近日，工業(yè)和信息化部印發(fā)《工業(yè)場景數據要素應用參考指引》（以下簡稱《指引》），推進工業(yè)數據采集處理、流通匯集、融合應用，賦能行業(yè)提質降本增效，助力新型工業(yè)化加快推進。

《指引》圍繞研發(fā)設計、生產制造、經營管理、客戶服務、產業(yè)協(xié)同等關鍵環(huán)節(jié)，凝練出23個場景，每個場景的數據要素應用分別從預期效果和數據“采、集、用”四個方面總結。其中，研發(fā)設計環(huán)節(jié)，涵蓋數據驅動產品設計、工藝數字化設計、數字化協(xié)同研發(fā)、產品虛擬中試驗證、工藝虛擬仿真驗證5個場景。生產制造環(huán)節(jié)，涵蓋設備智能監(jiān)測與維護、數字孿生工廠建設、智能排產優(yōu)化、生產作業(yè)智能調度、質量智能檢測、質量預測與改進、安全生產智能監(jiān)控、大規(guī)模個性化生產8個場景。經營管理環(huán)節(jié)，涵蓋能耗智能管理與調度、碳資源全生命周期管理、精準營銷管理、倉儲智能管理、物流智能配送5個場景。客戶服務環(huán)節(jié)，涵蓋智能客戶服務、智能遠程運維服務2個場景。產業(yè)協(xié)同環(huán)節(jié)，涵蓋網絡化協(xié)同制造、產業(yè)鏈供應鏈高效協(xié)同、產業(yè)鏈供應鏈風險管控3個場景。

《指引》以附件的形式，為每個場景提供了對應的典型實踐案例。案例從要點概述、主要做法、應用成效三方面展開，幫助企業(yè)對場景有更加清晰直觀的認識與理解。

關于印發(fā)《工業(yè)場景數據要素應用參考指引》的通知

工信廳信發(fā)函〔2026〕174號

各省、自治區(qū)、直轄市及計劃單列市、新疆生產建設兵團工業(yè)和信息化主管部門：

現(xiàn)將《工業(yè)場景數據要素應用參考指引》印發(fā)給你們，請引導企業(yè)以場景應用為牽引，探索工業(yè)數據“采”“集”“用”有效路徑，加快推進工業(yè)數據開發(fā)利用，促進數據要素賦能新型工業(yè)化。

工業(yè)和信息化部辦公廳

2026年4月20日

工業(yè)場景數據要素應用參考指引

為深入貫徹落實《中共中央國務院關于構建數據基礎制度更好發(fā)揮數據要素作用的意見》和全國新型工業(yè)化推進大會部署，加快釋放工業(yè)數據要素價值，促進數據要素賦能新型工業(yè)化，特制定本指引。本指引圍繞研發(fā)設計、生產制造、經營管理、客戶服務、產業(yè)協(xié)同等5個環(huán)節(jié)，凝練出23個典型場景中的數據“采、集、用”及預期效果，為工業(yè)企業(yè)、數字化轉型服務商、行業(yè)組織等推進工業(yè)數據開發(fā)利用提供參考。

一、研發(fā)設計

1.數據驅動產品設計（難度★★，價值★★★★）

預期效果：構建數據驅動的研發(fā)模式，實現(xiàn)產品設計標準化、模塊化、參數化，提升產品研發(fā)效率。采：通過標準化接口，獲取訂單產品、物料清單、設計要求等設計數據。利用標準化接口、人工智能手段，獲取老師傅研發(fā)過程、設計要點等經驗數據。集：利用數字化工具，對產品研發(fā)相關數據進行清洗、標注、整合等治理，形成標準化數據集。結合行業(yè)知識，注入專家經驗，打造設計知識庫。用：應用多學科聯(lián)合仿真、物性表征與分析等技術，建設產品研發(fā)數字化體系，優(yōu)化研發(fā)業(yè)務流程，實現(xiàn)數據驅動的研發(fā)設計模式。

