戰略：自上而下

目前，觀察到不少項目由于缺乏整體性的戰略規劃，導致對未來數字化的具體需求不甚明晰，對企業當前數字化水平認知不足，從而無法客觀地判斷兩者間的差距，確定所需補強的能力。許多中國企業從軟件（技術）和硬件（設備）的角度考慮數字化工廠的開發建設，依靠內部經驗豐富的工程師和專業人員與外部供應商合作，通過對各類解決方案的整合來實現生產線上特定環節的自動化和跟蹤。此舉雖然有效，但在很多情況下并未解決“為什么要建設數字化工廠”這個根本性的戰略層面問題。

因此，企業應該以自上而下的方式推進數字化工廠的建設，從戰略、產品設計、運營模式變化等整體的角度考慮問題，根據自身的實際情況和目標來挑選合適的技術，而不是盲目地追求所謂的尖端技術。

例如，海爾以互聯工廠為核心的發展戰略，既符合集團大規模定制的發展方向，同時契合海爾在模塊化和數字化的豐富經驗，從而成功打造出了互聯工廠的生態體系。

效益：走出誤區

在某些特定的行業，尤其是在離散制造領域，數字化和自動化的程度取決于當前的基礎設施、所生產的產品以及整個生產流程。要實現高度數字化或自動化，技術方面可能需要很長時間的積累方才可行。而從成本效益角度考慮，收回投資也需要很長一段時間。

因此，如果純粹從投資回報的角度考慮效益問題，將使得企業在面對數字化工廠時躊躇不前。在可持續發展日益受到重視、生產安全不斷規范、勞動力紅利逐步消失的今天，數字化工廠所實現的節能減排、人機交互、遠程控制等緊跟當前形勢下的要求，能帶來顯著的社會效益。

企業可以將一些定量指標，例如生產效率、單人產出、能耗、質量控制（次品率）、生產周期等，用于評估數字化工廠的效益。而減少人工作業、提升員工士氣（工作不再無聊，而是更加有趣、附加值更高）和加大員工忠誠度等定性指標也能用于輔助評估。行業和企業本身訴求的不同也會對指標的選擇產生一定的影響。

除了生產效率、良品率、生產周期等常見指標外，某領先的紡織企業還選擇了換產時間、用工人數等指標來衡量其數字化工廠的成效，而某工程機械巨頭針對其示范車間則加入了生產誤操作、物流效率等指標，解決其自身痛點。

技術：全局考慮

中國制造業的自動化和數字化發展時間相對較短，即使是在同一行業內，企業的自動化程度和技術路線也大相徑庭。數據分布較為分散，難以獲得數字化工廠所需要的產品全生命周期的系統性數據，同時使得標準的制定變得困難。在部分較為傳統的行業中，中國企業爭相計劃實現數字化工廠的跨越式發展。

但是工廠車間里的設備落后，難以實時抓取和傳輸數據，是中國企業不得不面對的主要問題。盡管如此，仍然有以安燈系統為代表的解決方案能夠為人工作業提供補充，并有效地整合進工廠自動化。

同時，中國企業往往更注重單體設備的自動化率，忽略了生產體系是一個有機的整體，而且在ERP、MES和PLM等不同系統間的打通和整合方面也有待改進，能做到不同工廠間互聯的更是鳳毛麟角。因此，企業需要根據自身的數字化工廠戰略制定技術路線圖，分階段地推行各種技術轉型舉措，從而將實施的風險降至最低，避免對業務和運營造成沖擊。

人才：產教融合

數字化和自動化毫無疑問地會減少人工重復作業，改善工作環境，保障人身安全。我們認為，制造業能夠抓住此次機遇一改傳統以來“工作環境欠佳”的形象，通過升級來吸引更多新型人才。

數字化工廠將生產運營流程高度一體化，由此對技術人才提出了更高的要求，過去單一領域的專才將不再適用，取而代之的將是橫跨多領域、學習能力更強、懂得數字化交付的復合型人才。

參照國外的先進經驗，以課堂教育與實際工作相結合的職業教育體系能為產學合作制定數字化工廠培訓項目指明了道路。例如，某領先的機床企業直接與當地的工科院校建立起聯合學院，通過產教融合和資源互補，為其數字化工廠的建設定向培養和輸送人才。

除了教育機制，職業培訓課程本身也需要做出調整，實現課程培訓的標準化，并在商業、自然科學和工程等傳統領域加大人才培養力度，培育出熟練掌握數據分析、產品管理、項目管理、IT架構或者信息安全的跨學科數字化工程師。

最后，由于數字化工廠的轉型需要多部門協調，往往需要頂層決策者對數字化有著較強的決心和較深的認識，能夠指導整個企業制定數字化戰略，帶領企業順利度過轉型，打造出成功的數字化工廠。