场地布局与调度方案;

b) 应通过云平台与上下游合作伙伴

(如船东、供应商)共享关键场地状态与需求，实现供应链协同与远程监造的无缝衔接;

c)场地的动态优化配置应成为驱动企业生产模式变革的核心能力之一，支持面向“快反制造”、“ 网络化协同生产”等新商业模式的高效运作。

13

a)应实现办公区、

生产车间等主要区域的有线网络基础覆

盖，满足基本办公与生产数据交互需求; b)应建立基础的网络与信息安全管理制度，采用防火墙、病毒防护等基础手段保障网络安全。

a)应采用工业无线网络(如 Wi-Fi 6)、工业以太网等技术，扩展网络覆盖至主要生产设备与移动终端，支持设备联网与移动应用;

b) 应实施网络分区隔离(如 OT 与 IT 网络逻辑隔离)，并部署入侵检测等安全措施，提升网络防护能力。

a)应构建覆盖厂区全场景

(室内/外、车间、船坞、码头)的融合网络，支持生产设备、物料、人员、环境等要素的广泛互联与数据实时采集;

b)应采用软件定义网络

(SDN)、5G、时间敏感网络(TSN)等技术，实现网络资源的灵活调配，满足不同业务(如视频监控、远程控

制)对带宽、时延的差异化需求;

c)应建立统一的网络管理平台，实现网络拓扑、性能、

故障的集中监控与可视化运维。

a)应基于云网协同架构，实现企业本地网络与云端资源的安全、高速、弹性互联，支持设计、制造、供应链等上下游系统的数据无缝流转与应用协

同;

b)应部署网络数据分析与智能运维(AIOps)系统，实现对网络异常流量、潜在安全威胁的预测性预警和自动化响应;

c)应全面推行零信任安全架构，实现基于身份和上下文的动态访问控制，保障内外部数据交互安全。

a) 应构建“云-边-端 ”一体化的智能网络体系，通过网络切片、AI计算等技术，为AR/VR远程协作、数字孪生实时仿真、自动驾驶AGV调度等创新应用提供确定性网络服务;

b)网络应具备自感知、自优化和自愈能力，能根据业务负载与安全态势动态调整策略，实现网络资源的全局最优配置;

c) 应形成开放性的产业生态网络平台，实现与合作伙伴、客户网络的智能互联与安全数据交换，支撑共创共赢的制造新模式与服务新业态。

a)应配备满足日常办公与基础业务系统运行所需的存储与服务器资源，确保关键数据得到备份，保障业务连续性;

b)应建立基础的 IT资源管理制度，明确存储与计算资源的使用和维护规范。

a)应规划并部署面向核心业务(如设计、供应

链、生产管理)的专用存储与计算资源，支持结构化数据的管理与非结构化设计文件的存储与共享; b)应采用虚拟化技术，

初步实现服务器资源的整合与灵活分配，提高资源利用率。

a)应构建企业级统一数据存储与管理平台，实现对三维模型、物联网数据、业务数据等多模态数据的集中存

储、分类管理与授权访问;

b)应初步形成“云-边 ”协同的算力架构，在车间/船坞边缘部署计算节点，满足关键业务对数据低时延处理的需求;

c)应对存储与算力资源的采购、扩容与生命周期建立规范的规划与管理流程。

a)应实现存储与算力资源的全面池化与集中统一管理，能够根据设计仿真、生产分析等不同业务场景的需求，进行弹性分配和快速交付;

b)应建立基于业务需求的云-网-边-端综合立体计算资源动态监控与调度机制，实现对资源性能、容量与健康度的实时洞察与预警，保障核心业务的服务质量;

c)应构建跨系统的数据服务总线，支持上下游业务间数据的无缝流转与高效计算。

a)应形成云原生架构的、可伸缩的智能化算力供给体系，能够基于 AI 负载与业务流量的预测，实现资源的自动弹性伸缩与成本优化;

b)存储系统应具备智能分级(热、

温、冷)与数据自管理能力，并与算力调度深度融合，为数字孪生、AI 仿真等创新应用提供高性能数据服务;

