社会化生产在经历了 蒸汽时代、电气时代和信息时代后，企业管理实践中的长年发展让现代企业具备了企业资源计划系统（ERP）、产品生命周期管理（PLM）、供应链管理（SCM）等一系列的生产管理工具和方法，人们再一可以在信息时代的自动化工厂蓝图上更进一步，建构出有智能工厂。　　任何一次大型的技术变革都是为了更佳地符合社会市场需求。

在传统工厂面前，消费者不道德转变、产品周期延长、供应链风险减少、售后服务变得复杂等都在威胁着企业的经营。这让传统的制造业强国争相对智能工厂这一制造业发展的近期趋势展现出出有浓厚兴趣。在德国，智能工厂的发展必要被称作工业4. 0，巴斯夫、宝马、博世、戴姆勒、SAP、西门子等知名的德国企业争相投放顶尖研发资源于其中。

美国的通用电气也投放了大量人力物力致力于将机器分析、行业洞察、自动化和商业预测融合一起，打造出全新的工业互联网的商业实验。　　作为世界工厂，中国对于制造业的前沿发展仍然维持着提防的态度，很多国内的优秀企业也都明确提出了智能工厂的建设目标，甚至有些企业早已开始尝试去建设自己的智能工厂。但在技术方面仍有几大鸿沟亟需这些中国企业去容忍。　　首当其冲的是信息的搜集和分析体系。

对于智能工厂来说，其核心拒绝之一是要构建信息流、物资流和管理流合一。而这样的雄心必须强劲的数据搜集和分析体系去反对。

德国一家世界领先的制造业企业曾回应，在全面建设智能工厂之前必需问两个问题：一，产品从设计到生产到售后服务，哪些数据必须搜集；二，如何设计一套数据分析体系使得这些被搜集上来的数据可以有效地反对工厂的经营和决策。对于中国企业来说，长年正处于产业链的低端环节使得其在信息的搜集和分析能力上有所缺乏，很多中国企业连工厂的管理通报都并不完善，即使是行业的领军企业，也在前几年才歼灭了企业内部的信息孤岛，竣工了企业内部统一的信息管理体系。但是距离全面、有效地管理信息，综合用于信息还有非常的差距，更何况智能工厂对于信息的创造性用于明确提出了新的拒绝。

　　其次，智能工厂牵涉到多个层面和技术领域，智能生产过程中的生产决策、供应链优化问题等的解决问题必须利用建模系统来解决问题。随着ISA95[8]标准的推展，其中对企业－控制系统构建模型的层次定义对工厂建模模型的定义产生了极大的影响。宏观的建模模型如ＥＲＰ层的供应链模型，微观的建模模型如PCS层的装置生产过程模型。

PCS层、PCS层、PCS层的模型抽象化建构过程对于工厂生产运营情况的分析研究是十分最重要的。由于有所不同层次模型和建模方式的多样性，研究者在研究流程工业中某一特定问题时必须对工厂中的每个对象独立国家创建工厂建模模型，这样这不仅不会造成开发周期宽，而且由于建模人员必须根据自己创建的模型管理数据，不会造成模型和数据的针对性和舍弃性，建模和建模过程中大量的手工配备操作者给工作带给相当大不便，最后造成模型器重率低和扩展性劣。　　最重要的挑战是无处不在的较慢互联网基础设施，以及网络-物理系统的标准界面。

对于生产平台的大数据应用于，我们必须安全性与维护，这样，行业内的人们才不会信任这种与工业互联网相连的新型联网技术，才不会有更加多的企业重新加入智能工厂的研发和用于。　　智能工厂既是一项系统工程，同时也是一家制造业企业必须去逐步建设的能力。

对有所不同行业、有所不同外部市场竞争格局、有所不同发展阶段和有所不同企业能力的企业来说，其建设智能工厂的重点和著手点也不尽相同，中国制造业的产业升级虽然严峻，但切忌盲目，根据自身情况有的放矢、循序渐进才是通向智能工厂的大道。

本文来源：8688体育官网-www.eventsbysm.com