战略：自上而下

目前，观察到不少项目由于缺乏整体性的战略规划，导致对未来数字化的具体需求不甚明晰，对企业当前数字化水平认知不足，从而无法客观地判断两者间的差距，确定所需补强的能力。许多中国企业从软件（技术）和硬件（设备）的角度考虑数字化工厂的开发建设，依靠内部经验丰富的工程师和专业人员与外部供应商合作，通过对各类解决方案的整合来实现生产线上特定环节的自动化和跟踪。此举虽然有效，但在很多情况下并未解决“为什么要建设数字化工厂”这个根本性的战略层面问题。

因此，企业应该以自上而下的方式推进数字化工厂的建设，从战略、产品设计、运营模式变化等整体的角度考虑问题，根据自身的实际情况和目标来挑选合适的技术，而不是盲目地追求所谓的尖端技术。

例如，海尔以互联工厂为核心的发展战略，既符合集团大规模定制的发展方向，同时契合海尔在模块化和数字化的丰富经验，从而成功打造出了互联工厂的生态体系。

效益：走出误区

在某些特定的行业，尤其是在离散制造领域，数字化和自动化的程度取决于当前的基础设施、所生产的产品以及整个生产流程。要实现高度数字化或自动化，技术方面可能需要很长时间的积累方才可行。而从成本效益角度考虑，收回投资也需要很长一段时间。

因此，如果纯粹从投资回报的角度考虑效益问题，将使得企业在面对数字化工厂时踌躇不前。在可持续发展日益受到重视、生产安全不断规范、劳动力红利逐步消失的今天，数字化工厂所实现的节能减排、人机交互、远程控制等紧跟当前形势下的要求，能带来显著的社会效益。

企业可以将一些定量指标，例如生产效率、单人产出、能耗、质量控制（次品率）、生产周期等，用于评估数字化工厂的效益。而减少人工作业、提升员工士气（工作不再无聊，而是更加有趣、附加值更高）和加大员工忠诚度等定性指标也能用于辅助评估。行业和企业本身诉求的不同也会对指标的选择产生一定的影响。

除了生产效率、良品率、生产周期等常见指标外，某领先的纺织企业还选择了换产时间、用工人数等指标来衡量其数字化工厂的成效，而某工程机械巨头针对其示范车间则加入了生产误操作、物流效率等指标，解决其自身痛点。

技术：全局考虑

中国制造业的自动化和数字化发展时间相对较短，即使是在同一行业内，企业的自动化程度和技术路线也大相径庭。数据分布较为分散，难以获得数字化工厂所需要的产品全生命周期的系统性数据，同时使得标准的制定变得困难。在部分较为传统的行业中，中国企业争相计划实现数字化工厂的跨越式发展。

但是工厂车间里的设备落后，难以实时抓取和传输数据，是中国企业不得不面对的主要问题。尽管如此，仍然有以安灯系统为代表的解决方案能够为人工作业提供补充，并有效地整合进工厂自动化。

同时，中国企业往往更注重单体设备的自动化率，忽略了生产体系是一个有机的整体，而且在ERP、MES和PLM等不同系统间的打通和整合方面也有待改进，能做到不同工厂间互联的更是凤毛麟角。因此，企业需要根据自身的数字化工厂战略制定技术路线图，分阶段地推行各种技术转型举措，从而将实施的风险降至最低，避免对业务和运营造成冲击。

人才：产教融合

数字化和自动化毫无疑问地会减少人工重复作业，改善工作环境，保障人身安全。我们认为，制造业能够抓住此次机遇一改传统以来“工作环境欠佳”的形象，通过升级来吸引更多新型人才。

数字化工厂将生产运营流程高度一体化，由此对技术人才提出了更高的要求，过去单一领域的专才将不再适用，取而代之的将是横跨多领域、学习能力更强、懂得数字化交付的复合型人才。

参照国外的先进经验，以课堂教育与实际工作相结合的职业教育体系能为产学合作制定数字化工厂培训项目指明了道路。例如，某领先的机床企业直接与当地的工科院校建立起联合学院，通过产教融合和资源互补，为其数字化工厂的建设定向培养和输送人才。

除了教育机制，职业培训课程本身也需要做出调整，实现课程培训的标准化，并在商业、自然科学和工程等传统领域加大人才培养力度，培育出熟练掌握数据分析、产品管理、项目管理、IT架构或者信息安全的跨学科数字化工程师。

最后，由于数字化工厂的转型需要多部门协调，往往需要顶层决策者对数字化有着较强的决心和较深的认识，能够指导整个企业制定数字化战略，带领企业顺利度过转型，打造出成功的数字化工厂。