c)应通过云平台整合内外部算力与数据资源，构建行业级数据共创空间，支撑协同设计、供应链协同等生态化商业模式创新。

14

8.4 制造

制造评估要素按评估等级可划分为不同要求，见表6。

表6 制造的评估要求

a)建立基础的船体设计纸质管理制度，依赖个人经验进行决

策;

b)应使用二维 CAD进行船体总段/分段/零件流向等划分、组立要领进行设计和出图，设计流程以串行为主;

c)应将设计图纸、工艺文件以纸质或电子文件柜形式归档，查阅借用依赖人工管

理。

a)应使用三维船体设计工具进行核心部件设计，并建立船体的工序分解、组立要领、零件装配、套料/分托标准设计模板和零件库，实现设计复用;

b)应使用 PDM/图文档管理系统，实现设计数据的电子化集中管理与版本控制;

c)应实现设计资源(软件、硬件)的数字化管

理，支撑单一专业内的数据共享与协同。

a)应全面采用基于模型的定义(MBD)，建立全三维设计规范实现基于单一数据源模型出图;

b)应构建船体设计知识库(典型节点、工序分解、组立要领、焊接规格、搭载网络、精度标

准)，并在设计系统中实现自动匹配、主动推荐;

c)应基于单一数据源的协同平台，实现船、机、电、涂装等多专业并行设计与冲突自动检测;

d)应开展基于三维模型的工艺仿真(零件装配、套料/分托、

搭载等关键工序)，实现设计工艺一体化迭代优化。

a)应构建与物理车间实时联动的船体设计-制造数字孪生，实现虚实映射与双向驱动;

b)应基于知识库与 AI 算法，实现焊接变形智能预测补偿、材料套料智能优化、精度控制智能决策;

c)应建立参数化、模块化快速设计体系，支持设计方案的快速配置与多方案自动寻优;

d)应与生产(MES)、供应链(SCM)系统深度集成，构建设计-制造-反馈的闭环数据流，驱动设计持续优化。

a)设计系统具备自学习与自演进能力，能基于历史数据与实时反馈自主生成和优化设计方案。

b)应基于云原生架构构建开放式协同设计平台，支持与全球船东、供应商、船级社的实时异地协同评审与认证;

c)应形成覆盖“ 需求-设计-工艺-制造-服务” 的全生命周期数字主线，实现数据价值的最大化挖掘;

d)应催生“设计即服务

(DaaS)”、个性化定制、预测性运维等数据驱动的新业务模式，构建产业设计创新生态。

a)应制定机装、船装、电装、内装等舾装设计规范，并有效执行;

b)能使用二维设计工具及办公软件，依赖人工经验进行舾装设计与图纸输出;

c)应对舾装图纸、文档等进行集中归档，

支持人工查阅。

a)使用二维/三维专业设计工具及图文档管理系

统，实现舾装件制作、分托、安装等生产设计的数字化表达与签审;

b. 应建立舾装设计共享模板，支持设计信息查询与部分重用;

c. 应实现机装、船装、电装、内装等专业的初步并行设计;

d. 通过系统实现设计资料版本控制与集中管理。

a)应建立基于三维模型的数字化舾装设计规范，使用集成平台实现单一数据源的三维建模、出图与优化;

b. 应建立基于三维模型的舾装设计结构化知识库，支持设计过程中知识的匹配、推荐与引用;

c. 能基于三维模型对舾装关键设计进行仿真分析与优化;

d. 应实现舾装与船体、涂装、工法等专业的信息交互与协同设

计。

a)应基于三维舾装模型与知识库，集成舾件形状、尺寸、物量、布置、焊接、精度等信息，实现数据自动提取与生成;

b)应通过知识库与平台集成，

实现参数化、模块化设计与知识自动引荐，支持高效设计优化;

c)应建立舾装设计-仿真-分析一体化平台，开展全要素仿真与迭代优化;

d)应集成设计、制作、安装、

精度控制等业务，实现舾装设计

-执行-反馈闭环协同。

a)应基于统一三维模型与知识库，构建舾装设计-仿真-分析-数据一体化云平台，实现多专业、跨部门协同设计与优化;