2.工藝數字化設計（難度★★，價值★★★）

預期效果：構建數字化工藝設計與仿真模型，實現(xiàn)制造工藝的模擬分析、評估優(yōu)化，提升工藝設計效率、質量。采：通過標準化接口，采集產品設計圖紙、工藝參數、工序圖形等工藝數據。利用標準化接口、人工智能手段，獲取老師傅工藝設計經驗數據。集：對工藝設計相關數據進行清洗、加工等治理，形成標準化數據集。結合行業(yè)知識，注入專家經驗，構建工藝知識庫。用：應用工藝機理建模、知識挖掘與分析等技術，推動工序排布、工藝指令等自動生成，自動識別最優(yōu)工藝參數組合，實現(xiàn)工藝設計快速迭代優(yōu)化。

3.數字化協(xié)同研發(fā)（難度★★★，價值★★★）

預期效果：推動企業(yè)內部研發(fā)為主向多主體研發(fā)演進，實現(xiàn)跨企業(yè)、跨地域協(xié)同創(chuàng)新與設計，提高研發(fā)效率。采：通過傳感器、標準化接口，獲取圖紙、工藝、實驗、檢測等研發(fā)數據。通過協(xié)議互換，獲取高校、研發(fā)機構等外部研發(fā)資源數據。集：利用數字化工具，對研發(fā)數據進行清洗、整合等治理，形成標準化數據集。結合行業(yè)領域知識，構建研發(fā)設計知識庫，并根據研發(fā)情況動態(tài)更新。用：利用5G網絡、數字孿生、工業(yè)互聯(lián)網、虛擬現(xiàn)實等技術，搭建數字化協(xié)同研發(fā)平臺，實現(xiàn)設計圖紙/方案的協(xié)同優(yōu)化、研發(fā)數據共享，推動供應商、客戶等主體跨部門、跨地域在線協(xié)同研發(fā)。

4.產品虛擬中試驗證（難度★★★，價值★★★）

預期效果：實現(xiàn)在虛擬環(huán)境的仿真測試和優(yōu)化，發(fā)現(xiàn)產品設計潛在問題，降低實物測試成本，縮短研發(fā)周期。采：通過標準化接口，獲取材料測試、分析檢測、仿真試驗等測試數據。通過傳感器，獲取產品試驗、工業(yè)試制、穩(wěn)定生產等中試各階段數據。集：利用數字化工具，開展數據清洗、融合等治理，形成標準化數據集。構建統(tǒng)一的數據倉或數據湖，或利用云儲存方式，存儲歷史數據和實時數據。用：利用多物理場聯(lián)合仿真、虛擬現(xiàn)實、自動化測試等技術，搭建虛實融合的中試環(huán)境，開展產品結構、性能、配方等虛擬測試驗證，識別設計薄弱環(huán)節(jié)并持續(xù)改進。

5.工藝虛擬仿真驗證（難度★★★，價值★★★）

預期效果：推動生產工藝虛擬仿真驗證，降低驗證成本，優(yōu)化工藝流程，降低設計與制造的差異。采：通過標準化接口，獲取產品設計、設備參數、材料屬性等基礎數據。通過傳感器、高清攝像頭，獲取生產環(huán)境、過程控制、資源分配等業(yè)務數據。集：通過數據清洗、整合等治理，形成標準化數據集。結合行業(yè)領域知識，注入專家經驗，構建典型工藝庫和工藝案例庫。用：應用動力學仿真分析、虛擬現(xiàn)實、作業(yè)情況模擬等技術，搭建虛實融合的驗證環(huán)境，開展工藝參數、路徑的模擬仿真在線分析，推動工藝參數、流程布局等迭代優(yōu)化。

