2. 数字化成熟度模型谱系
做成熟度评估时，最常见的误区是“拿一个模型套所有场景”。工业4.0成熟度、DMM（Digital Maturity Model）、智能制造成熟度（CMMM）虽然都叫“成熟度”，但它们回答的问题并不相同：有的偏战略与组织转型，有的偏数字化运营能力，有的偏制造现场与智能制造能力。选错模型，评估结果往往“看起来有分，但落不了地”。因此，本节先把主流模型的谱系讲清楚，再给出可操作的选型判断。
一、三类主流模型的定位差异
工业4.0成熟度（以德国 acatech 工业4.0成熟度模型为代表）关注企业向工业4.0演进的结构化能力，通常围绕资源、信息系统、文化、组织等维度展开，等级从“计算机化”到“完全成熟”逐级递进。它适合集团或工厂做转型全景诊断，回答“我们离工业4.0还有多远、短板在哪个维度”。
DMM（Digital Maturity Model）更偏企业级数字化运营与客户价值，常见维度包括客户、战略、技术、运营、组织与文化、数据等。它的优势是能把数字化与业务价值挂钩，适合跨行业、跨部门的数字化整体评估，尤其适合服务业与制造业并存的集团。
智能制造成熟度（CMMM，GB/T 39116）是面向制造现场的国家标准模型，维度覆盖人员、技术、资源、制造等能力要素，等级从一级（规划级）到五级（引领级）。它强调制造过程、设备、质量、物流等可核查证据，适合工厂做智能制造能力对标与申报。
二、维度与等级的横向对比
把三者放在同一张表里，能更直观地看出“谁更适合回答什么问题”。下表为示例性归纳，具体维度名称以各模型官方版本为准。
| 模型 | 核心维度（示例） | 等级划分 | 适用边界 |
|---|---|---|---|
| 工业4.0成熟度 | 资源、信息系统、文化、组织 | 计算机化→连通性→可视化→透明化→预测→自适应 | 集团/工厂转型全景诊断，偏战略与组织 |
| DMM | 客户、战略、技术、运营、组织文化、数据 | 通常为1～5级，从初始到引领 | 跨行业企业级数字化评估，偏业务价值 |
| 智能制造成熟度 | 人员、技术、资源、制造 | 一级规划级→五级引领级 | 制造现场能力对标、申报与改进 |
从等级逻辑看，工业4.0成熟度强调“数据流动的深度”：从计算机化到自适应，本质是数据从“记录”走向“驱动决策”。DMM强调“能力覆盖的广度”：客户、战略、技术、运营要协同，缺一不可。CMMM强调“制造要素的成熟度”：人员、技术、资源、制造四个能力要素要均衡，避免“设备很先进、人员不会用”。
三、选型判断：先问三个问题
实际选型时，不要先看模型名气，而要先问三个问题：
- 评估对象是谁？如果是集团整体，优先DMM或工业4.0成熟度；如果是单个工厂/车间，优先CMMM。
- 评估目的是什么？要申报、对标、拿政策，优先CMMM；要做转型路线图、找战略短板，优先工业4.0成熟度或DMM。
- 证据从哪里来？CMMM需要现场证据（设备联网率、MES工单闭环、质量追溯记录等）；DMM需要业务数据与访谈；工业4.0成熟度需要IT/OT架构与组织访谈。
四、用一张图看清谱系与选择路径
下面的SVG把三类模型的定位、维度、等级和适用边界放在同一张关系图中，并给出从“评估对象”到“模型选择”的判断路径。图中左侧是模型谱系，右侧是选择逻辑，中间用箭头表示匹配关系。
图中左侧的色条长度表示等级递进的“跨度感”：工业4.0成熟度六级、DMM五级、CMMM五级，但它们的等级含义不同，不能直接换算分数。右侧的判断路径强调：先定对象，再定目的，最后看证据。如果三个问题的答案指向不同模型，说明需要分层评估，而不是强行二选一。
五、一个可复用的选型记录表
为了让选型过程可追溯，建议在评估启动前填写一张简表。下表为示例，字段可根据企业实际调整。
| 判断项 | 填写内容（示例） | 指向模型 |
|---|---|---|
| 评估对象 | 华东制造基地（单工厂） | CMMM |
| 评估目的 | 申报省级智能工厂，同时找产线短板 | CMMM为主，工业4.0为辅 |
| 证据来源 | MES工单、设备联网日志、质量追溯记录 | CMMM现场证据 |
| 补充需求 | 集团层面还要看数字化战略协同 | 增加DMM集团级扫描 |
总结来说，工业4.0成熟度、DMM、CMMM分别对应“转型全景”“企业数字化价值”“制造现场能力”三个层面。选型的核心不是比谁更权威，而是看评估对象、目的和证据是否匹配。把这三个问题回答清楚，模型谱系自然就清晰了。