社會化生產(chǎn)在經(jīng)歷了“ 蒸汽時代”、“電氣時代”和“信息時代”后，企業(yè)管理實踐的長期發(fā)展讓現(xiàn)代企業(yè)具有了企業(yè)資源計劃系統(tǒng)（ERP）、產(chǎn)品生命周期管理（PLM）、供應鏈管理（SCM）等一系列的生產(chǎn)管理工具和方法，人們終于可以在信息時代的自動化工廠藍圖上更進一步，創(chuàng)造出“智能工廠”。

　　任何一次大型的技術進步都是為了更好地滿足社會需求。在傳統(tǒng)工廠面前，消費者行為改變、產(chǎn)品周期縮短、供應鏈風險增加、售后服務復雜化等都在威脅著企業(yè)的經(jīng)營。這讓傳統(tǒng)的制造業(yè)強國紛紛對“智能工廠”這一制造業(yè)發(fā)展的最新趨勢表現(xiàn)出濃厚興趣。在德國，智能工廠的發(fā)展直接被稱為“工業(yè)4. 0”，巴斯夫、寶馬、博世、戴姆勒、SAP、西門子等著名的德國企業(yè)紛紛投入頂尖研發(fā)資源于其中。美國的通用電氣也投入了大量人力物力致力于將機器分析、行業(yè)洞察、自動化和商業(yè)預測結合起來，打造全新的工業(yè)互聯(lián)網(wǎng)的商業(yè)實驗。

　　作為世界工廠，中國對于制造業(yè)的前沿發(fā)展一直保持著警醒的態(tài)度，很多國內的優(yōu)秀企業(yè)也都提出了智能工廠的建設目標，甚至有些企業(yè)已經(jīng)開始嘗試去建設自己的智能工廠。但在技術方面仍有幾大鴻溝亟待這些中國企業(yè)去逾越。

　　首當其沖的是信息的收集和分析體系。對于智能工廠來說，其核心要求之一是要實現(xiàn)信息流、物資流和管理流合一。而這樣的雄心需要強大的數(shù)據(jù)收集和分析體系去支持。德國一家世界領先的制造業(yè)企業(yè)曾表示，在全面建設智能工廠之前必須回答兩個問題：一，產(chǎn)品從設計到生產(chǎn)到售后服務，哪些數(shù)據(jù)需要收集；二，如何設計一套數(shù)據(jù)分析體系使得這些被收集上來的數(shù)據(jù)可以有效地支持工廠的經(jīng)營和決策。對于中國企業(yè)來說，長期處于產(chǎn)業(yè)鏈的低端環(huán)節(jié)使得其在信息的收集和分析能力上有所欠缺，很多中國企業(yè)連工廠的管理通報都并不完備，即使是行業(yè)的領軍企業(yè)，也在前幾年才消滅了企業(yè)內部的信息孤島，建成了企業(yè)內部統(tǒng)一的信息管理體系。但是距離全面、有效地管理信息，綜合使用信息還有相當?shù)牟罹?，更何況智能工廠對于信息的創(chuàng)造性使用提出了新的要求。

　　其次，智能工廠涉及多個層面和技術領域，智能生產(chǎn)過程中的生產(chǎn)決策、供應鏈優(yōu)化問題等的解決需要借助仿真系統(tǒng)來解決。隨著ISA95[8]標準的推廣，其中對企業(yè)－控制系統(tǒng)集成模型的層次定義對工廠仿真模型的定義產(chǎn)生了巨大的影響。宏觀的仿真模型如ＥＲＰ層的供應鏈模型，微觀的仿真模型如PCS層的裝置生產(chǎn)過程模型。PCS層、PCS層、PCS層的模型抽象構建過程對于工廠生產(chǎn)運行情況的分析研究是非常重要的。由于不同層次模型和建模方式的多樣性，研究者在研究流程工業(yè)中某一特定問題時需要對工廠中的每個對象獨立建立工廠仿真模型，這樣這不僅會導致開發(fā)周期長，而且由于建模人員需要根據(jù)自己建立的模型管理數(shù)據(jù)，會導致模型和數(shù)據(jù)的針對性和拋棄性，建模和仿真過程中大量的手工配置操作給工作帶來很大不便，最終導致模型重用率低和擴展性差。

　　最重要的挑戰(zhàn)是無處不在的快速互聯(lián)網(wǎng)基礎設施，以及網(wǎng)絡-物理系統(tǒng)的標準界面。對于制造平臺的大數(shù)據(jù)應用，我們需要安全與保護，這樣，行業(yè)內的人們才會信任這種與工業(yè)互聯(lián)網(wǎng)連接的新型聯(lián)網(wǎng)技術，才會有更多的企業(yè)加入智能工廠的開發(fā)和使用。

　　智能工廠既是一項系統(tǒng)工程，同時也是一家制造業(yè)企業(yè)需要去逐步建設的能力。對不同行業(yè)、不同外部市場競爭格局、不同發(fā)展階段和不同企業(yè)能力的企業(yè)來說，其建設智能工廠的重點和著手點也不盡相同，中國制造業(yè)的產(chǎn)業(yè)升級雖然緊迫，但切忌盲目，根據(jù)自身情況有的放矢、循序漸進才是通向智能工廠的大道。