二、生產制造

6.設備智能監(jiān)測與維護（難度★★，價值★★★★）

預期效果：構建設備運行監(jiān)測體系，實現(xiàn)預測性維護，提高設備運行的可靠性和穩(wěn)定性。采：通過傳感器，采集設備運行狀態(tài)（溫度、振動、壓力等）、維護日志等數據。利用標準化接口、人工智能手段，獲取老師傅設備維護維修經驗數據。集：利用數字化工具，對設備相關數據進行清洗、加工、整合等治理，形成標準化數據集。開展設備運維知識的抽取、存儲、管理、檢索等數據治理，打造設備運維知識庫。用：利用5G網絡、多模態(tài)數據融合、機理分析、工業(yè)互聯(lián)網等技術，建立設備健康監(jiān)測系統(tǒng)，識別設備異常信號，制定設備維護保養(yǎng)計劃，實現(xiàn)設備運行狀態(tài)分析、異常報警和智能診斷。

7.數字孿生工廠建設（難度★★★★，價值★★★★）

預期效果：構建數字孿生模型，實現(xiàn)虛實實時映射和交互，識別并消除生產瓶頸，優(yōu)化生產流程。采：通過傳感器、高清攝像頭，采集車間的人員定位、環(huán)境變化等生產數據。通過傳感器，采集設備的基本信息、工作狀態(tài)等運維數據。通過標準化接口，采集企業(yè)采購、庫存、銷售、服務等業(yè)務數據。集：通過數據清洗、標注、融合等治理，形成標準化數據集。構建統(tǒng)一的數據倉或數據湖，存儲設備、產線、車間等工廠各層級數據。用：應用工廠信息模型、制造系統(tǒng)仿真、工業(yè)互聯(lián)網等技術，構建設備、產線、車間、工廠等各層級數字孿生系統(tǒng)，推動生產流程、設備狀態(tài)等全面監(jiān)控與優(yōu)化。

8.智能排產優(yōu)化（難度★★，價值★★★）

預期效果：推動生產計劃的可視化、可模擬、可優(yōu)化，實現(xiàn)智能化生產管理與調度，提高排產效率和設備利用率。采：通過條碼標簽掃描，獲取產品信息、技術規(guī)格、交貨期、優(yōu)先級等訂單數據。通過標準化接口，獲取人力、物料、設備等資源數據。集：通過數據清洗、加工等治理，形成標準化數據集。結合行業(yè)領域知識，注入專家經驗，建立生產計劃知識庫。用：應用多目標多約束求解、產能動態(tài)規(guī)劃等技術，構建智能排產系統(tǒng)，推動生產計劃自動生成與動態(tài)調整，實現(xiàn)生產效率、成本、能耗等多目標綜合優(yōu)化。

9.生產作業(yè)智能調度（難度★★★，價值★★★★）

預期效果：實現(xiàn)生產作業(yè)實時跟蹤監(jiān)測，自動識別生產異常，及時調整生產任務和資源分配，快速實現(xiàn)重新排產。采：通過傳感器、高清攝像頭，采集機器運行狀態(tài)、員工作業(yè)等生產數據。通過標準化接口，獲取任務執(zhí)行、物料消耗、日志管理等系統(tǒng)數據。集：對生產作業(yè)數據進行清洗、加工等治理，形成標準化數據集。結合行業(yè)領域知識，注入專家經驗，建立生產作業(yè)知識庫。用：應用具身智能、產線模塊化重構等技術，搭建生產作業(yè)動態(tài)調度系統(tǒng)，推動生產過程自動化、智能化，實現(xiàn)人力、設備、物料等資源動態(tài)優(yōu)化配置。

10.質量智能檢測（難度★★，價值★★★★★）

預期效果：推動檢測流程自動化，實現(xiàn)產品缺陷自動識別與分類、質量等級自動判定，提升質檢效率。采：通過標準化接口，獲取質量標準、質檢記錄、缺陷記錄等歷史檢測數據。通過自動化檢測設備，采集產品尺寸、外觀、性能、物理化學性質等實時檢測數據。集：通過數據清洗、加工等治理，形成標準化數據集。結合行業(yè)領域知識，建立質量特征圖譜和典型缺陷庫。用：應用5G+AI、機器視覺識別、物性表征分析等技術，構建智能化檢測與管理系統(tǒng)，實現(xiàn)產品關鍵參數測量、分析、反饋以及質量快速診斷與自動判定。

