智能制造背景下，管理与研发、制造、服务等环节将紧密融合，并体现智慧化特性。区别于传统的商业智能Bl, 智慧管理的应用体系将为企业决策层提供更全面、更深入、更实时的信息， 并辅助进行决策。其趋势描述如下：

可视Visibility：

通过CPS HUB实现企业的横向集成、端到端集成、纵向集成，无疑为管理需求的不断精细化提供了技术保障。管理将在纵向企业资源层面、端到端价值链层面和横向供应链层面实现完全透明化的监控。

洞察Insights：

在实现可视的基础上，未来将基于大数据分析等能力，对监测到的状态进行分析，建立数据之间的关联，发现问题的根本原因及关联特性，辅助领导进行决策。

优化Optimization：

在可视、洞察的基础上，未来支持企业对管理的业务体系进行优化，包括组织结构的优化、管理流程的优化等，以实现管理创新。 如新增大数据管理部门及配套业务，构建企业的核心知识资产。

面向智慧管理的未来发展趋势，基于智能制造总体应用框架，搭建智慧管理及决策支持环境，对该应用环境的定义如下：

智慧管理及决策支持坏境：面向企业战略运营及工程管理层面，采用数字化、虚拟化、大数据等技术， 构建CPS HUB为基础的企业大数据互联及分析中心，以此为其础，支持战略运营管理及工程技术管理， 辅助战略决策及执行，提高企业管理的精细化和智能化水平。

智慧管理的业务体系包括两个层面和两个维度。两个层面包括企业级、价值链级，两个维度包括工程管理和运营管理。智慧管理业 务中还包含对大数据中心的运维工 作。如下图所示。具体业务模式包括：

企业级工程管理：

面向全生命周期价值链工程研制及服务环节，从企业级层面建立工程管理体系， 主要包括：

⑴ 产品全生命周期工程管理：从全生命周期角度建立全面技术管理体系，实现从需求、设计、工艺、生产、服务到报废的全过程—体化技术状态管控，包括工程数据的标识、控制、审核和记实等业务范畴。通过全面工程管理，为多级工程及管理人员提供准确的数据输入，以提高产品研制质量。

⑵ 基于物联网和大数据的质量管理：从企业级层面建立大质量管理体系，包括质量综合管理和质量工程管理。其中，质量综合管理包括质量目标建立、计划执行、质量审核及检查、质量改进等，质量工程管理包括质量数据采集、分析、管理优化等。未来质量管理将与上述工程管理、工程执行等环节紧密融合，通过物联网、大数据等技术，支持研制过程中的实时质量管理。

⑶ 合规管理：每个行业都有相应的合规性管理需求，如汽车行业要满足安全、环境的合规要求，电子行业要满足RoHS、REACH等合规要求，航空行业要满足适航安全性要求等。合规管理主要从合规要求出发，建立配套的业务管理及应用体系。基于合规要求，技术人员可以追踪合规执行情况及执行状态，并对执行情况进行合规性分析，不合规问题需要限期进行闭环整改。

企业级运营管理：

从企业整体运营管理的角度出发，建立运营的智慧化管理业务模式，主要包括：

⑷ 企业运营监控及决策支持中心：包括多维度运营监控、分析及决策支持、业务协作三个主要业务。其中，多维度运营监控主要面向企业运营CxO等多级管理人员，提供包含计划、成本、质量、技术等多要素的综合管控门户，支持信息的实时获取及动态可视化展示，分析及决策支持主要面向运营决策层领导，提供产品运营综合效能、车间运营综合效能、产线运营综合效能等的分析，辅助领导进行决策；业务协作主要支持各级领导基于监控和分析的情况，开展与相关业务部门的业务协作，指导业务工作的开展。

⑸ 大数据中心管理：从大数据中心运维层面，实现大数据的组织、管理和维护，并提供大数据分析能力。需要建立相应的组织体系和业务管理体系。

价值链级管理：

主要从创新研发、卓越制造、敏捷服务的价值链层面，为企业运营及技术管理层提供二级监控中心环境，其监控业务主要包括：

⑹ 创新研发分监控中心：从企业顶层技术管理的需求出发建立的研发环节分监控中心。主要的监控内容包括：研发进度、研发需求满足度、仿真试验状态、工程更改统计，数字化样机等。

⑺ 卓越制造分监控中心：从企业综合运营管理角度建立的卓越制造分监控中心，监控内容包括：异地企业、车间、供应商生产运营状态，生产质量问题及其处理进展，工程协调进展，生产线生产可视化监控等。

⑻ 敏捷服务分监控中心：从企业对产品运营顶层管理的需求出发，建立的敏捷服务分监控中心，主要监控内容包括：产品综合运营状态，产品系列故障统计，关键产品运维进展，客户满意度状态，MRO供应商协作状态等。