b) 应引入 AI、机器学习、优化算法等技术，实现舾装设计的智能迭代与自优化;

c)应实现舾装设计、分托、配送、制作、安装等多系统集

成，构建数据驱动的舾装全业务协同生态;

d)基于数字孪生技术，实现舾装设计-生产-运维全生命周期数据闭环与动态优化。

15

表 6 制造的评估要求(续)

a)应制定涂装区域划分、表面处理、涂层配套、图纸工艺、质量检验等设计规范，

并有效执行;

b)应使用二维 CAD 及办公软件，依赖人工经验进行涂装管理

图、物料清册等设计;

c)应对涂装图纸、工艺文件、物料清册等资料进行集中归档，

支持人工查阅与借用。

a)使用二维/三维涂装设计工具及图文档管理系

统，实现涂装区域划分、涂层配套、图纸工艺等设计的数字化表达与签审;

b)应建立涂装设计共享模板，支持设计信息查询与部分重用;

c)实现涂装与船体、舾装专业的初步并行设计;

d)对涂装设计资料进行统一版本控制与集中管理。

a)应建立基于三维模型的数字化涂装设计规范，使用集成平台实现单一数据源的三维建模、出图(涂装管理图、涂装物料清册等)与优化;

b)应建立涂装设计结构化知识库，支持涂装区域划分、表面处理、涂层配套、图纸、工艺文

件、质量检验等知识的匹配与推荐;

c)应基于三维模型开展涂装区域划分、涂层配套等关键设计的仿真分析与优化;

d)应实现涂装与船体、舾装、

工法等专业的信息交互与协同设计。

a)应基于涂装数字模型与知识库，集成涂装区域划分、表面处理、涂层配套、涂装工艺、图层面积、工时物量、质量检验等数据，实现涂装图纸、物料清册、检验项目等数据的自动提取与生成;

b)应实现参数化、模块化涂装设计，支持知识自动引荐与设计优化;

c)建立涂装设计-仿真-分析一体化平台，开展全要素仿真与迭代优化;

d) 应集成涂装设计、作业管

控、质量检验等系统，实现设计

-作业-检验业务闭环协同。

a)应基于统一三维船体模型与涂装数字孪生，构建涂装设计-仿真-数据一体化云平台，实现多专业、全流程深度协同与动态优化;

b)应引入 AI、机器学习、IoT等技术，实现涂装设计的智能迭代、实时反馈与自优化;

c)应实现涂装设计与制造、供应链、运维等系统集成，构建数据驱动的涂装全链路协同生态;

d)应支持基于环保法规、涂料性能、施工条件的绿色涂装设计与全生命周期碳足迹追踪。

a)应建立船体建造、舾装、涂装、吊装、脚手、工装、安全、网络搭载等，以及焊缝密封、舱室密性试验等关键密性控制点的工艺工法设计规

范，并主要依赖人工经验有效执行;

b)能依赖个人经验进行二维工艺工法设计与图纸输出;

c)应对工艺图纸、工艺卡片、规程等资料进行统一管理，支持人工查阅与借用。

a)应使用二维/三维工艺设计工具及图文档系统，实现工艺工法的数字化表达、签审与版本控制;

b)应建立工艺工法设计共享模板，支持快速设计与信息重用;

c)应实现工艺工法与船体、舾装、涂装等专业的初步并行设计;

d)对工艺资料进行统一管理、版本控制与借用。

a)应建立数字化工艺工法设计规范，采用专业设计工具与集成平台，实现单一数据源的工艺建模、出图与优化;

b)应建立工艺工法设计结构化知识库，支持焊接、装配、吊装等工艺知识的匹配、推荐与引

用;

c)应基于三维模型开展装配序列、焊接工艺、舱室虚拟密性试验(压力分布仿真)、人机工程等仿真分析与优化;

d)应实现工艺工法与船体、舾装、涂装等专业的信息交互与协同设计。

a)应基于三维模型与工艺知识库，集成船体划分、焊接参数、精度控制、装配顺序、工时物量等数据，实现工艺指令、工艺卡片、密性控制参数等数据的自动提取与生成;

b)应实现参数化、模块化工艺设计，支持知识自动引荐与工艺优化;

