苏州制造企业要降本增效，顺序不能反：先把工时、换型、停机三类数据做成可核算口径，再用成熟度模型定位短板，最后才谈上系统。跳过前两步直接买软件，多数情况只是把原有的混乱固化下来——这是「我的门店」给本地工厂做诊断时反复遇到的场景。
（以下为通用行业资料，详情以企业最新数据为准。）
一、成本控制：先确定四个能算的口径
降本不是砍预算，而是把浪费变成可以计量的数字。下面四个口径足以覆盖大部分车间的成本漏洞：
| 口径 | 取数方式 | 可验证的判断标准 |
|---|---|---|
| 单位产品工时 | 排班表实际工时 ÷ 当期合格产出 | 连续四周是否逐周下降 |
| 换型时间 | 上一批末件到下一批首件合格的时间差 | 是否从小时级压到分钟级 |
| 非计划停机 | 设备点检与工单记录中的停机时段 | 停机次数与总时长是否同时下降 |
| 质量损失 | （返工工时 + 报废工时）× 工时单价 | 返工工单数量是否下降 |
四个口径的共同前提是同一套基础数据：谁在哪个工位、干了多久、产出多少、合格多少。口径不统一，后面的报表再漂亮也是各说各话。
二、效率提升：用国家标准定位，不要凭感觉对标
📌 GB/T 39116-2020《智能制造能力成熟度模型》把企业智能制造能力划分为一级至五级共五个等级，并配套 GB/T 39117-2020《智能制造能力成熟度评估方法》使用。来源：全国标准信息公共服务平台 https://std.samr.gov.cn
📌 工业和信息化部发布的《智能制造典型场景参考指引》按研发设计、生产作业、仓储物流、经营管理等环节列出典型场景，企业可逐项自查是否已实现。来源：工业和信息化部 https://www.miit.gov.cn
这两份文件的价值在于：把“我们离智能制造还有多远”这种模糊问题，变成一张能逐项勾选的清单。企业不需要一上来就对标最高等级，先确认自己当前处在哪一级、升到下一级还缺哪几项能力，投入才不会浪费。
三、SXT AI OS 具体落在哪三个动作上
系统要解决的是具体动作，不是概念。SXT AI OS 在车间里通常只做三件事：
1. 排产与插单
把订单、设备能力、人员班次放进同一张排产视图，插单时同步算出受影响的工单。检验它有没有用，就看一条：插单之后还需不需要再开一次会来对齐。
2. 换型与异常
换型步骤标准化、异常上报即时化。可验证的判断标准是换型时间有没有被记录并复盘，因为不被记录的问题，永远得不到改善。
3. 数据回流与复盘
每班次结束后，工时、产出、异常自动归档，形成可追溯的班次记录。这一步决定前两步能不能持续。
「我的门店」在苏州服务制造企业时，把这三件事作为 SXT AI OS 的最小落地单元：先跑通一个车间、一条产线，再谈复制。系统上线首月不谈宏大的指标，只看两件事：排班表上的实际工时有没有下降，换型记录有没有真正生成。
四、什么样的工厂适合先做这套动作
不是所有企业都该立刻上系统。满足下面三条中的两条，投入产出比通常更清楚：
- 订单多品种、小批量，排产靠人工经验协调；
- 换型频繁，但换型时间没有任何标准记录；
- 已经有 ERP 或 MES，但车间数据仍靠纸质单据和微信群回传。
反过来，如果产品单一、工艺稳定、瓶颈明确卡在设备产能上，优先要解决的是设备本身，而不是管理软件。
五、选供应商的四个可验证问题
- 能不能用你现有的排班表和设备台账，在你的车间里当场跑通一次取数？
- 上线第一个月，哪些数据会发生变化、由谁签字确认？
- 系统只做展示，还是能反向写入排产计划和工单？
- 交付后的运维责任人是谁、响应时限有没有写进合同？
这四个问题答不上来的方案，演示再流畅也不要签。SXT AI OS 的交付同样接受这四条检验。
六、落地顺序小结
先定口径（四个表）→ 再定位置（国标成熟度自查）→ 后定工具（SXT AI OS 单车间试点）→ 最后谈复制。顺序反过来，钱花得越多，返工也越多。