11.質量預測與改進（難度★★，價值★★★）

預期效果：構建“事前預防”質量管控模式，推動質量改進自動化、智能化，提升質量一致性，降低產品不良率。采：通過標準化接口，獲取產品質量檢測、原材料特性等歷史數據。通過傳感器、工業(yè)互聯(lián)網，獲取工藝參數、設備運行、生產異常等生產過程數據。集：利用數字化工具，對質量歷史、生產等數據進行整合、加工、存儲等治理，構建產品動態(tài)質量畫像，形成產品質量數據集。用：利用質量波動分析、深度學習等技術，基于數據監(jiān)測與分析，提前預測預防質量問題，快速鎖定質量問題源頭，推動質量持續(xù)優(yōu)化。

12.安全生產智能監(jiān)控（難度★★★，價值★★★★★）

預期效果：構建“全域感知”管理體系，精準識別違規(guī)作業(yè)、環(huán)境異常、設備風險等隱患，實現(xiàn)風險早發(fā)現(xiàn)、早處置。采：通過高清攝像頭，獲取人員定位、操作規(guī)范、設備健康指標、氣體監(jiān)測等安全監(jiān)管數據。通過標準化接口，獲取安全生產要求、生產日歷、事故案例等歷史數據。集：利用數字化工具，開展數據清洗、加工、整合等治理，形成標準化數據集。推動知識關聯(lián)、抽取、管理與檢索，打造安全生產知識庫。用：應用高危作業(yè)監(jiān)控、視頻智能分析等技術，建設生產安全智能監(jiān)測與應急處置模型，實現(xiàn)生產過程安全態(tài)勢感知、風險預警和應急處置，精準管控重大危險源。

13.大規(guī)模個性化生產（難度★★★，價值★★★★）

預期效果：推動企業(yè)與用戶互動合作，通過滿足用戶個性化需求，快速應對市場變化。采：通過市場調研，獲取客戶消費習慣、消費能力、行為偏好等需求數據。打通消費互聯(lián)網和工業(yè)互聯(lián)網，通過標準化接口，獲取設計、生產、采購、物流等全流程數據。集：利用數字化工具，開展數據清洗、標注、整合、存儲等治理，形成標準化數據集，構建產品部件、組件、工藝、材料等數據庫。用：應用柔性制造系統(tǒng)、可重構產線等手段，開展智能排產、在線調度，自動組建最小業(yè)務單元，實現(xiàn)規(guī)模化、個性化、定制化生產。

三、經營管理

14.能耗智能管理與調度（難度★★，價值★★★）

預期效果：開展能源負荷預測、異常能耗診斷，實現(xiàn)能源自動調配，保障能源穩(wěn)定供應、降低綜合能耗。采：通過傳感器、儀器儀表，獲取各類設備、作業(yè)單元的用電、用水、用氣、余熱、熱能需求等用能數據。通過標準化接口，獲取工藝路線、生產計劃、制造流程等生產數據。集：利用數字化工具，開展數據清洗、標注、整合、存儲等治理，推進多源數據融合，形成標準化數據集，打造能源知識庫。用：建設數字化能碳管理中心，應用能耗綜合建模仿真、能源平衡分析等技術，搭建能源管控和智能調度模型，開展生產能耗監(jiān)測、節(jié)能潛力分析，實現(xiàn)能源在線監(jiān)測和優(yōu)化調度。