c)应建立工艺仿真分析平台，

开展装配、焊接、吊装、人机工程、密性试验等全要素仿真与迭代优化;

d)应集成工艺设计、制造执

行、质量检验等系统，实现工艺

-制造-检验业务闭环协同。

a)应基于统一三维模型与工艺数字孪生，构建工艺设计-仿真

-执行一体化云平台，实现工艺设计与制造、质量、供应链等全流程深度协同与动态优化;

b)应引入 AI、机器学习、

IoT、AR/VR 等技术，实现工艺设计的智能推理、实时反馈与自优化;

c)应支持基于船型与客户需求的工艺方案自动生成与多方案智能推荐;

d)实现工艺设计与机器人作业、增材制造、绿色工艺等新型制造模式的深度融合与创

新。

16

a)应建立采购计划、供应商管理、合同管理、采购执行等制度和流程规范，并依赖人工操作和纸质记录执行;

b)能依赖个人经验手工编制采购计划、选择供应商、签订合

同、跟踪订单执行，采购文档以纸质归档;

c)应通过手工台账登记采购订单、合同、

发票等关键信息。

a)应使用 OA、ERP 等信息系统，实现采购计划编

制、供应商信息管理、合同审批等流程电子化;

b)应建立供应商基本信息库，对供应商资质、业

绩、信用等进行结构化分类和分级管理;

c)能通过信息系统跟踪采购订单状态和到货情况，

实现采购数据的初步查询与统计，支持基本报表生成。

a)应建立数字化采购管理平

台，实现采购计划、供应商管

理、合同管理、订单执行等全流程线上协同和流程化管理;

b)应实现采购系统与 MES、WMS等系统的集成，支持采购需求与库存、生产计划的自动联动和关键流程精准控制;

c)应建立采购知识库，集成历史价格、供应商绩效、采购周期等数据，并用于采购决策支持和流程优化。

a)应基于采购知识库与数据分析模型，实现采购需求的智能预测、供应商自动评估与推荐，支持采购策略动态优化;

b)应构建与供应商协同的数字化平台，实现订单、交付计划、质量要求的在线交互和产品状态动态跟踪，并集成财务、生产、设计等系统实现业务一体化协

c)应通过数据、知识和机理模型的融合应用，实现采购预算控制、合同执行和风险预警的精准管理和优化控制。

a)应应用人工智能与大数据分析，实现采购价格趋势预测、

供应商风险智能预警、采购方案自适应优化，并基于全流程数据自动驱动业务创新;

b)应构建供应链数字孪生平台，模拟采购与供应全链路场景，支持采购决策的动态仿

真、评估与自主优化;

c)应通过区块链、物联网、云平台等技术，实现采购合同、

物流信息、质量检验等数据的可信追溯、智能履约和生态系统级协同，推动制造模式和商业模式创新。

a)依据采购订单，通过电话、传真等方式与承运方沟通，手工制定运输计划、跟踪到货并记录于纸质台账;

b)能依赖个人经验选择与管理承运商，手工处理运单、提单等纸质单据的流转、核对与归档;

c)物料抵港/厂后，人工完成单据交接与异常记录，并通知仓库收货。

a)应应用电子表格或 OA系统管理运输计划，对关键物料启用条码进行到货标识，实现物流信息的电子化记录与查询;

b)应实现物流单据的线上审批与电子归档，初步建立承运商电子档案与绩效记录，支持基础的费用统计与分析;

c)应对物流合作伙伴进行信息化管理，初步积累物流运作知识(如常用路

线、承运商特点)。

a)应建立运输管理系统(TMS)或利用高级 SCM 模块，实现发

运、在途、签收的流程化管理，并与采购系统集成，支持统一物料编码与状态跟踪;

b)应实现与主要供应商、物流服务商的电子数据交换(如

EDI)，共享发货通知、在途库存信息，支持到货准备协同;

c)应形成物流知识库与风险库(如运输规范、异常案例)，支持基于历史数据的经验总结与流程优化。

a)应基于供应链协同平台，实现 TMS 与供应商 ERP、船厂 ERP的深度集成，支持到货预报自动触发、运输路径优化、异常延误预警;

