在過去的幾年，智能制造一直是業(yè)內專家、戰(zhàn)略家和思想家間的熱門話題之一。然而，盡管有很多媒體報道，許多制造業(yè)的前沿人士并不十分清楚智能制造到底是什么，或者為什么它們與企業(yè)組織相關。

簡而言之，智能制造就是按照人和機器所需要的形式，使用實時數(shù)據(jù)和技術。

如果要尋找更全面的定義，有兩個領先的組織提供了定義。

智能制造的概念和成功實施預計將引發(fā)第四次工業(yè)革命。而且近年來還有許多其他的進步，都與技術連通性和數(shù)據(jù)訪問、處理有關。

制造正在發(fā)展，業(yè)務也需要發(fā)展。 隨著制造商將諸如物聯(lián)網(wǎng)（IoT）、機器人技術、虛擬現(xiàn)實（VR）和人工智能（AI）等新技術融入其商業(yè)戰(zhàn)略，第四次工業(yè)革命已經到來。智能制造—感知、測量、分析、報告和培訓—將成為這一戰(zhàn)略的重要組成部分。

麥肯錫全球研究院在其報告“物聯(lián)網(wǎng)：超越假設的價值”中指出，到2025年，智能制造將產生3.9萬億美元到11.1萬億美元的總經濟影響。報告指出，預計工廠是會對智能制造產生最大的潛在影響—每年高達3.7萬億美元。如果不前進，就會被淘汰。

幸運的是，不需要成為一家大企業(yè)也可以享受智能制造帶來的益處。然而，人員、流程和技術需要保持平衡和協(xié)作才能達到效果。智能制造解決方案的其他關鍵組件包括：

• 設備和連接

• 數(shù)據(jù)采集

• 信息管理和可視化

• 數(shù)據(jù)分析和情報

• 商業(yè)決策

• 工作流執(zhí)行

智能制造系統(tǒng)的大腦是制造中的數(shù)據(jù)。這為確定商業(yè)的健康狀況提供了標記。 然后使用這些數(shù)據(jù)進行一系列的分析規(guī)程，包括：

• 描述性：用于捕捉產品的狀況，環(huán)境和操作

• 診斷：檢查降低產品性能或失敗的原因

• 預測性：檢測即將發(fā)生事件的模式

• 說明性：確定改善結果或糾正問題的措施

關于智能制造的一個常見誤解是，它將要求組織機構徹底改變他們目前的業(yè)務，投資先進的技術。而這些技術往往太復雜企業(yè)無法適應。一些改變是必要的，但實際上智能制造通過建立在制造商當前的能力基礎上，大大簡化了這一轉變。

所涉及的關鍵概念之一是認識到數(shù)據(jù)的價值，是開發(fā)和管理的關鍵資產。換句話說，對于分析數(shù)據(jù)的系統(tǒng)來說，關鍵資產不是分析系統(tǒng)本身，而是數(shù)據(jù)。用生成的數(shù)據(jù)來構建和驗證分析。對數(shù)據(jù)的這種強調使得我們對于在哪里集中資源有不同的思考。

對于任何運營目標，都需要有相關數(shù)據(jù)源。數(shù)據(jù)源可以像傳真機、平板電腦或智能手機一樣基本，或像廣域傳感器網(wǎng)絡一樣復雜。重點是，數(shù)據(jù)在運營目標的背景下是有價值的，而不是傳感器的復雜性。有許多非常有價值的應用程序可以利用數(shù)據(jù)。

基礎設施的變化需要適應在智能平臺上使用和操作數(shù)據(jù)的應用程序，為制造商的基礎設施最小變化提供便利。隨著時間的推移，智能制造將會導致商業(yè)機會和運營的重大變化。

如果只是一個小型制造企業(yè)，那么提升改進流程的策略是什么呢？想要達到什么目的增加銷售額、降低成本、提高效率、或者擁有更靈活的供應鏈？可能購買了硬件或軟件以及使用該技術的許可證來幫助實現(xiàn)一個或多個目標。它還提供了與上游和下游供應商更有效協(xié)作的能力。

這里列出了成為智能數(shù)字企業(yè)的四個步驟。