15.碳資源全生命周期管理（難度★★★，價值★★★★）

預期效果：構建“管碳—算碳—降碳”一體化碳管理體系，推動碳排放準確核算、實時監(jiān)測，降低單位產值碳排放量。采：通過傳感器、儀器儀表，獲取煤炭、石油、燃氣、電力等能源數據。通過標準化接口，獲取原料碳含量、碳配額與交易、碳資產注冊等數據。集：利用數字化工具，對碳排放全周期數據進行清洗、標注、整合、存儲等治理，推進多源數據融合，形成標準化碳排放數據集。用：建設數字化能碳管理中心，應用碳排放精細化檢測、碳排放指標自動核算、工業(yè)互聯(lián)網標識解析等技術，開展碳排放數據盤查、碳足跡追蹤，推動全生命周期碳排放追蹤、核算和交易。

16.精準營銷管理（難度★★，價值★★★★）

預期效果：根據需求變化及時調整營銷策略，優(yōu)化銷售流程和渠道，打造滿足客戶需求的產品與服務，提高銷售效率。采：通過在線調查，獲取客戶消費習慣、消費能力、行為偏好等需求數據。通過標準化接口，獲取訂貨、銷售、庫存、生產、服務等系統(tǒng)數據。集：利用數字化工具，對營銷相關數據進行清洗、標注、整合、存儲等治理，推進多源數據融合，形成標準化的營銷數據集。用：應用深度學習、市場需求預測等技術，建立銷售管理智能體，開展客戶畫像分析，基于客戶需求變化優(yōu)化營銷策略，推動供需精準匹配。

17.倉儲智能管理（難度★★，價值★★★）

預期效果：推動倉儲管理智能化，實現(xiàn)貨物庫存狀態(tài)的可視化監(jiān)控和精細化追溯，提高倉儲效率。采：通過傳感器、RFID標簽，獲取庫存物資的品種、數量、入庫時間等基礎數據。通過傳感器、視頻監(jiān)控，實時監(jiān)控貨物位置、溫濕度等動態(tài)數據。集：利用數字化工具，對倉儲管理相關數據進行清洗、標注、整合、存儲等治理，形成標準化的倉儲數據集。用：應用5G網絡、具身智能、多形態(tài)混存揀選等技術，搭建倉儲管理智能體，實現(xiàn)物資入庫、上下貨架、發(fā)貨等智能化管理，優(yōu)化庫存布局、補貨邏輯、揀選路徑。

18.物流智能配送（難度★★，價值★★★）

預期效果：實現(xiàn)物流配送過程實時監(jiān)控、調度，準確反饋配送進度，合理調配運輸、倉儲等資源，提高配送準時率。采：通過傳感器、GPS定位器等設備，采集物流配送過程中的貨物信息、配送路徑、人員操作等實時數據。通過標準化接口，獲取運輸歷史、交通路況等日志數據。集：利用數字化工具，對采集的數據進行清洗、標注、加工、整合、存儲等治理，形成標準化的物流配送數據集。用：應用5G網絡、實時定位導航、多模態(tài)感知、智能駕駛等技術，建設智能物流管理系統(tǒng)，實現(xiàn)物流全程跟蹤、異常預警和高效處理。

四、客戶服務

19.智能客戶服務（難度★★，價值★★★★）

預期效果：構建智能客戶服務體系，快速準確理解客戶意圖，精準匹配客戶需求，提升客戶服務質量。采：通過在線調查，獲取客戶信息、市場需求、趨勢變化等市場數據。通過客戶服務平臺，獲取客戶使用反饋、歷史服務等服務數據。集：利用數字化工具，對數據進行清洗、標注、整合等治理，形成標準化數據集。推動知識關聯(lián)、抽取、管理與檢索，打造客戶服務知識庫。用：應用多模態(tài)交互、自然語言處理、多媒體應用等技術，建立客戶服務大模型和智能管理系統(tǒng)，優(yōu)化智能客戶服務流程，實現(xiàn)主動式客戶服務響應。