b)应应用物联网设备(如北斗、GPS、传感器)对大型分

段、精密设备等重点物资的运输过程进行全程可视化监控与数据采集;

c)应基于物流大数据分析，实现运输、保险、仓储等全链路成本的精细化核算与绩效评估，支持数据驱动的物流战略决策与持续优化。

a)应构建多式联运智慧物流数字孪生平台，集成物联网、地理与气象数据，实现从供应商到厂的全链条动态仿真、碳足迹监控与风险智能预测;

b)应应用人工智能与机器学习算法，融合历史、市场及外部数据，实现物流需求智能预

测、动态定价、承运商智能推荐与全局成本优化;

c)应通过行业云平台整合船东、供应商、港口、承运商等跨界资源，构建智慧、韧性、绿色的供应链物流生态，实现协同计划、动态履约与商业模式创新。

17

生产

计划管理

a)应建立船舶总装建造工程计划标准体

系，形成纸质计划文档;

b) 能依靠个人经验人工编制线表、大中小日程计划，手工签

批、发布与跟踪;

c) 能通过定期会议协调资源冲突，人工分配设备、场地、人力等资源;

d) 应人工记录计划完成情况，定期手工统计并编制偏差分析报告。

a)能应用信息技术(如

Excel、项目管理软件)实现计划半自动化编制，采集关键节点数据;

b)应建立电子化资源台账，实现资源状态查询与冲突检测，支持生产能力与计划负荷的初步平衡分析;

c)应采集计划节点完成数据，自动生成偏差统计报表，支持基础趋势分析;

d) 应在单一业务系统内实现计划数据的初步共享。

a)应建立计划管理系统(如

ERP/MES)，并与设计、供应链等系统集成，实现计划实绩自动反馈与实时监控;

b)应基于三维模型构建计划可视化界面，实现对关键计划节点的精准控制;

c) 应建立标准生产物量、纳期、资源能力等知识库，支持计划负荷与资源能力的平衡分析与预警;

d)应实现计划进度的可视化展示与偏差分析，支持跨业务数据共享与协同调度。

a)应引入高级计划与排程系统(APS)，基于三维模型、历史数据与机理模型构建预测模型，实现多目标、多约束的智能排程;

b)应集成上下游信息系统，打通设计—计划—供应链—生产数据链路，构建动态规则库与资源库;

c)应基于成本、质量、效率等多目标，预测资源需求并自动生成最优资源分配方案;

d)应构建偏差影响评估模型，

基于机器学习推荐调整策略，预测连锁反应，支持智能决策。

a)建立自适应智能排产系统，深度融合 AI 与数字孪生技术，实现全流程计划的实时动态优化与自执行;

b)能通过云平台整合内外部资源，实现跨企业协同排程与生态级计划联动;

c)应构建计划自愈机制，实时监测执行偏差并自动触发再规划流程，无需人工干预;

d) 应实现基于全流程数据驱动的计划创新与商业模式重构，

支持 AI 驱动的预测与自主决策。

a) 能依赖个人经验与行业惯例，制定并执行基础的物量工时管理规范，主要基于纸质记录和人工沟

通;

b)能通过人工方式进行生产任务分解和物量分工，使用基础数字化工具(如电子表格)记录物量数据，

定期人工整理报表;

c)能通过定期生产协调会通报物量完成进度，解决生产冲突。

a)应采用信息技术手段(如基础数据库)，建立生产物量分类、计量规范与中间产品物量定额，实现核心数据采集;

b)应使用生产管理工具(如简单 MES 模块)，实现流程化的任务分解和物量分工，能跟踪和监控物量完成情况，但仅限于单一业务活动;

c)能自动统计关键计划节点的物量完成率，并生成物量管理报表，实现单一业务内的数据共享(如生产部门内部)。

a)应建立统一、可关联 BOM 与工艺路线的中间产品标准物量

库，并形成物量知识库(如历史工时数据、工艺规则)，支持物量工时精细化管控;

b)应部署生产管理平台(MES)及物量分工模块，实现物量的精细化计划与分解，并集成数字化设备(如传感器)，实现生产实绩的自动反馈、动态跟踪与进度异常预警;

c)能统计、分析物量计划与实际完成情况，进行可视化展示，初步实现跨部门(如设计、生

产)的数据共享与业务协同，支持关键业务过程精准控制。

a)应基于三维数字模型和物量知识库，深度集成 PLM、ERP、

IoT 等系统，打通上下游数据链路，实现物量、计划、产能、成本等多因素综合分析;

b)应应用大数据分析和机理模型(如物理仿真)，动态优化中间产品物量定额及分工方案，实现数据驱动的智能辅助决策支持资源调度优化;

c)应构建物量绩效预测模

型，动态预测交付风险，并能自动生成资源调整方案，实现精准预测预警。

a)应建立具备自学习与自演进能力的物量标准库，基于人工智能(如机器学习、数字孪

生)自动优化物量标准体系与设计规范，适应新工艺、新材料;

b)应基于 AI 与运筹优化算

法，实现生产物量分工的动态实时优化与资源的全要素自动调优，确保物量目标自适应达成，支持制造模式创新;

c)应通过云平台整合内外部资源(如供应链、客户)，实现物量数据驱动全价值链协同，

支撑柔性制造、网络化协同等智能制造新模式与商业生态系统创生。

18

a)应建立基础的生产准备管理规范，主要依赖人工经验、纸质单据进行现场监督检查;

b)应通过定期例会等形式，人工协调并处理技术图纸滞后、物料短缺、设备故障、

场地冲突、人员技能不匹配等生产准备环节的异常问题。。

a)应用信息技术，将管理规范固化为标准化的电子检查模板，并通过对关键设备(如吊车、焊机)加装传感器、对物料采用条码/RFID 等方式，实现核心数据(如设备状态、物料位置)的自动采集;

b)各责任部门应通过信息系统(如 OA、电子表格系统)填报准备信息，实现单一业务内(如物资部门内部)的数据电子化与信息共享，替代部分纸质流转。

a)应建立基于三维模型的生产管理系统(如 MES)，实现技

术、物料、设备、场地、生产计划与物流、人员与组织、质量与检验等生产准备信息的结构化记录、可视化进度管理，初步形成准备过程知识库(如常见问题

库);

b)应系统集成生产计划与准备信息，能对准备异常情况(如图纸未下发、物料未齐套)进行实时监控与消息提醒，实现跨部门(如设计与物资、生产与车间)基于统一数据源的业务协同。

a)应基于三维模型与知识库构建以 PLM 为核心，与 ERP、SCM、 MES 等系统深度集成的数字化平台，实现对技术、物料、设备、场地、计划、人员、质量等生产准备信息的自动获取、跟踪、监控与预警;

b)应通过数据、知识和机理模型(如物流仿真、资源负荷模

型)的融合应用，打通上下游数据链路，建立辅助决策系统，综合技术准备周期、物资纳期、资源能力与负荷等多因素，实现数据驱动的生产准备进度预测、精准预警与资源预判。

a)应应用生产数字孪生与物联网技术，实现对物料、图纸、

工装、设备等资源状态的全

面、实时、可视与动态映射，

利用 AI 模型(如机器学习)对生产准备过程中的瓶颈与风险进行智能预测与自主仿真推

演，主动化解风险;

b)依托 AI 与大数据优化算

法，在云平台支持下，实现多项目、全要素的生产准备流程自主决策与动态优化(如智能排程、供应链弹性调整)，并整合跨界生态资源(如供应

商、设计院所、船东)，驱动制造模式(如模块化、并行工程)与商业模式(如数据服

务)的创新。

a)应建立基础的生产运行调度管理规范，

主要依赖人工经验、纸质记录和例会协调;

b)应基于生产计划，凭个人经验统筹分配人力、设备、场地，并进行现场调度;

c)应通过人工方式下达作业指令、跟踪进度，并通过日常例会处理生产异常;

d)应采用纸质单据记录生产实绩，手工统计与分析绩效数据。

a)应应用信息技术辅助分析关键资源能力与负荷，

实现任务下达、实绩记录与异常反馈的信息化;;