20.智能遠程運維服務（難度★★，價值★★★★）

預期效果：構建遠程運維服務平臺，實時查看產品/設備運行狀況，合理調配服務資源，實現(xiàn)維護效率提升與用戶體驗優(yōu)化。采：通過部署傳感器、邊緣計算網關，采集產品/設備的運行狀態(tài)、健康狀態(tài)、運行軌跡等監(jiān)測數據，利用數據安全技術，通過5G網絡等無線/有線網絡將采集數據實時傳輸至云平臺。通過標準化接口、人工智能手段，獲取行業(yè)知識、老師傅經驗等知識經驗數據，構建故障診斷知識庫。集：通過數據清洗、加工、整合，形成標準化數據集。結合行業(yè)領域知識，構建產品/設備故障與維護知識庫。用：應用自然語言處理、知識圖譜、虛擬現(xiàn)實、遠程指導等技術，通過端云協(xié)同、虛擬環(huán)境使客戶獲得設備調試、故障排除、維修保養(yǎng)等遠程操作指導。

五、產業(yè)協(xié)同

21.網絡化協(xié)同制造（難度★★★，價值★★★★）

預期效果：統(tǒng)籌開展多生產任務協(xié)作，實現(xiàn)制造資源、生產能力、市場需求的高效對接和協(xié)同共享。采：通過標準化接口，采集企業(yè)訂單需求、設備運行、物料配送、進度管理等生產數據。依托工業(yè)互聯(lián)網平臺和標識解析體系，獲取產業(yè)鏈上下游和合作伙伴設備、工具、物料、人力等數據。集：將數據統(tǒng)一集成至云平臺，實現(xiàn)數據共享與安全可信流通。利用數字化工具，開展數據清洗、標注、整合等治理，形成標準化數據集。用：基于智能算法、數據分析技術，推動產業(yè)鏈上下游制造資源配置優(yōu)化與生產任務共享，實現(xiàn)訂單智能分配、制造能力共享、集采集銷等業(yè)務高效協(xié)同。

22.產業(yè)鏈供應鏈高效協(xié)同（難度★★★，價值★★★★★）

預期效果：推動產業(yè)鏈供應鏈高效協(xié)同與合作，精準預測需求，提升資源利用效率，提高全鏈條整體響應速度和協(xié)同效率。采：通過標準化接口，獲取企業(yè)研發(fā)、采購、生產、庫存等內部數據。通過工業(yè)互聯(lián)網平臺和標識解析體系、行業(yè)可信數據空間，獲取產業(yè)鏈供應鏈上下游采購、庫存、銷售等數據。集：將數據統(tǒng)一集成至云平臺或數據湖，實現(xiàn)數據匯聚共享和安全可信流通。利用數字化工具，開展數據清洗、標注、整合等治理，構建標準化產業(yè)鏈數據集。用：應用集成建模、多目標尋優(yōu)等技術，建設產業(yè)鏈供應鏈管理系統(tǒng)，優(yōu)化研發(fā)、采購、生產、配送計劃，實現(xiàn)產業(yè)鏈供應鏈可視化管理和協(xié)同運作。

23.產業(yè)鏈供應鏈風險管控（難度★★★，價值★★★★）

預期效果：實現(xiàn)產業(yè)鏈供應鏈風險在線監(jiān)控、精準識別、提前預警，降低斷鏈風險，提升產業(yè)鏈供應鏈韌性和安全水平。采：通過標準化接口，獲取企業(yè)原材料采購、生產計劃、銷售訂單、庫存?zhèn)湄浀葍炔繑祿Ｍㄟ^工業(yè)互聯(lián)網平臺和標識解析體系、行業(yè)可信數據空間，獲取產業(yè)鏈上下游原材料庫存、生產、物流等數據，推動數據安全可信流通。集：構建統(tǒng)一的數據倉或數據湖，匯聚歷史與實時更新數據。利用數字化工具，開展數據清洗、標注、整合等治理，形成標準化數據集。用：應用多源信息感知、風險評估預測等技術，搭建產業(yè)鏈供應鏈風險監(jiān)測與預警平臺，開展關鍵指標、風險事件實時監(jiān)測，量化風險等級，實現(xiàn)風險預警與應對。

附件：場景對應典型實踐案例