b)应基于生产计划，采用信息技术跟踪、监控各工作区进度，实现异常快速响应;

c)应利用信息技术收集工时、物量、成本、质量等数据，实现计划达成率、

设备利用率等 KPI 分析;

d)应实现关键工序的自动化数据采集，初步形成单一业务内的数据共享机

制。

a)应建立生产运行调度系统，

实现多项目资源统筹、全过程流程化与透明化管控、异常快速响应与协调，支持 KPI 在线分析;

b)应集成生产计划、财务、

质量等系统，打通计划、成本、质量、工时等数据链路，实现跨业务协同管控;

c)应基于三维数字模型部署调度相关工业软件，实现关键业务流程化、精准化控制，并形成调度知识库;

d)引入移动应用(APP)和轻量级决策支持工具，提升调度协同与决策效率。

a)应基于三维模型(壳舾涂一体化)构建 PLM、ERP、MES、

SCM、IOT 等深度集成的数字化调度平台，实现设计、计划、供应链、作业、设备等全数据链贯

b)应利用实时数据实现资源动态分配、过程实时管控与动态协调、实绩自动采集与反馈;

c)应应用决策优化算法与 BI 技术，建立集成指挥中心

(IOC)，实现多业务协同与智能辅助决策;

d)融合数据、知识与机理模型，实现调度过程的优化控制、精准预测与预警。

a)能推动 AI、数字孪生、XR与调度全过程深度融合，在数字空间中模拟并优化全生产要素，实现前瞻性调度与问题预消;

b)应基于 AI 与大数据,实现零非计划停机与自优化生产;

c)应构建具备自学习、自感知、自决策能力的智能调度系统，驱动制造模式向柔性、精准、高效演进;

d)通过云平台整合内外部资源，构建调度生态系统，实现全流程数据自动驱动的业务创新与商业模式变革。

19

a)应初步建立遴选准入、基础培训、绩效考核、现场协调、结算支付、风险管控等管理规章制度，形成纸质或电子文档;

b)依赖个人经验分派任务、跟踪进度、协调现场、结算支付等核心业务操作、纸质记录;

c)应对劳务人员、合同、技能等基础信息以纸质或基础电子表格形式存储，数据孤立，未实现有效共享与分析。

a)应采用信息技术(如移动 APP、简易工单系统

等)对任务分派、进度上报、工时登记进行数字化管理;开始对关键工序

(如工时、物量)进行数字化数据采集;

b)应能够采集劳务人员的计划节点、完成物量、工时、质量检验结果等核心数据，并在单一业务系统内实现存储与共享，支持基础的统计查询;

c)任务分派与进度跟踪实现线上化，但数据分析、

资源协调与决策仍主要依赖管理者个人经验。

a)应建立统一的劳务人员管理平台，实现招投标、合同、人员报备、任务接收、工时申报、结算申请等全流程线上化管理;采用门禁系统、工位终端、APP 扫码等技术手段， 自动采集用工的工时、位置、安全准入等数;

b)应实现劳务数据的集中管理与可视化(如绩效看板)，初步形成劳务绩效知识库。实现劳务管理平台与生产执行系统

(MES) 等核心工业软件的集成，实现任务与实绩的线上协

同，初步实现本工与劳务工的协同作业管理;

c)应基于系统采集的数据，初步支持自动结算与绩效看板管理，减少人工核算;

a)劳务管理平台应与 ERP、

MES、质量、安全等系统深度集成，打通劳务资源与生产计划、成本、质量、安全的数据链路。基于三维模型衍生的生产任务

包，可进行更精细化的劳务资源预估、分派与实绩反馈;

b)能通过 BI、管理驾驶舱等工具，对劳务队伍的效率、成本、质量、安全等关键绩效指标

(KPIs)进行多维度、可视化的智能分析与风险预警， 自动生成评价报告，实现数据驱动的辅助决策;

c)应实现从任务接收到结算反馈的全过程线上协同与闭环管理，流程效率显著提升。

a)构建劳务协同云平台，整合船厂与所有协作劳务公司的资源。采用大数据、AI 与 IoT 技术，构建劳务队绩